Odyssey-3 vs MiniMax H3: La differenza è un download

Il 3 agosto 2026 i pesi di un modello video 2K sono approdati su Hugging Face con un nome che chiunque può scaricare ed eseguire: MiniMax H3. Sei settimane dopo, il 15 settembre, Odyssey ha pubblicato una pagina di ricerca per Odyssey-3 — un world model fondazionale che guida bracci robotici, un'auto, un drone e tre videogiochi — e ha messo una sola frase dove sarebbe andato il link per il download: sarà rilasciato pubblicamente "nelle prossime settimane". Quelle due frasi sono l'intero confronto. Uno di questi modelli può essere nel tuo cluster già stasera, sul tuo silicio, con una licenza che puoi leggere. L'altro non può essere comprato, noleggiato o scaricato da nessuno al di fuori del suo laboratorio, e l'azienda non ha detto quando questo cambierà. Questa asimmetria non è una nota a piè di pagina del confronto. È il confronto stesso.

Cosa ti offre davvero MiniMax H3

H3 è stato annunciato il 31 luglio 2026 e reso open source il 3 agosto. È un modello generale, non un generatore video per una singola attività: legge testo, immagini, video e audio come contesto e genera video fino a 15 secondi a una risoluzione fino a 2K, con audio stereo nativo a 32 kHz e 24 fotogrammi al secondo. Sono supportati sei formati (da 21:9 a 9:16) e il dialogo è supportato in modo stabile in undici lingue. Esistono due varianti pubblicate della base open: H3-Base-FL2VA per la generazione da testo a video e con primo fotogramma, ultimo fotogramma o primo e ultimo fotogramma, e H3-Base-Ref2VA, che accetta fino a nove immagini, tre clip video e tre clip audio, con un limite di dodici file di input.

La parte che conta per questo confronto è dove si ferma la metà aperta. Il sistema H3 completo è una pipeline a tre stadi: H3-Context-IR preprocessa e orchestra il contesto, H3-Base genera a 768p, e H3-Regenerate-2K porta il risultato a 2K. Solo i pesi di H3-Base sono pubblici, e sono distribuiti con la MiniMax H3 Community License anziché con Apache o MIT — una licenza con condizioni allegate, che vale la pena leggere prima che finisca in una pipeline commerciale. Lo stadio Context-IR e il modulo di rigenerazione 2K girano dal lato di MiniMax. Quindi "pesi aperti" qui ti compra la parte centrale della pipeline. Un team che scarica H3-Base e lo self-hosta ottiene la generazione video a 768p e nessun percorso verso il 2K senza interpellare il fornitore.

Cosa ti offre invece Odyssey-3

Ciò che Odyssey-3 ti offre invece è un'affermazione e una serie di dimostrazioni. Odyssey lo descrive come un modello fondazionale del mondo, e il dettaglio architetturale che ha pubblicato è abbastanza specifico da poter essere verificato in seguito: un transformer diffusion autoregressivo addestrato su una vasta raccolta di osservazioni visive del mondo, che secondo l'azienda produce una comprensione appresa di fisica, dinamica, causa-effetto e comportamento umano. L'adattamento al compito avviene aggiungendo un decoder delle azioni addestrato su coppie osservazione-azione mentre il modello del mondo preaddestrato rimane congelato — una piccola policy legge le rappresentazioni del modello congelato invece di fare fine-tuning del modello stesso.

Le dimostrazioni coprono sei embodiment. Bracci robotici, dopo decine di ore di dimostrazioni, inclusi comportamenti di recupero che non erano nei dati di addestramento — come riorientare una pinza dopo una presa mancata. Policy umanoidi costruite con Flexion a partire da decine di ore di dati di teleoperazione, che secondo Odyssey generalizzano meglio delle baseline VLA con cui sono state confrontate, senza pubblicare un numero. Guida a ciclo chiuso appresa da venti ore di dati simulati, eseguita in India. Volo indoor di droni con evitamento degli ostacoli a partire da dati simulati. Ambienti di gioco, incluse policy addestrate in Grand Theft Auto V che sono state trasferite a Red Dead Redemption 2 e Sleeping Dogs senza ulteriore addestramento in quei titoli; circa due ore di filmati di GTA sono bastate per produrre il movimento a cavallo in RDR2. E generazione di ambienti per addestrare altre IA, legata al lavoro di apprendimento per rinforzo PROWL dell'azienda.

L'unico dato concreto sulla pagina è un confronto con filmati reali: Odyssey riferisce che le politiche di guida addestrate tramite simulazione hanno percorso, tra un intervento e l'altro del conducente di sicurezza, circa il 77% della distanza percorsa dalle politiche addestrate su dati reali. È un dato del fornitore, non riprodotto, non supportato da alcun rapporto tecnico, e nessuna terza parte ha pubblicato un risultato su Odyssey-3. È il tipo di numero che decide se un world model è utile, e al momento è solo la parola di una singola azienda.

Due lock-in che non si somigliano affatto

È tentador classificare MiniMax H3 come "quello aperto" e Odyssey-3 come "quello chiuso", ma la realtà delle licenze è più interessante di così, e va in entrambe le direzioni.

MiniMax H3 è aperto al centro e chiuso ai bordi. Puoi tenere in mano il generatore, ispezionarlo, metterlo a punto ed eseguirlo senza una chiamata di rete. Non puoi tenere in mano l'orchestrazione del contesto che lo rende un modello generale, e non puoi tenere in mano il passaggio 2K. Se l'affermazione sulla qualità del tuo prodotto dipende dalla risoluzione dell'output, il tuo deployment open-weights ha un tetto che solo il tier hosted del fornitore innalza.

