Odyssey-3 vs MiniMax H3: Perbedaannya Ada pada Unduhan

Pada 3 Agustus 2026, bobot sebuah model video 2K mendarat di Hugging Face dengan nama yang bisa diunduh dan dijalankan siapa saja: MiniMax H3. Enam minggu kemudian, pada 15 September, Odyssey menerbitkan halaman riset untuk Odyssey-3 — sebuah foundation world model yang mengendalikan lengan robot, sebuah mobil, sebuah drone, dan tiga video game — dan menaruh satu kalimat di tempat yang seharusnya menjadi tautan unduhan: model itu akan dirilis secara publik "dalam beberapa minggu mendatang." Dua kalimat itu adalah keseluruhan perbandingannya. Salah satu dari model ini bisa berada di klaster Anda malam ini, di silikon Anda sendiri, di bawah lisensi yang bisa Anda baca. Yang lain tidak dapat dibeli, disewa, atau diunduh oleh siapa pun di luar laboratoriumnya, dan perusahaan tersebut belum mengatakan kapan itu berubah. Asimetri itu bukan catatan kaki dalam pertarungan ini. Itulah pertarungannya.

Apa yang sebenarnya Anda dapatkan dari MiniMax H3

H3 diumumkan pada 31 Juli 2026 dan dirilis sebagai sumber terbuka pada 3 Agustus. Ini adalah model umum, bukan generator video tugas tunggal: ia membaca teks, gambar, video, dan audio sebagai konteks, lalu menghasilkan video hingga 15 detik pada resolusi hingga 2K dengan audio stereo native pada 32 kHz dan 24 frame per detik. Enam rasio aspek didukung (dari 21:9 hingga 9:16), dan dialog didukung secara stabil dalam sebelas bahasa. Terdapat dua varian yang dipublikasikan dari basis terbuka — H3-Base-FL2VA untuk pembuatan video dari teks serta dari frame pertama, frame terakhir, atau frame pertama dan terakhir, dan H3-Base-Ref2VA, yang menerima hingga sembilan gambar, tiga klip video, dan tiga klip audio, dengan batas dua belas berkas masukan.

Bagian yang penting untuk perbandingan ini adalah di mana separuh yang terbuka berhenti. Sistem H3 lengkap adalah pipeline tiga tahap: H3-Context-IR memproses awal dan mengorkestrasi konteks, H3-Base menghasilkan pada 768p, dan H3-Regenerate-2K meningkatkan hasilnya ke 2K. Hanya bobot H3-Base yang bersifat publik, dan bobot itu dirilis di bawah MiniMax H3 Community License, bukan Apache atau MIT — lisensi dengan syarat yang melekat, yang layak dibaca sebelum akhirnya masuk ke pipeline komersial. Tahap Context-IR dan modul regenerasi 2K berjalan di sisi MiniMax. Jadi, "bobot terbuka" di sini hanya memberi Anda bagian tengah pipeline. Tim yang mengunduh H3-Base dan menghostingnya sendiri mendapatkan pembuatan video 768p dan tidak ada jalur ke 2K tanpa menghubungi vendor.

Apa yang Odyssey-3 berikan kepada Anda sebagai gantinya

Yang diberikan Odyssey-3 kepada Anda sebagai gantinya adalah sebuah klaim dan serangkaian demonstrasi. Odyssey mendeskripsikannya sebagai model dunia fondasional, dan detail arsitektural yang telah dipublikasikannya cukup spesifik untuk dapat diverifikasi di kemudian hari: sebuah transformer difusi autoregresif yang dilatih pada kumpulan besar observasi visual tentang dunia, yang menurut perusahaan menghasilkan pemahaman yang dipelajari tentang fisika, dinamika, sebab-akibat, dan perilaku manusia. Adaptasi tugas dilakukan dengan menambahkan dekoder aksi yang dilatih pada pasangan observasi-aksi sementara model dunia yang telah dilatih sebelumnya tetap dibekukan — sebuah kebijakan kecil membaca representasi dari model yang dibekukan alih-alih melakukan penyetelan halus pada model itu sendiri.

