Odyssey-3 vs Luma Ray 3.2: Un mondo in cui entrare o un file da sottoporre a color grading

Luma Ray 3.2 fa qualcosa che quasi nulla altro nella generazione video fa: ti consegna fotogrammi HDR a 10, 12 e 16 bit nello standard ACES2065-1 EXR, che è il formato che un colorist desidera davvero e il motivo per cui il modello esiste nella sua forma attuale. Odyssey-3 fa qualcosa che nessun modello video fa affatto: prende in input un'azione e prevede ciò che il mondo farà dopo, poi converte quella previsione in comandi motori per un braccio robotico, un umanoide, un'auto o un drone. Luma Ray 3.2, rilasciato da Luma AI il 9 giugno 2026, è uno strumento di generazione prossimo alla fase di finishing con un'API per sviluppatori. Odyssey-3, presentato in anteprima da Odyssey il 15 settembre 2026, è un modello di fondazione del mondo non ancora rilasciato, senza prezzo e senza data. Confrontarli è meno una sfida comparativa che un modo per chiedersi quale di due output molto diversi manchi davvero alla tua pipeline: un fotogramma già sottoposto a color grading, o un mondo che risponde al controllo.

Ray 3.2 è costruito attorno al deliverable

Il rilascio di Ray 3.2 si fa notare meno per la sua qualità di generazione che per dove si ferma. Genera in 540p, 720p e 1080p, in clip da 5 o 10 secondi, in sei rapporti d'aspetto che coprono verticale, quadrato e widescreen, e accetta testo, un frame iniziale, un frame finale o un video esistente da modificare. Il percorso HDR è l'elemento distintivo, e comporta vincoli reali che vale la pena enunciare con precisione: l'output HDR a 10, 12 e 16 bit in ACES2065-1 EXR è disponibile solo a 720p e 1080p, e solo per clip da 5 secondi. L'esportazione EXR va richiesta abilitando HDR. L'output standard è MP4. Il looping continuo si applica alle clip da 5 secondi. Fino a 16 keyframe per clip offrono un controllo a livello di inquadratura più vicino all'animazione che al prompting, e il tracciamento delle performance facciali copre fino a otto volti.

Altri due fattori influenzano la decisione d'acquisto. Ray 3.2 è il primo modello della famiglia Ray con un'API completa per sviluppatori — i modelli Ray precedenti erano disponibili solo in abbonamento — suddivisa in un livello Build con pagamento a consumo e un livello Scale con throughput riservato e un SLA. E non genera audio sincronizzato per attività text-to-video o image-to-video; l'audio rimane solo nei percorsi modify e reframe. Luma ha condotto una propria valutazione sostenendo la parità con Veo 3 di Google e un vantaggio su diversi concorrenti, ma si tratta di confronti eseguiti dal fornitore senza punteggi numerici pubblicati, e vanno interpretati come posizionamento anziché come misurazione.

Odyssey-3 è costruito attorno al controller

Il centro di progettazione di Odyssey-3 è l'estremità opposta della pipeline. È un transformer di diffusione autoregressivo addestrato sull'osservazione visiva del mondo, e il suo componente distintivo è un decoder di azioni appreso — secondo la formulazione di Odyssey, «un componente di output appreso collegato al modello del mondo» che traduce la rappresentazione interna del modello nelle azioni richieste da un dato hardware. Odyssey riferisce che lo stesso backbone controlla braccia robotiche a partire da decine di ore di dimostrazioni, guida policy umanoidi costruite con Flexion in tempo reale, produce waypoint di guida in anello chiuso da un backbone congelato addestrato su 20 ore di dati simulati, fa volare droni in ambienti interni attorno agli ostacoli e gioca a Grand Theft Auto V con transfer a Red Dead Redemption 2 e Sleeping Dogs senza ulteriore addestramento delle policy in quei contesti.

L'unico numero comparativo pubblicato da Odyssey è che le policy di guida addestrate in simulazione hanno percorso, tra un intervento del conducente di sicurezza e il successivo, circa il 77% della distanza percorsa dalle policy addestrate su filmati reali. Non esiste alcuna tabella di benchmark, nessun rapporto tecnico su Odyssey-3, nessuna valutazione indipendente e nessuna data di disponibilità oltre a "nelle prossime settimane". È un'anteprima, e il suo prezzo è zero perché non può essere acquistata.

Il contrasto, dimensione per dimensione

• Cosa viene prodotto — Luma Ray 3.2: MP4, più EXR ACES2065-1 a 10/12/16 bit quando HDR è abilitato. Odyssey-3: uno stato del mondo simulato più azioni motorie.

• Limite di formato — Luma Ray 3.2: ACES2065-1 EXR a 720p e 1080p, solo clip da 5 s. Odyssey-3: non è un formato di file; l'output è un rollout.

