Odyssey-3 vs Wan 3.0: un modello del mondo incontra una fabbrica di video

Odyssey-3 e Wan 3.0 vengono entrambi classificati come "modello video", e quell'etichetta condivisa sopporta più peso di quanto possa reggere. Odyssey-3 è un sistema dinamico appreso — un simulatore che costruisce un ambiente da un prompt e prevede come quell'ambiente cambia quando qualcuno lo attraversa o attiva un evento — rilasciato da Odyssey l'8 ottobre 2026 come anteprima di ricerca. Wan 3.0 è un generatore video di produzione di A​libaba Cloud, disponibile a livello generale dal suo lancio del 24 agosto 2026, fatturato al secondo e già valutato su due classifiche indipendenti. Uno di questi vuole essere un posto in cui metti una telecamera. L'altro vuole essere ciò che renderizza il filmato che pubblichi.

Metti le due pagine di lancio una accanto all'altra e il divario salta subito all'occhio. Odyssey punta innanzitutto sull'accuratezza fisica — quanto bene il suo modello capisce cosa fanno gli oggetti quando entrano in contatto. Alibaba punta su throughput, durata e controllo dei riferimenti: riprese da 30 secondi, audio nativo, fino a dieci immagini e cinque video forniti per generazione. Nessuna delle due è una versione peggiore dell'altra. Sono risposte a domande diverse, e le risposte cambiano ciò che un team dovrebbe fare questa settimana.

Una nota di contesto prima dei numeri. La maggior parte delle cifre in questo articolo proviene dal materiale di lancio degli stessi fornitori e non è stata riprodotta da nessuno al di fuori di quei laboratori. Laddove un numero provenga da un ente indipendente anziché da una pagina per la stampa, il testo lo specifica. Qui questa distinzione conta più del solito, perché i due modelli pubblicano quantità enormemente diverse di informazioni verificabili — uno vende al secondo su un'API aperta, l'altro non ha pubblicato affatto un prezzo.

Cosa sia in realtà ognuno

La descrizione che Odyssey stessa fa di Odyssey-3 è insolitamente specifica per un post di lancio, e vale la pena citarla piuttosto che approssimarla: è «un sistema dinamico appreso, implementato come un transformer di diffusione autoregressivo, che predice come gli oggetti si muovono e interagiscono nello spazio e come le situazioni si evolvono nel tempo». Ciò che restituisce non è una clip nel senso comune. È uno stato che continua a evolversi mentre viene guidato. Il modello è distribuito in due dimensioni — Odyssey-3 a 832×480 e Odyssey-3 Pro a 1280×720 — e Odyssey afferma che la sua anteprima supporta la navigazione in prima e terza persona insieme al movimento indipendente della telecamera. La build include anche una variante distillata a pochi passaggi, ottenuta attraverso una combinazione di distribution matching e distillazione adversariale, che il fornitore descrive come interattiva in tempo reale.

Wan 3.0 è un generatore basato sul modello consolidato: si inseriscono un prompt e uno o più riferimenti, e si ottiene in uscita un video finito. Le capacità di punta di Alibaba sono la generazione di 30 secondi in un'unica esecuzione, l'audio nativo e input di riferimento che spaziano tra testo, immagine, video e audio — oltre a documenti nei formati doc, xls, ppt, pdf, md, txt, key, pages e numbers, fino a 100 MB e 50 pagine. La modifica è basata su istruzioni, il che significa che una generazione può essere modificata nelle immagini, nella trama o nei dialoghi senza rigenerare da zero. Alibaba afferma anche chiaramente che la qualità audio e l'accuratezza del testo sullo schermo devono ancora essere migliorate, un'ammissione più rara in un post di lancio di quanto dovrebbe essere e utile da avere a verbale.

