Odyssey-3 vs Wan 3.0: Model Dunia Bertemu Pabrik Video

Odyssey-3 dan Wan 3.0 keduanya dikelompokkan sebagai "model video," dan label bersama itu memikul beban yang lebih berat daripada yang bisa ditanggungnya. Odyssey-3 adalah sistem dinamika yang dipelajari — simulator yang membangun lingkungan dari prompt dan memprediksi bagaimana lingkungan itu berubah saat seseorang bergerak di dalamnya atau memicu peristiwa — dirilis oleh Odyssey pada 8 Oktober 2026 sebagai pratinjau riset. Wan 3.0 adalah generator video produksi dari Alibaba Cloud, tersedia secara umum sejak peluncurannya pada 24 Agustus 2026, ditagih per detik, dan sudah dinilai pada dua papan peringkat independen. Salah satunya ingin menjadi tempat Anda meletakkan kamera. Yang lainnya ingin menjadi sesuatu yang merender rekaman yang Anda publikasikan.

Letakkan dua halaman peluncuran itu berdampingan dan perbedaannya langsung terlihat. Odyssey unggul dalam akurasi fisik — seberapa baik modelnya memahami apa yang dilakukan objek saat bertemu. Alibaba unggul dalam throughput, durasi, dan kontrol referensi: klip 30 detik, audio native, hingga sepuluh gambar dan lima video yang disediakan per pembuatan. Keduanya bukan versi yang lebih buruk satu sama lain. Keduanya adalah jawaban atas pertanyaan yang berbeda, dan jawabannya mengubah apa yang harus dilakukan sebuah tim minggu ini.

Satu catatan kerangka sebelum angka-angka. Sebagian besar angka dalam artikel ini berasal dari materi peluncuran vendor sendiri dan belum direproduksi oleh siapa pun di luar laboratorium tersebut. Jika suatu angka berasal dari dewan independen dan bukan dari halaman pers, teksnya menyebutkan hal itu. Perbedaan itu lebih penting daripada biasanya di sini, karena kedua model menerbitkan jumlah informasi yang dapat diperiksa dengan sangat berbeda — yang satu dijual per detik melalui API terbuka, yang lain belum menerbitkan harga sama sekali.

Apa sebenarnya masing-masing itu

Deskripsi Odyssey sendiri tentang Odyssey-3 luar biasa spesifik untuk sebuah postingan peluncuran, dan layak dikutip alih-alih disederhanakan: ini adalah "sistem dinamika yang dipelajari, diimplementasikan sebagai transformer difusi autoregresif, yang memprediksi bagaimana objek bergerak dan berinteraksi melalui ruang dan bagaimana situasi berkembang sepanjang waktu." Hal yang dikembalikannya bukan klip dalam pengertian biasa. Itu adalah keadaan yang terus berkembang selagi digerakkan. Model ini hadir dalam dua ukuran — Odyssey-3 pada 832×480 dan Odyssey-3 Pro pada 1280×720 — dan Odyssey mengatakan pratinjaunya mendukung navigasi orang pertama dan orang ketiga serta pergerakan kamera independen. Build ini juga menyertakan varian terdistilasi beberapa langkah, yang dihasilkan melalui kombinasi pencocokan distribusi dan distilasi adversarial, yang digambarkan vendor sebagai interaktif waktu nyata.

Wan 3.0 adalah generator dengan model yang sudah mapan: sebuah prompt dan satu atau lebih referensi dimasukkan, lalu dihasilkan satu karya video yang sudah jadi. Kemampuan utama A​libaba adalah pembuatan 30 detik dalam satu kali proses, audio native, dan input referensi yang mencakup teks, gambar, video, dan audio — plus dokumen dalam format doc, xls, ppt, pdf, md, txt, key, pages dan numbers, hingga 100 MB dan 50 halaman. Pengeditan berbasis instruksi, artinya sebuah hasil generasi dapat diubah pada visual, alur cerita, atau dialog tanpa membuat ulang dari awal. A​libaba juga menyatakan secara terang-terangan bahwa kualitas audio dan akurasi teks di layar masih perlu diperbaiki, yang merupakan pengakuan yang lebih jarang muncul dalam pos peluncuran daripada seharusnya dan berguna untuk dicatat.