• Risoluzione e durata — Luma Ray 3.2: fino a 1080p, 5s o 10s (10s solo da testo a video). Odyssey-3: continua, alla velocità richiesta dal deployment.

• Audio — Luma Ray 3.2: nessuno per T2V/I2V; mantenuto in modify e reframe. Odyssey-3: nessuno; non è un generatore di media.

• Prezzo — Luma Ray 3.2: per video in base a risoluzione, gamma dinamica e durata, con l'esportazione HDR ed EXR che moltiplica il costo della clip; listini di terzi collocano una clip 720p da 5s vicino a $0,30 e una 1080p vicino a $1,20. Odyssey-3: non pubblicato.

• Disponibilità — Luma Ray 3.2: rilasciato il 2026-06-09, livelli API Build e Scale. Odyssey-3: anteprima, "nelle prossime settimane".

Deliverable versus ambiente

La ragione per cui questo accostamento è istruttivo anziché arbitrario è che i due modelli terminano in luoghi diversi. Ray 3.2 termina in un file che va a un colorist, a un compositor o a una casa di finitura — il percorso EXR esiste proprio perché l'immagine generata possa sopravvivere al grading, al compositing e a un nuovo grading senza andare in pezzi. È una decisione di workflow, ed è per questo che Ray 3.2 compete più direttamente con gli strumenti di post-produzione che con altri generatori.

Odyssey-3 non termina affatto nel senso di un file. Il suo output è uno stato simulato che continua a funzionare, e il suo consumatore è un programma. Il test per stabilire se ha funzionato non è se i frame appaiono corretti, ma se una policy addestrata al suo interno si trasferisce all'hardware. Questi sono criteri di successo diversi, misurati da persone diverse, e nessuna quantità di risoluzione dall'una o dall'altra parte li rende comparabili.

Dove potrebbero incontrarsi è nel percorso che va dalla previsualizzazione alla finalizzazione. Un world model è lo strumento naturale per esplorare uno spazio in modo interattivo — cambiare un movimento di macchina, riposizionare una scena, vedere subito la conseguenza — esattamente ciò che un clip generato fisso non può fare. Un modello come Ray 3.2 è lo strumento naturale per trasformare il risultato scelto in qualcosa di consegnabile in HDR. Oggi quel percorso ha un buco nel mezzo, perché Odyssey-3 non è disponibile e non produce alcun formato di file che una pipeline di finalizzazione utilizzi.

Facendo routing attorno a entrambi

Né Luma Ray 3.2 né Odyssey-3 sono erogati da OrcaRouter, e questo articolo non afferma che lo siano. Ciò che vale la pena notare è quanto di una pipeline come questa non sia nessuno dei due modelli. Il modello di prompt che redige una descrizione di un'inquadratura, il modello di visione che verifica un fotogramma rispetto al brief, il modello di trascrizione che recupera il dialogo da una traccia di riferimento — questi vengono eseguiti costantemente, a una frazione del costo per clip del modello video, e sono le parti che si rompono in orari scomodi. Eseguirli su una sola API su oltre 200 modelli al prezzo di listino del provider con markup dello 0% mantiene quel livello su una sola chiave e una sola fattura, e il failover automatico fa sì che un endpoint di prompt degradato venga reindirizzato invece di bloccare la coda dietro di sé. Quando un fornitore riduce il prezzo di un modello video, il pass-through significa che quella riduzione è attiva qui lo stesso giorno — ma per i modelli che serviamo davvero, che oggi non includono nessuno di questi due.

Per cosa vale la pena aspettare ciascuno

Ray 3.2 è disponibile ora, e il motivo per sceglierlo è specifico: se il tuo deliverable passa attraverso una pipeline di colore, il percorso ACES2065-1 EXR è una funzionalità che la maggior parte dei generatori semplicemente non offre, e i vincoli di risoluzione e durata — tetto di 1080p, clip di 5 secondi per l'HDR, nessun audio nativo — sono il prezzo d'ingresso. Se ti serve un audio sincronizzato, questo è il modello sbagliato e dovresti rivolgerti a uno che lo generi.

Odyssey-3 vale la pena guardarlo per un motivo, e non è nessuna delle dimensioni di Ray 3.2. Se un singolo insieme di pesi guida davvero braccia, umanoidi, un'auto, un drone e tre giochi a partire da decine di ore di dati ciascuno, questa è un'affermazione sulla generalità che nessun renderer fa, ed è l'affermazione con il maggior potenziale nel campo attuale. Il problema è che le prove a suo sostegno, oggi, sono il video dimostrativo di Odyssey stesso e un singolo dato sim-to-real. Ciò che cambierebbe la lettura non è una demo migliore — è un prezzo, una data e un numero misurato da qualcuno che non lavora lì.