Odyssey-3 è chiuso a ogni livello, e l'impostazione dell'azienda stessa è il motivo per cui ciò è strano. Un modello del mondo proposto a robot, droni e veicoli è rivolto ad acquirenti che eseguono inferenza su hardware che controllano — ambienti di fabbrica, veicoli di prova, cellule di aeromobili. Quegli acquirenti non possono usare un endpoint ospitato per il ciclo di controllo; latenza e connettività lo escludono. Quindi il modello di business per un modello come questo deve prevedere i pesi, altrimenti non ha clienti nei segmenti che Odyssey continua a menzionare. L'assenza di una licenza oggi è meno una dichiarazione di intenti che una dichiarazione che i termini commerciali sono ancora in fase di stesura. Il round di Serie B da 310 milioni di dollari di Odyssey, annunciato a giugno 2026 con una valutazione di 1,45 miliardi di dollari, con AWS come cloud preferito e Trainium come substrato di calcolo, è il contesto in cui quei termini verranno decisi.

Dimensione per dimensione

• Che cosa produce — MiniMax H3: una clip renderizzata, 4–15 s, fino a 2K con audio stereo. Odyssey-3: uno stato del mondo simulato più azioni motorie per l'hardware collegato.

• Cosa puoi scaricare — MiniMax H3: pesi H3-Base, licenza community, 768p. Odyssey-3: niente; nessun peso, nessuna licenza, nessun repository.

• Ciò che resta al fornitore — MiniMax H3: H3-Context-IR e H3-Regenerate-2K, i due moduli che lo rendono generale e che lo rendono 2K. Odyssey-3: tutto.

• Prezzo — MiniMax H3: tariffe al secondo pubblicate, circa 0,08 $ a 768p e 0,13 $ a 2K, più 0,05 $ per secondo di output rigenerato (dati del fornitore). Odyssey-3: nessuna pubblicata da nessuna parte.

• Disponibilità — MiniMax H3: attivo dal 3 agosto 2026, invocabile ora. Odyssey-3: annunciato il 15 settembre 2026, "nelle prossime settimane", nessuna data.

• Evidenze di terze parti — MiniMax H3: primo classificato nel montaggio video e secondo o terzo in text-to-video e image-to-video nelle valutazioni di terze parti. Odyssey-3: un solo dato del fornitore e nessuna esecuzione esterna.

Se hai bisogno di costruire qualcosa questo mese

La conseguenza pratica è che solo una di queste due è una decisione su cui puoi agire concretamente. MiniMax H3 viene instradato su OrcaRouter come minimax/minimax-h3 al prezzo di listino del provider, con 0% di markup — quindi la tariffa del fornitore è la tariffa che paghi, e quando MiniMax modifica un numero la tua fattura si adegua lo stesso giorno anziché al rinnovo. Questo conta su un modello video al secondo più che sulla maggior parte delle cose, perché la differenza tra 768p e 2K è quasi due a uno e la differenza tra un prototipo e un lancio può essere la differenza tra quei due livelli.

C'è una seconda ragione per ricorrere a un router qui invece che a un'integrazione diretta con il fornitore. La metà aperta di H3 è davvero utile di per sé, e i team che più probabilmente ci tengono sono quelli con GPU e opinioni al riguardo. Quei team finiscono in una configurazione mista: H3-Base self-hosted per il lavoro di volume, un percorso hosted per la rigenerazione 2K, e uno o due altri modelli per tutto ciò di cui la pipeline ha bisogno attorno al video. Una sola chiave e il failover automatico tra provider valgono di più in quella forma che in uno stack a modello singolo, e il DSL di routing compone i modelli circostanti — un modello per i prompt, un modello per le immagini per il frame iniziale, il modello video — in un'unica chiamata invece di tre integrazioni.

Odyssey-3, per essere espliciti, non è instradato da OrcaRouter né da nessun altro. Non esiste un endpoint verso cui instradare e nessun prezzo da far passare. Questo articolo non afferma il contrario.

La domanda che vale la pena porre a entrambi i fornitori

MiniMax ha già risposto alla domanda interessante su H3, e la risposta è «la via di mezzo, a 768p, con la nostra licenza». Se stai valutando H3, ciò che devi testare è se la base aperta più la tua infrastruttura batte il percorso 2K ospitato sul costo per secondo utilizzabile — e testarlo prima di costruire una dichiarazione di prodotto su un output 2K.

Odyssey non ha ancora dato una risposta sulla propria versione. Quando la finestra di rilascio si chiuderà, la prima domanda non è un benchmark, è una licenza: quale di questi sei embodiment è un deployment supportato, sull'hardware di chi, a quale prezzo, e se l'action decoder che permette a un modello del mondo congelato di pilotare un braccio robotico sia qualcosa che addestra il cliente o qualcosa che Odyssey fornisce. Un modello del mondo che raggiunge braccia robotiche, umanoidi, auto, droni e tre giochi con un'unica backbone è una rivendicazione di generalità, e la generalità è ciò che lo rende un foundation model anziché una policy — ed è esattamente per questo che le condizioni commerciali, non il reel dimostrativo, decideranno chi potrà usarlo.

Fino ad allora il tabellone onesto recita: un modello che puoi scaricare, un modello che puoi osservare. Cerca prima un repository e una licenza, e solo dopo un benchmark — in quest'ordine, perché senza i primi due il terzo non è verificabile.

Metti l'intera pipeline dietro una sola chiave API con failover automatico invece di tre integrazioni separate.