• Apa outputnya — lingkungan simulasi tempat Anda bertindak di dalamnya (Odyssey-3) versus klip yang dirender yang Anda publikasikan (Wan 3.0) • Ukuran yang diiklankan — 832×480, atau 1280×720 pada Odyssey-3 Pro, versus 480p, 720p dan 1080p • Durasi sekali jalan — selama lingkungan terus digerakkan, versus 30 detik per generasi • Audio — bukan kemampuan utama pada ukuran mana pun, versus audio native dengan batas kualitas yang ditandai vendor • Input — prompt yang mendefinisikan lingkungan, versus teks, gambar, video, audio dan dokumen hingga 100 MB dan 50 halaman • Model penyuntingan — ubah status dan simulasi ulang, versus penyuntingan berbasis instruksi pada hasil generasi yang sudah selesai • API terdokumentasi — tidak ada yang dipublikasikan, versus terbuka dan diukur sejak 24 Agustus 2026 • Harga yang dipublikasikan — tidak ada, versus 0,3 / 0,6 / 1,2 yuan per detik pada 480p / 720p / 1080p

Berapa biaya satu detik output, dan mengapa satuannya tidak selaras

Wan 3.0 dihargai dalam satuan yang paling mudah dipahami pembeli: waktu. Tarif A​libaba adalah 0,3 yuan (sekitar $0,05) per detik video yang dihasilkan pada 480p, 0,6 yuan (sekitar $0,10) pada 720p, dan 1,2 yuan (sekitar $0,20) pada 1080p. Satu proses penuh selama 30 detik karena itu berkisar mendekati 9 yuan ($1,50) pada 480p, 18 yuan ($3,00) pada 720p, atau 36 yuan ($6,00) pada 1080p. Itu adalah tarif peluncuran Agustus; promosi peluncuran yang memotongnya sebesar 30% hanya berlangsung hingga 23 September, jadi angka-angka di atas adalah yang dijumpai pembeli hari ini. Penyedia yang menjual ulang Wan 3.0 biasanya justru mengutip angka per menit, yang layak dicek terhadap perhitungan per detik sebelum anggaran apa pun disetujui.

Odyssey-3 tidak memiliki angka yang sebanding, karena Odyssey belum menerbitkan harga, daftar tarif, lisensi, atau dokumentasi API. Yang ada sebagai gantinya adalah angka biaya di dalam tolok ukur pihak ketiga, yang dihitung atas asumsi yang dinyatakan vendor secara terbuka: $1 per jam GPU MI355X. Atas dasar itu, Physics-IQ Verified mencantumkan Odyssey-3 Pro pada $0.267 per video yang dihasilkan dan Odyssey-3 pada $0.139, keduanya dinormalisasi ke 24 FPS dan keluaran dengan lebar 1280. Papan yang sama secara terpisah mencatat bahwa penulisan ulang prompt melalui API Odyssey diperkirakan $0.01 per video yang dikirim. Bacalah dengan saksama — itu adalah dasar pemodelan, bukan harga. Ini memberi tahu Anda berapa biaya simulasi pada tarif perangkat keras yang diasumsikan vendor, bukan berapa yang akan ditagihkan Odyssey.

Kedua fakta itu mengarah ke arah yang berlawanan bagi seorang pembeli. Wan 3.0 adalah item baris terukur yang skenario terburuknya dapat dihitung sebelum apa pun dirender. Odyssey-3 memiliki biaya per video yang dimodelkan lebih rendah dan tidak ada faktur untuk melampirkannya — dan justru di tahap itulah percakapan pengadaan berhenti. Agar perbandingannya adil, pembaca harus memegang kedua sisinya: tarif nyata dengan tagihan nyata, dan tarif perkiraan yang belum didukung apa pun.

Papan skor tunggal yang mereka miliki bersama, dan nama yang hilang darinya

Physics-IQ Verified, peringkat dinamis dari Anates Labs dan DeepMind tentang seberapa baik model video menangani prinsip-prinsip fisika, adalah satu-satunya papan independen yang dimiliki bersama oleh pasangan ini — dan di situlah perbandingannya menjadi benar-benar menarik, karena di situlah juga perbandingan itu tidak lagi berjalan.

Posting peluncuran Odyssey menyatakan bahwa Odyssey-3 Pro "menetapkan tolok ukur mutakhir baru pada benchmark Physics-IQ Verified, dan menempati peringkat pertama di 3 dari 4 kategori WorldMark." Bagian WorldMark dari klaim itu cocok dengan angka yang dipublikasikan Odyssey: peringkat pertama di First-Person Stylized (77.2), Third-Person Real (79.0), dan Third-Person Stylized (76.3), dengan First-Person Real di peringkat kedua pada 80.6, di belakang AlayaWorld 83.0 dan Lyra 2.0 84.4. Semuanya adalah angka yang dilaporkan vendor dari proses evaluasi Odyssey sendiri.

