PAN 2 vs Odyssey 3: l'unico modello del mondo qui con un prezzo pubblica anche il suo numero peggiore

Due affermazioni sul ragionamento fisico, pubblicate a tre settimane di distanza, e la differenza tra loro non è il punteggio. PAN 2 è il modello del mondo open-weight da 29 miliardi di parametri dell'Institute of Foundation Models — pesi Apache-2.0 il 7 ottobre 2026, codice il 5 novembre, supporto vLLM-Omni Day-0 il 10 novembre — che genera fino a venti secondi di video 704×1248 a 24 fotogrammi al secondo a partire da un fotogramma iniziale e da un'azione descritta. Odyssey 3 è il diffusion transformer autoregressivo di circa 14 miliardi di parametri di Odyssey, rilasciato come anteprima di ricerca gratuita l'8 ottobre 2026 a circa $0.139 per video generato sul livello base e $0.267 su Pro. Uno è un checkpoint scaricabile senza prezzo. L'altro è un prodotto con tariffazione a consumo senza pesi. E il motivo per cui questo accostamento merita un articolo anziché un paragrafo è che quello a pagamento ha pubblicato un'avvertenza sui benchmark che la maggior parte dei laboratori avrebbe insabbiato, mentre quello gratuito non è stato sottoposto a benchmark da nessuno.

Quell’inversione è la parte utile. L’istinto è leggere «pesi aperti» come «più trasparente» e «API commerciale» come «più marketing». Qui va nel senso opposto, e capire perché ti dice di più su come valutare i world model nel 2026 di quanto faccia qualsiasi posizione in una classifica.

Ciò che Odyssey ha pubblicato, inclusa la parte che le costa un punto

Odyssey 3 Pro ha riportato 66,1 su Physics-IQ Verified, un benchmark di ragionamento fisico video-to-video, e lo ha descritto come stato dell'arte. Il metodo dietro quel numero è la parte interessante: deriva da un'unica esecuzione con selezione best-of-eight, mentre le regole del benchmark stesso prevedono quattro esecuzioni con una deviazione standard riportata. Senza selezione, la media delle quattro esecuzioni era 63,37.

Entrambi i numeri sono di Odyssey. Il divario di 2,73 punti tra loro è il prezzo da pagare per scegliere il migliore tra otto campioni e chiamarlo punteggio, e il fatto che entrambi i numeri siano pubblici rappresenta una trasparenza maggiore di quella che la categoria di solito offre. Nella metrica del benchmark stesso per il miglioramento netto rispetto alla media della traccia, Odyssey 3 Pro si classifica secondo a +11,15 punti percentuali, dietro FLUX 3 [large] a +12,27. Su WorldMark, la valutazione interna di Odyssey, è primo in tre categorie su quattro — 77,2 in prima persona stilizzato, 79,0 in terza persona reale, 76,3 in terza persona stilizzato — e terzo in prima persona reale con 80,6, dietro Lyra 2.0 a 84,4 e AlayaWorld a 83,0.

Leggi quei numeri come dovrebbe fare un acquirente e ne seguono tre cose. Primo, il modello è davvero competitivo: il secondo posto nella misura di miglioramento propria del benchmark non è un artefatto di marketing. Secondo, non vince la categoria in cui viene commercializzato, e la sua stessa valutazione lo dice in uno dei quattro ambiti. Terzo, e cosa più utile, la disponibilità del fornitore a pubblicare fianco a fianco un numero selezionato e la media non selezionata è un segnale su come leggere tutto il resto che pubblica.

Ora punta la stessa lente su PAN 2. IFM ha pubblicato molti più dati di valutazione rispetto alla maggior parte dei rilasci di modelli video — 300 casi a singola azione in sei categorie di capacità; 100 compiti multi-step egocentrici formulati in entrambi i modi, 200 prompt e 456 passaggi, valutati sul completamento dei passaggi e sul completamento del piano completo su tre seed; Physics-IQ Verified nell'impostazione image-to-video, normalizzato in modo che la varianza tra due riprese reali sia pari a 100; PhyGround su una scala a cinque punti giudicata da Qwen3.8-27B; RBench come media non ponderata su cinque categorie di compito e quattro categorie di embodiment; e uno studio umano comparativo in cieco a coppie su 140 prompt con tredici revisori che hanno prodotto 1.400 confronti, con Elo stimato tramite Bradley–Terry e centrato a 1500. Ciò che IFM non ha pubblicato è un'avvertenza sulla selezione, perché per quanto mostra la scheda non c'era nulla tra cui selezionare: i numeri sono riportati come output dell'harness.