• Cos'è l'output — un ambiente simulato in cui agisci (Odyssey-3) rispetto a una clip renderizzata che pubblichi (Wan 3.0) • Dimensioni dichiarate — 832×480, o 1280×720 su Odyssey-3 Pro, rispetto a 480p, 720p e 1080p • Durata di una singola esecuzione — finché l'ambiente continua a essere pilotato, rispetto a 30 secondi per generazione • Audio — non una capacità di punta su nessuna delle due dimensioni, rispetto all'audio nativo con limiti di qualità segnalati dal fornitore • Input — un prompt che definisce l'ambiente, rispetto a testo, immagine, video, audio e documenti fino a 100 MB e 50 pagine • Modello di editing — cambia lo stato e risimula, rispetto a modifiche basate su istruzioni a una generazione già completata • API documentata — nessuna pubblicata, rispetto ad aperta e a consumo dal 24 agosto 2026 • Prezzo pubblicato — nessuno, rispetto a 0,3 / 0,6 / 1,2 yuan al secondo a 480p / 720p / 1080p

Quanto costa un secondo di output, e perché le unità non coincidono

Wan 3.0 è prezzato nell'unità più leggibile a disposizione di un acquirente: il tempo. Le tariffe di Alibaba sono di 0,3 yuan (circa 0,05 $) al secondo di video generato a 480p, 0,6 yuan (circa 0,10 $) a 720p e 1,2 yuan (circa 0,20 $) a 1080p. Un'esecuzione completa da 30 secondi si aggira quindi intorno a 9 yuan (1,50 $) a 480p, 18 yuan (3,00 $) a 720p o 36 yuan (6,00 $) a 1080p. Quelle sono le tariffe di lancio di agosto; la promozione di lancio che le ha ridotte del 30% è durata solo fino al 23 settembre, quindi i numeri sopra sono quelli che un acquirente trova oggi. I fornitori che rivendono Wan 3.0 in genere indicano invece cifre al minuto, che vale la pena confrontare con il calcolo al secondo prima che qualsiasi budget venga approvato.

Odyssey-3 non ha un numero comparabile, perché Odyssey non ha pubblicato un prezzo, un listino, una licenza o una documentazione API. Quello che esiste invece è una cifra di costo all'interno di un benchmark di terze parti, calcolata su un'ipotesi che il fornitore dichiara apertamente: 1 $ per GPU-ora MI355X. Su questa base Physics-IQ Verified elenca Odyssey-3 Pro a 0,267 $ per video generato e Odyssey-3 a 0,139 $, entrambi normalizzati a 24 FPS e a un output largo 1280. La stessa scheda osserva separatamente che la riscrittura del prompt tramite l'API di Odyssey è stimata a 0,01 $ per video inviato. Leggetelo con attenzione: è una base di modellizzazione, non un prezzo. Vi dice quanto costerebbe una simulazione alla tariffa hardware ipotizzata dal fornitore, non quanto fatturerà Odyssey.

Questi due fatti puntano in direzioni opposte per un acquirente. Wan 3.0 è una voce a consumo il cui caso peggiore può essere calcolato prima che qualsiasi cosa venga renderizzata. Odyssey-3 ha un costo modellato per video inferiore e nessuna fattura a cui collegarlo — che è esattamente il punto in cui si ferma una conversazione di procurement. Perché il confronto sia equo, il lettore deve tenere insieme entrambe le metà: una tariffa reale con una fattura reale, e una tariffa stimata senza ancora nulla alle spalle.

L'unico tabellone che condividono, e il nome che vi manca.

Physics-IQ, una classifica dinamica di Anates Labs e DeepMind che misura quanto bene i modelli video gestiscono i principi fisici, è l'unica board indipendente che questa coppia ha in comune — ed è qui che il confronto diventa davvero interessante, perché è anche il punto in cui si sfalda.