Bagian state-of-the-art adalah bagian yang seharusnya membuat pembaca melambat. Pada versi papan Physics-IQ Verified yang tersedia saat ini, yang diperingkat berdasarkan peningkatan bersih dalam poin persentase di atas rata-rata track, FLUX 3 [large] dari Black Forest Labs berada di peringkat 01 dengan +12,27 pp. Odyssey-3 Pro berada di peringkat 02 dengan +11,15 pp, dan Odyssey-3 berada di peringkat 03 dengan +9,99 pp. Jadi, "state-of-the-art baru" dari vendor itu, pada papan yang dikutip vendor itu sendiri, adalah tempat kedua — entah karena klaim itu mendahului pembaruan papan atau karena cakupannya lebih sempit daripada yang disiratkan kalimat tersebut. Bagaimanapun, pembacaan yang jujur adalah bahwa Odyssey-3 Pro adalah model fisika tiga teratas, bukan pemimpin mutlak. FLUX 3 [large] juga membawa biaya per video yang jauh lebih tinggi, yaitu $0,868, dibandingkan Odyssey-3 Pro sebesar $0,267, dan itulah trade-off yang ingin diungkapkan oleh tampilan biaya di papan tersebut.

Odyssey memang memegang satu peringkat pertama mutlak dalam rincian submetrik: Spatiotemporal, di angka 44,70, unggul atas Odyssey-3 Pro di 42,97 dan Physis-Lang (Cosmos3 Super) di 41,57. Pada Spatial, ia berada di peringkat keempat (59,17), di belakang FLUX 3 (64,36), Odyssey-3 Pro (61,78), dan Physis-Lang (59,87); pada Weighted Spatial dan MSE, ia masing-masing berada di peringkat keempat dan ketiga. Pola itu — kepemimpinan mutlak dalam seberapa baik gerakan menyatu seiring waktu, kelas kedua dalam fidelitas spasial bingkai tunggal — adalah ciri khas yang koheren dari model yang dibangun untuk menyimulasikan evolusi alih-alih menghasilkan gambar diam yang indah.

Sekarang nama yang hilang. Wan 3.0 sama sekali tidak muncul di Physics-IQ Verified. Satu-satunya entri Wan adalah Wan 2.2 14B di peringkat 17, −6,64 pp, dan Wan 2.2 5B di peringkat 22, −11,13 pp — keduanya di bawah rata-rata track, keduanya open-source, keduanya tertinggal satu generasi. Catatan cakupan papan itu sendiri menyatakan bahwa papan peringkat "mencakup model yang diuji dan model yang dikenal dari pracetak atau pengumuman, bahkan jika akses publik tidak tersedia atau tanggal rilis belum dikonfirmasi," sehingga ketidakhadiran Wan 3.0 bukanlah bukti bahwa skornya buruk. Itu adalah bukti bahwa belum ada yang mengukurnya pada sumbu ini. Konsekuensi praktisnya tegas: klaim apa pun bahwa Odyssey-3 mengalahkan Wan 3.0 dalam hal kelayakan fisik tidak terverifikasi di kedua arah, dan klaim apa pun bahwa Odyssey-3 tidak mengalahkannya sama-sama tidak terverifikasi. Rekam jejak independen Wan 3.0 ada di tempat lain — ia menempati #2 secara keseluruhan di OpenArt Arena dan #1 dalam Video Editing with Audio di Artificial Analysis — di papan yang mengukur kualitas yang dipersepsikan dan kualitas penyuntingan, bukan fisika.

Apa yang bisa Anda sebut hari ini, dan apa yang hanya bisa Anda tanyakan

Wan 3.0 telah dapat dipanggil sejak 24 Agustus 2026, ketika peluncuran Alibaba Cloud mengubah beta berbayar sesuai pemakaian yang dibatasi melalui pendaftaran menjadi API yang sepenuhnya terbuka. Model ini dapat diakses melalui API milik vendor sendiri dan beberapa platform pihak ketiga, semuanya berbayar sesuai pemakaian, dengan tarif per detik di atas. Jika sebuah tim membutuhkan video yang dihasilkan sore ini, itu adalah opsi nyata dan disertai tagihan.

