Kling 4.0 vs Odyssey-3: una clip e un mondo non sono sostituti

Chiedi Kling 4.0 un diner alle 2 di notte e ottieni un film di 30 secondi di un diner alle 2 di notte — lo stesso film, fotogramma per fotogramma, ogni volta che esegui lo stesso prompt. Chiedi Odyssey-3 un diner alle 2 di notte e ottieni un diner in cui puoi entrare, girarti al suo interno e far cadere una tazza di caffè dal bancone, con il modello che prevede cosa succede dopo in base a ciò che hai appena fatto anziché a ciò che hai digitato. Sono prodotti diversi che indossano la stessa etichetta di categoria, e il confronto diventa utile solo quando smetti di chiedere quale generi un video migliore e inizi a chiedere quale produca l'artefatto di cui il tuo progetto ha bisogno.

Non è un modo per eludere la questione. È il motivo per cui questo confronto merita una pagina: cercalo e troverai articoli in formato lista che li mettono uno contro l'altro su risoluzione e prezzo, il che equivale a confrontare una fotocamera con un simulatore di volo sul frame rate. I numeri sono reali, la classifica è priva di senso, e la decisione che ci sta sotto è una che puoi effettivamente prendere.

Che cosa restituisce esattamente ciascuno

Kling 4.0 è un modello video generativo di Kuaishou, disponibile per tutti dal 15 ottobre 2026. Supporta text-to-video, image-to-video, primo e ultimo fotogramma, multi-keyframe, omni-reference e montaggio mirato, producendo clip da 3 a 30 secondi in 720p, 1080p o 4K, con audio stereo a due canali e lip-sync multilingue.

Odyssey-3 è un world model di Odyssey — un diffusion transformer autoregressivo, con 14 miliardi di parametri nella configurazione di base, progettato per generare un ambiente a partire da un prompt e poi continuare a prevederlo in tempo reale mentre qualcuno lo esplora. La sua anteprima pubblica di ricerca è stata aperta l'8 ottobre 2026, e una demo gratuita nel browser esegue una variante più leggera, Odyssey-3 Flash. Ci sono due livelli pubblicati: Odyssey-3 a 832×480 e Odyssey-3 Pro a 1280×720.

La parola "video" compare in entrambe le descrizioni e in ciascuna significa una cosa diversa. Una produce un file. L'altra produce un sistema che si guida.

Perché l'interattività cambia ciò in cui il modello deve essere bravo

Un generatore di clip viene giudicato in base a come appare una sequenza fissa: composizione, illuminazione, movimento, se le mani hanno cinque dita. Può spendere l'intero budget di calcolo per rendere bella una singola traiettoria, perché c'è solo una traiettoria.

Un world model si giudica da ciò che accade dopo il tuo intervento. La descrizione dell’architettura di Odyssey illustra un transformer di diffusione video multi-step esteso in modo autoregressivo tramite teacher forcing e causal masking, con una pipeline di post-training che combina distribution matching e adversarial distillation in una variante a pochi step. La diffusione fornisce fedeltà, l’autoregressione fornisce la capacità di sopravvivere a una sequenza di azioni, e la distillazione fornisce la velocità di clock. Tutti e tre sono portanti, e tutti e tre sono il resoconto che l’azienda dà del proprio sistema.

Quella differenza emerge nel benchmark scelto da Odyssey. Physics-IQ Verified, gestito da Anates Labs con DeepMind, mostra ai modelli filmati di esperimenti fisici reali — fluidi, ottica, meccanica dei solidi, magnetismo, termodinamica — e valuta la continuazione rispetto a ciò che è realmente accaduto. È un benchmark difficile da manipolare perché la chiave delle risposte è il mondo fisico. Attualmente classifica 41 modelli provenienti da 16 laboratori.

I numeri della fisica, con le avvertenze annesse

• Odyssey-3 Pro — 66,1 sulla traccia video-to-video di Physics-IQ Verified, il punteggio grezzo più alto riportato da Odyssey. Si tratta di un valore best-of-8 relativo a una singola esecuzione; la media delle quattro esecuzioni senza selezione è 63,37.