Il post di lancio di Odyssey afferma che Odyssey-3 Pro «stabilisce un nuovo stato dell'arte sul benchmark di Physics-IQ Verified e si classifica al 1° posto in 3 delle 4 categorie di WorldMark». La parte relativa a WorldMark trova conferma nei numeri pubblicati da Odyssey: primo posto in First-Person Stylized (77,2), Third-Person Real (79,0) e Third-Person Stylized (76,3), con First-Person Real al secondo posto a 80,6, dietro gli 83,0 di AlayaWorld e gli 84,4 di Lyra 2.0. Ognuno di questi è un dato dichiarato dal fornitore, tratto dalla stessa sessione di valutazione di Odyssey.

La metà dedicata allo stato dell'arte è quella in cui il lettore dovrebbe rallentare. Nella versione attualmente disponibile della classifica Physics-IQ Verified, ordinata per miglioramento netto in punti percentuali rispetto alla media della traccia, FLUX 3 [large] di Black Forest Labs si trova in posizione 01 con +12,27 pp. Odyssey-3 Pro è in posizione 02 con +11,15 pp, e Odyssey-3 è in posizione 03 con +9,99 pp. Quindi il "nuovo stato dell'arte" del fornitore è, nella classifica che il fornitore stesso cita, al secondo posto — o perché l'affermazione precede un aggiornamento della classifica o perché ha una portata più ristretta di quanto suggerisca la frase. In ogni caso, l'interpretazione onesta è che Odyssey-3 Pro è un modello di fisica tra i primi tre, non un leader assoluto. FLUX 3 [large] presenta anche un costo per video molto più alto, 0,868 $, rispetto a 0,267 $ di Odyssey-3 Pro, che è il compromesso che la vista dei costi della classifica serve a mettere in evidenza.

Odyssey detiene un primo posto assoluto nella ripartizione delle sottomisure: Spatiotemporal, a 44,70, davanti a Odyssey-3 Pro a 42,97 e Physis-Lang (Cosmos3 Super) a 41,57. Su Spatial è quarto (59,17) dietro FLUX 3 (64,36), Odyssey-3 Pro (61,78) e Physis-Lang (59,87); su Weighted Spatial e MSE è rispettivamente quarto e terzo. Quel pattern — leadership assoluta nella capacità del movimento di mantenersi coerente nel tempo, secondo livello nella fedeltà spaziale a singolo fotogramma — è la firma coerente di un modello costruito per simulare l'evoluzione piuttosto che per renderizzare un bellissimo fermo immagine.

Ora il nome mancante. Wan 3.0 non compare affatto su Physics-IQ Verified. Le uniche voci Wan sono Wan 2.2 14B al 17° posto, −6,64 pp, e Wan 2.2 5B al 22° posto, −11,13 pp — entrambi sotto la media della categoria, entrambi open source, entrambi una generazione indietro. La nota di ambito della classifica stessa dice che essa "include modelli valutati e modelli noti da preprint o annunci, anche se l'accesso pubblico non è disponibile o nessuna data di rilascio è confermata", quindi l'assenza di Wan 3.0 non è prova che ottenga un punteggio scarso. È prova che nessuno l'ha misurato su questo asse. La conseguenza pratica è netta: qualsiasi affermazione secondo cui Odyssey-3 supera Wan 3.0 in termini di plausibilità fisica non è verificata in entrambe le direzioni, e qualsiasi affermazione che non lo faccia è ugualmente non verificata. Il record indipendente di Wan 3.0 si trova altrove — si è classificato #2 in assoluto su OpenArt Arena e #1 in Video Editing with Audio su Artificial Analysis — su classifiche che misurano la qualità percepita e la qualità di editing, non la fisica.

Ciò che oggi puoi chiamare, e ciò che puoi solo chiedere

Wan 3.0 è invocabile dal 24 agosto 2026, quando il lancio di Alibaba Cloud ha trasformato la beta a consumo e ad accesso su candidatura in un'API completamente aperta. Il modello è raggiungibile tramite l'API dello stesso fornitore e diverse piattaforme di terze parti, tutte a consumo, con le tariffe al secondo sopra indicate. Se un team ha bisogno di video generati questo pomeriggio, è un'opzione reale e comporta una fattura.