Odyssey-3 tidak menawarkan hal itu. Halaman Odyssey menyatakan bahwa pratinjau riset “tersedia sekarang” dan mengundang pengembang physical-AI untuk menghubungi — yang menggambarkan demo dan percakapan, bukan endpoint di balik kunci. Tidak ada harga yang dipublikasikan, tidak ada lisensi, tidak ada dokumentasi API dan, seperti yang ditunjukkan bagian di atas, tidak ada evaluasi independen. Seorang pengembang yang membaca pos peluncuran tidak dapat hari ini menghitung berapa biaya build produksi di Odyssey-3, atau memeriksa apakah klaim fisika tersebut berlaku di luar harness milik vendor itu sendiri. Itu normal untuk world model pada hari peluncuran, dan itu juga merupakan fakta paling penting dalam perbandingan ini.

Karena tidak ada satu pun dari kedua model itu di katalog kami — daftar model OrcaRouter tidak memuat Odyssey-3 maupun Wan 3.0 — titik routing yang berguna adalah lapisan yang berada di atas keduanya. Kemungkinan besar, sebuah build video tidak memanggil satu model saja. Ia memanggil model penulis ulang prompt, model video, kadang model audio, dan ia memanggil ulang semuanya setiap kali vendor mengubah harga atau batas laju. Di OrcaRouter, semua itu berada di balik satu API yang mencakup lebih dari 200 model pada harga daftar penyedia dengan markup 0%, sehingga potongan harga per detik dari vendor video langsung berlaku di sini pada hari yang sama alih-alih menunggu perubahan konfigurasi, dan failover otomatis berarti gangguan pada satu model tidak menghambat antrean render. Model video yang kami layani — MiniMax H3, Kling 3.0, Kling Video O1, dan lainnya — berada pada kunci yang sama, dan itulah yang membuat penggantian menjadi murah ketika pratinjau Wan 3.0 atau uji coba Odyssey-3 akhirnya benar-benar tersedia.

Yang mana yang cocok untuk stack Anda?

Pilihannya tidak tipis, karena tidak ada tumpang tindih dalam apa yang dihasilkan keduanya. Aturan keputusan yang jujur adalah tentang artefak yang Anda butuhkan pada akhirnya.

Pilih Wan 3.0 jika hasil yang diserahkan adalah rekaman yang ditonton orang: iklan, sisipan gambar, potongan media sosial, segmen pengajaran. Tiga puluh detik per proses dengan audio native, kontrol referensi lintas gambar, video, dan audio, pengeditan berbasis instruksi, dan dokumen sebagai input adalah daftar fitur produksi, dan API dengan penghitungan pemakaian berarti biaya pengujian dapat diketahui sebelumnya. Ini adalah pembuatan, bukan simulasi — tugas model berakhir saat klipnya berakhir. Susun anggaran berdasarkan tarif per detik vendor, dan perlakukan catatan vendor sendiri tentang audio dan teks di layar sebagai batasan desain, bukan catatan kaki.

Pilih Odyssey-3, saat Anda bisa mendapatkannya, jika hasil yang perlu diserahkan adalah perilaku, bukan berkas: lingkungan tempat sebuah kebijakan belajar, adegan yang responsnya terhadap suatu tindakan harus tetap konsisten selama rollout panjang, tugas navigasi atau manipulasi yang kameranya menjadi bagian dari masalah. Di situlah peringkat pertama secara mutlak dalam Spatiotemporal plausibility dan biaya termodelkan $0,139–$0,267 per video benar-benar penting. Yang hilang adalah semua yang dibutuhkan tim produksi untuk berkomitmen — harga, lisensi, endpoint, dan pengukuran eksternal — dan tak satu pun dari itu dapat digantikan oleh demo.

Hal yang perlu diperhatikan itu spesifik dan dekat. Jika Wan 3.0 muncul di Physics-IQ Verified, pertanyaan fisika menjadi bisa dijawab ke satu arah. Jika Odyssey menerbitkan rate card atau API, pertanyaan biaya terselesaikan ke arah lain. Sampai salah satu dari itu terjadi, perbandingan ini memiliki bentuk yang aneh: sistem produksi dengan harga yang dipublikasikan dan tanpa skor fisika, di samping simulator dengan skor fisika yang dipublikasikan dan tanpa harga. Siapa pun yang memberi tahu Anda mana yang lebih baik hari ini sedang menebak setidaknya satu dari dua angka itu.