Demonstrasi ini mencakup enam perwujudan. Lengan robot, setelah puluhan jam demonstrasi, termasuk perilaku pemulihan yang tidak ada dalam data pelatihan — mengorientasi ulang gripper setelah gagal menggenggam. Kebijakan humanoid yang dibangun dengan Flexion dari puluhan jam data teleoperasi, yang menurut Odyssey lebih menggeneralisasi dibandingkan baseline VLA yang diujinya, tanpa menerbitkan angka. Mengemudi loop tertutup yang dipelajari dari dua puluh jam data simulasi, dikemudikan di India. Penerbangan drone penghindar rintangan di dalam ruangan dari data simulasi. Lingkungan game, termasuk kebijakan yang dilatih di Grand Theft Auto V yang ditransfer ke Red Dead Redemption 2 dan Sleeping Dogs tanpa pelatihan tambahan di judul-judul tersebut; sekitar dua jam rekaman GTA cukup untuk menghasilkan gerakan menunggang kuda di RDR2. Dan pembangkitan lingkungan untuk melatih AI lain, terkait dengan kerja reinforcement learning PROWL perusahaan.

Satu-satunya angka konkret di halaman itu adalah perbandingan dengan rekaman nyata: Odyssey melaporkan bahwa kebijakan mengemudi yang dilatih dengan simulasi menempuh jarak sekitar 77% dari kebijakan yang dilatih dengan data nyata di antara intervensi pengemudi keselamatan. Itu angka dari vendor, tidak direproduksi, tanpa laporan teknis yang mendasarinya, dan belum ada pihak ketiga yang menerbitkan hasil tentang Odyssey-3. Itulah jenis angka yang menentukan apakah sebuah model dunia berguna, dan saat ini itu hanya klaim satu perusahaan.

Dua lock-in yang sama sekali tidak mirip

Menggolongkan MiniMax H3 sebagai "yang terbuka" dan Odyssey-3 sebagai "yang tertutup" memang menggoda, tetapi realitas lisensinya lebih menarik daripada itu, dan hal itu berlaku di kedua arah.

MiniMax H3 terbuka di bagian tengah dan tertutup di tepinya. Anda dapat memegang generator, memeriksanya, menyetelnya dengan cermat, dan menjalankannya tanpa panggilan jaringan. Anda tidak dapat memegang orkestrasi konteks yang menjadikannya model umum, dan Anda tidak dapat memegang langkah 2K. Jika klaim kualitas produk Anda bergantung pada resolusi keluaran, deployment open-weights Anda memiliki plafon yang hanya dapat diangkat oleh tier hosted milik vendor.

Odyssey-3 tertutup di setiap lapisan, dan cara perusahaan sendiri membingkainya itulah yang membuatnya aneh. Model dunia yang ditawarkan kepada robot, drone, dan kendaraan ditujukan kepada pembeli yang menjalankan inferensi pada perangkat keras yang mereka kendalikan — lantai pabrik, kendaraan uji, rangka pesawat. Pembeli tersebut tidak dapat menggunakan endpoint yang dihosting untuk loop kendali; latensi dan konektivitas membuatnya tidak mungkin. Jadi model bisnis untuk model seperti ini harus melibatkan bobot, atau ia tidak akan punya pelanggan di segmen yang terus disebut Odyssey. Tidak adanya lisensi saat ini bukanlah pernyataan niat, melainkan pernyataan bahwa syarat komersialnya masih ditulis. Seri B Odyssey senilai $310 juta, yang diumumkan pada Juni 2026 dengan valuasi $1,45 miliar, dengan AWS sebagai cloud pilihan dan Trainium sebagai substrat komputasi, adalah konteks tempat syarat-syarat tersebut akan ditentukan.

Dimensi demi dimensi

• Apa yang dihasilkannya — MiniMax H3: klip yang dirender, 4–15 dtk, hingga 2K dengan audio stereo. Odyssey-3: status dunia yang disimulasikan plus aksi motorik untuk perangkat keras yang terpasang.

• Apa yang dapat Anda unduh — MiniMax H3: bobot H3-Base, lisensi komunitas, 768p. Odyssey-3: tidak ada; tidak ada bobot, tidak ada lisensi, tidak ada repositori.

• Yang tetap dipegang vendor — MiniMax H3: H3-Context-IR dan H3-Regenerate-2K, dua modul yang membuatnya bersifat umum dan menjadikannya 2K. Odyssey-3: semuanya.

• Harga — MiniMax H3: tarif per detik yang dipublikasikan, sekitar $0,08 pada 768p dan $0,13 pada 2K, ditambah $0,05 per detik untuk output yang diregenerasi (angka dari vendor). Odyssey-3: tidak ada yang dipublikasikan di mana pun.