• Miglioramento netto rispetto alla media della pista — FLUX 3 [large] è in testa con +12,27 punti percentuali, Odyssey-3 Pro è secondo con +11,15, Odyssey-3 terzo con +9,99.

• Costo normalizzato per video generato — Odyssey-3 Pro 0,267 $, Odyssey-3 0,139 $, contro FLUX 3 [large] a 0,868 $ e Seedance 2.5 a 2,838 $. I costi sono normalizzati a 24 fps e a un output largo 1280 laddove la classifica lo consente.

• WorldMark — Odyssey-3 si classifica al primo posto in tre dei quattro split. Lo split in cui non vince è quello degli ambienti reali in prima persona, dove si piazza terzo con 80,6 dietro a Lyra 2.0 con 84,4 e AlayaWorld con 83,0. Si tratta di una valutazione del fornitore eseguita su un dataset di terzi con le didascalie proprie del benchmark, non di un'arena di terze parti.

• Indipendenza — nessuna. Ogni dato riportato sopra è autocertificato. Nessun valutatore esterno ha eseguito Odyssey-3 su un harness che non abbia scelto.

Leggi due volte la seconda riga. Sulla metrica che tiene conto di quanto è difficile la pista, Odyssey-3 Pro non è al primo posto — lo è un generatore video generalista. Il titolo dell'azienda è il punteggio grezzo; il riepilogo preferito dalla classifica lo colloca al secondo posto. Entrambe le cose sono vere, e la differenza è il genere di dettaglio che un post di lancio omette.

Le prove a sostegno di Kling 4.0 sono più scarse, non migliori.

Kuaishou non ha pubblicato alcun benchmark proprio per Kling 4.0, e il modello è assente dalle classifiche video di Artificial Analysis al 23 ottobre. Non è un risultato negativo — è nessun risultato. Ciò che esiste è una specifica, una release note e una settimana di impressioni d'uso dirette da persone con accesso all'app, che costituisce una base probatoria più debole rispetto ai punteggi autodichiarati di Odyssey e del tutto diversa.

La specifica è davvero solida, ed è solida in modi che contano per un output redatto da un autore anziché per la simulazione:

• Durata — da 3 a 30 secondi in un'unica passata, con l'estensione fino a 2 minuti indicata come in arrivo. L'anteprima di Odyssey genera un ambiente continuo, non una clip a tempo.

• Risoluzione — 720p, 1080p e 4K, con HDR a 10 bit sui due livelli superiori contrassegnato come in arrivo. Odyssey-3 Pro è 1280×720 al top della sua gamma, mentre il livello base è 832×480.

• Controllo — fino a 10 immagini keyframe e un budget di riferimento di 15 elementi ripartito tra immagini, secondi di video, voce ed elementi. È una superficie di controllo da regista: specifichi cosa accade e quando.

• {{1}}Audio{{/1}} — stereo a due canali con sincronizzazione labiale in nove lingue e accenti denominati. L'anteprima di {{2}}Odyssey{{/2}} non ha un'uscita audio paragonabile perché non stai guardando una scena finita.

• Accesso — il prodotto consumer è attivo; l’API ha iniziato ad aprirsi ai clienti enterprise e agli sviluppatori il 21 ottobre, mentre il listino prezzi per sviluppatori indica ancora il modello come Coming Soon e riporta solo tariffe di anteprima.

Costo per risultato, non costo per secondo

Le due unità di prezzo non sono convertibili, ed è per questo che le tabelle di confronto sbagliano. La tariffa di anteprima di Kling 4.0 è di $0.157 al secondo a 720p e $0.235 a 1080p, senza alcuna tariffa 4K pubblicata. La voce di Odyssey nella classifica è di $0.139 o $0.267 per video generato, normalizzata per il confronto tra modelli con frame rate diversi.