Odyssey-3 non offre questo. La pagina di Odyssey dice che l'anteprima di ricerca è "disponibile ora" e invita gli sviluppatori di IA fisica a mettersi in contatto — il che descrive una demo e una conversazione, non un endpoint dietro una chiave. Non c'è un prezzo, né una licenza, né una documentazione API e, come mostra la sezione precedente, nessuna valutazione indipendente. Uno sviluppatore che legge il post di lancio oggi non può calcolare quanto costerebbe una build di produzione su Odyssey-3, né verificare se le affermazioni sulla fisica reggono al di fuori dell'ambiente di test del fornitore stesso. Questo è normale per un world model al giorno del lancio, ed è anche il fatto più importante in assoluto in questo confronto.

Poiché nessuno dei due modelli è nel nostro catalogo — la lista dei modelli di OrcaRouter non include né Odyssey-3 né Wan 3.0 — il punto di routing utile è lo strato che si trova sopra di essi. È probabile che una build video non chiami un solo modello. Chiama un modello di riscrittura dei prompt, un modello video, a volte un modello audio, e li richiama tutti ogni volta che un fornitore cambia un prezzo o un limite di frequenza. Su OrcaRouter questi stanno dietro un'unica API che copre oltre 200 modelli al prezzo di listino del fornitore con markup dello 0%, quindi un taglio di prezzo al secondo da parte di un fornitore video è attivo qui lo stesso giorno invece di aspettare una modifica di configurazione, e il failover automatico significa che l'interruzione di un modello non blocca una coda di rendering. I modelli video che serviamo — MiniMax H3, Kling 3.0, Kling Video O1 e altri — sono sulla stessa chiave, ed è ciò che rende economica la sostituzione quando una preview di Wan 3.0 o una prova di Odyssey-3 diventa finalmente disponibile.

Quale appartiene al tuo stack?

La scelta non è affatto scontata, perché non c'è sovrapposizione tra ciò che i due producono. L'onesta regola decisionale riguarda l'artefatto di cui hai bisogno alla fine.

Scegli Wan 3.0 se il risultato è un filmato che una persona guarda: un annuncio, un inserto di ripresa, un taglio per i social, un segmento didattico. Trenta secondi per esecuzione con audio nativo, controllo dei riferimenti su immagini, video e audio, editing basato su istruzioni e documenti come input sono un elenco di funzionalità di produzione, e l'API a consumo significa che il costo di un test è conoscibile in anticipo. È una generazione, non una simulazione: il compito del modello termina quando termina la clip. Imposta il budget sulle tariffe al secondo del fornitore e considera le avvertenze del fornitore stesso su audio e testo a schermo come vincoli di progettazione anziché note a piè di pagina.

Scegli Odyssey-3, quando puoi ottenerlo, se il risultato è un comportamento anziché un file: un ambiente in cui una policy apprende, una scena la cui risposta a un'azione deve rimanere coerente nel corso di un lungo rollout, un compito di navigazione o manipolazione in cui la telecamera fa parte del problema. È qui che la plausibilità del primo posto assoluto e il costo di $0.136–$0.267 per ...

La cosa a cui prestare attenzione è specifica e a portata di mano. Se Wan 3.0 compare su Physics-IQ Verified, la questione della fisica diventa risolvibile in una direzione. Se Odyssey pubblica un listino prezzi o un'API, la questione dei costi si risolve nell'altra. Finché non accade una di queste cose, questo confronto ha una forma strana: un sistema di produzione con un prezzo pubblicato e nessun punteggio di fisica, accanto a un simulatore con punteggi di fisica pubblicati e nessun prezzo. Chiunque ti dica quale dei due sia migliore oggi sta tirando a indovinare su almeno uno di quei due numeri.