• Ketersediaan — MiniMax H3: terbuka sejak 3 Agustus 2026, dapat dipanggil sekarang. Odyssey-3: diumumkan 15 September 2026, "dalam beberapa minggu mendatang," tanpa tanggal.

• Bukti pihak ketiga — MiniMax H3: peringkat pertama dalam penyuntingan video dan peringkat kedua atau ketiga dalam text-to-video serta image-to-video pada evaluasi pihak ketiga. Odyssey-3: hanya satu angka dari vendor dan sama sekali tidak ada pengujian eksternal.

Jika Anda perlu membangun sesuatu bulan ini

Konsekuensi praktisnya adalah hanya satu dari kedua hal ini yang merupakan keputusan yang dapat Anda tindak lanjuti. MiniMax H3 dirutekan di OrcaRouter sebagai minimax/minimax-h3 pada harga daftar penyedia, dengan markup 0% — jadi tarif vendor adalah tarif yang Anda bayar, dan saat MiniMax mengubah angkanya, tagihan Anda ikut berubah pada hari yang sama, bukan saat perpanjangan. Hal itu lebih penting pada model video per detik dibandingkan pada sebagian besar hal lain, karena rentang 768p-ke-2K hampir dua banding satu dan perbedaan antara prototipe dan peluncuran bisa menjadi perbedaan antara kedua tier tersebut.

Ada alasan kedua untuk memilih router di sini alih-alih integrasi vendor langsung. Bagian terbuka H3 benar-benar berguna dengan sendirinya, dan tim yang paling mungkin peduli akan hal itu adalah tim yang memiliki GPU dan punya pendapat tentangnya. Tim-tim tersebut akhirnya berada dalam konfigurasi campuran: H3-Base yang dihosting sendiri untuk pekerjaan bervolume besar, jalur hosted untuk regenerasi 2K, dan satu atau dua model lain untuk apa pun yang dibutuhkan pipeline di sekitar video. Satu kunci dan failover otomatis antar penyedia lebih bernilai dalam bentuk itu daripada dalam stack satu model, dan DSL routing menyusun model-model di sekitarnya — model prompt, model gambar untuk frame awal, model video — menjadi satu panggilan alih-alih tiga integrasi.

Odyssey-3, untuk lebih jelasnya, tidak dirutekan oleh OrcaRouter atau oleh pihak lain mana pun. Tidak ada endpoint untuk dituju dan tidak ada harga untuk diteruskan. Artikel ini tidak mengklaim sebaliknya.

Pertanyaan yang layak diajukan kepada kedua vendor

MiniMax telah menjawab pertanyaan menarik tentang H3, dan jawabannya adalah "jalan tengah, pada 768p, di bawah lisensi kami." Jika Anda sedang mengevaluasi H3, hal yang perlu diuji adalah apakah basis terbuka ditambah infrastruktur Anda sendiri mengalahkan jalur 2K yang dihosting dalam hal biaya per detik yang dapat digunakan — dan ujilah sebelum Anda membangun klaim produk berdasarkan keluaran 2K.

Odyssey belum menjawab soal versinya. Ketika jendela rilis ditutup, pertanyaan pertama bukanlah tolok ukur, melainkan lisensi: dari keenam perwujudan ini, mana yang merupakan deployment yang didukung, di perangkat keras siapa, dengan harga berapa, dan apakah dekoder aksi yang membuat model dunia beku menggerakkan lengan robot adalah sesuatu yang dilatih pelanggan atau sesuatu yang disediakan Odyssey. Model dunia yang menjangkau lengan robot, humanoid, mobil, drone, dan tiga gim dengan satu backbone adalah klaim generalitas, dan generalitas itulah yang menjadikannya model fondasi alih-alih policy — yang justru menjadi alasan mengapa ketentuan komersial, bukan rekaman demonstrasi, yang akan menentukan siapa yang dapat menggunakannya.

Sampai saat itu, papan skor yang jujur berbunyi: satu model yang dapat Anda tarik, satu model yang dapat Anda pantau. Perhatikan repositori dan lisensi terlebih dahulu, lalu tolok ukur — dalam urutan itu, karena tanpa dua yang pertama, yang ketiga tidak dapat diverifikasi.

Letakkan seluruh pipeline di balik satu kunci API dengan failover otomatis alih-alih tiga integrasi terpisah.