Se vuoi uno scatto da 30 secondi in 1080p, Kling 4.0 alla tariffa di anteprima costa circa $7,05, supponendo che la tariffa resti valida al lancio. Se vuoi dieci minuti di ambiente esplorabile in 720p, la cifra per video di Odyssey non ti dice nulla, perché un "video" in quella colonna è un campione di benchmark, non una sessione. L'affermazione onesta è che un prodotto ha una tariffa al secondo e l'altro ha un'anteprima di ricerca senza alcun listino prezzi. I budget non sono confrontabili su quel divario.

Il problema dell’accesso è simmetrico, e questo è il punto pratico.

Nessuno dei due modelli si integra senza modifiche. Kling 4.0 sta aprendo per tappe con prezzi di anteprima; Odyssey-3 è un'anteprima di ricerca con un modulo di contatto per l'accesso all'API, nessuna documentazione sui limiti di richiesta e nessun peso pubblicato.

Per un team che valuta entrambi, la mossa utile è mantenere l'harness di valutazione indipendente dall'SDK dell'uno o dell'altro fornitore. OrcaRouter non ospita nessuno dei due modelli — non esiste una route Odyssey, né un identificatore Kling 4.0 nel catalogo — ma il lavoro attorno a essi è normale traffico API: la fase di espansione del prompt che trasforma la descrizione di uno scatto in qualcosa che un modello video può usare, la shot list, la generazione delle didascalie, la fase di scoring che decide quali degli otto campioni conservare. Questi girano su un unico endpoint compatibile OpenAI su più di 200 modelli al prezzo di listino del provider con 0% di ricarico, e il failover automatico significa che una sweep di valutazione non muore perché un upstream sta avendo un pomeriggio difficile. Quando uno dei due modelli apre un'API self-service, l'harness è già nella forma giusta.

I modelli che puoi chiamare oggi sono la generazione precedente su entrambi i fronti. Kling 3.0 è su OrcaRouter a $0,084 per richiesta. Odyssey non ha un predecessore instradabile. Vale la pena notare questa asimmetria: in una categoria in cui il modello interessante è di solito quello non disponibile, il fallback sul lato Kling è almeno un endpoint reale.

Chi dovrebbe effettivamente scegliere quale

Scegli Kling 4.0 se il risultato da consegnare è un'inquadratura finita: una pubblicità, una sequenza di videoclip, un film di prodotto, qualsiasi cosa in cui qualcuno valuterà l'inquadratura e il suono e poi la esporterà. La singola passata da 30 secondi, i 10 keyframe e l'audio stereo sono tutti orientati a quel compito, e nessun modello del mondo li sostituisce.

Scegli Odyssey-3 se il risultato da consegnare è un luogo in cui qualcuno agisce dall'interno: dati di addestramento per la robotica, prototipazione spaziale, una demo simile a un gioco, una valutazione di agenti incarnati. I risultati di Physics-IQ, la navigazione in prima e terza persona e i resoconti del fornitore su policy robotiche che si trasferiscono da una backbone congelata sono il tipo giusto di prove per quel compito, purché tu ricordi che sono del fornitore.

Non sceglierne nessuno dei due se ciò che ti serve è un endpoint ripetibile e fatturabile entro questo mese. Entrambi sono a metà del rollout, uno non ha un prezzo e l'altro ha una tariffa di anteprima, e un percorso di produzione costruito oggi su uno dei due è una scommessa su un calendario di lancio che non controlli.

La cosa che risolverebbe la questione non è un benchmark a cui entrambi i modelli possono sottoporsi. È un test di flusso di lavoro: prendi una scena, generala come inquadratura autoriale di 20 secondi in Kling 4.0, poi ricostruisci la stessa location in Odyssey-3 e prova a mettere in scena la stessa azione pilotando la camera. Se la versione interattiva non riesce a mantenere la composizione che ti serve, il world model è lo strumento sbagliato, qualunque sia il suo punteggio sulla fisica. Se la versione autoriale non regge un cambio di punto di vista, lo stesso vale per il generatore di clip. Quell'esperimento costa un pomeriggio e ti dice più di qualsiasi Elo dell'una o dell'altra parte.