Entrambi non sono verificati. Solo uno dei due è confrontabile con qualcos'altro, perché Odyssey ha eseguito un benchmark pubblico mentre le cifre principali di PAN 2 provengono da un harness privato. Quella distinzione — benchmark contro harness — vale più dei punteggi stessi.

Due prodotti, due tipi di attrito

Il prezzo è l'aspetto in cui il confronto è più facile da esprimere e più difficile da mettere in pratica.

• Prezzo unitario — Odyssey 3 costa circa 0,139 $ per video generato a 832×480 sul livello base e circa 0,267 $ a 1280×720 su Pro; PAN 2 non ha un prezzo unitario perché non esiste un servizio ospitato, solo i pesi e una bolletta GPU.

• Il costo reale — il prezzo di Odyssey 3 è l'intero costo di una clip; quello di PAN 2 è la macchina: tredici secondi di video 704×1248 richiedono circa 119 secondi su quattro B300, con otto H200 in BF16 come impostazione predefinita documentata.

• Attrito nell'accesso — Odyssey 3 dispone di una demo gratuita nel browser che chiunque può aprire, e l'accesso API avviene tramite modulo di contatto, senza chiavi self-service e senza listino prezzi pubblicato; PAN 2 è di 86,17 gigabyte distribuiti in sessanta file sotto Apache-2.0, senza barriere e senza bisogno di contattare nessuno.

• Pesi — Odyssey 3 non ne pubblica alcuno e non ha alcuna licenza per la lettura; quelli di PAN 2 sono Apache-2.0, senza obbligo di attribuzione, senza soglia di utenti e senza restrizioni sul campo d'uso.

• Velocità nell'harness — Odyssey 3 gira a 16 frame al secondo a 832×480, distillato in pochi passi così che una persona possa guidarlo in tempo reale; PAN 2 gira a 24 frame al secondo su cinquanta passi del sampler con guidance 2.5.

Mettete insieme queste cinque righe e i due prodotti risultano rivolti a acquirenti diversi. Odyssey 3 ha un prezzo pensato per chi vuole dei clip e non vuole possedere un datacentre: un team di contenuti, un gruppo di ricerca che esegue qualche migliaio di generazioni, chiunque abbia un'economia unitaria per output. PAN 2 ha un prezzo pensato per chi ha già il nodo, perché per tutti gli altri il fatto che la licenza sia gratuita è l'aspetto meno importante.

Il numero mancante su entrambi i lati è lo stesso, e non è il prezzo. Nessuno dei due fornitori pubblica un tasso di successo per la cosa che interessa davvero agli acquirenti. Odyssey ha eseguito una policy di guida, un braccio robotico e un umanoide all'interno dei suoi mondi generati, e il dettaglio di quelle dimostrazioni vale la pena leggerlo attentamente — ma il numero di cui un acquirente ha bisogno non è in nessuna di esse: nessun tasso di successo sul compito di guida, nessun baseline rispetto all'addestramento nel mondo reale, nessuna ablazione che mostri quale parte del mondo generato abbia fatto il lavoro.

Il numero equivalente di PAN 2 è peggiore e pubblico. La sua scheda modello afferma che circa due piani simulati su tre contengono almeno un passaggio che non viene eseguito. È un dato schiacciante per chiunque speri di affidare l'output a un robot, ed è anche la frase più utile in entrambe le pubblicazioni, perché ti dice il tasso di fallimento della cosa su cui stai per costruire. Un fornitore che pubblica un tasso di fallimento di due su tre e un fornitore che non pubblica alcun tasso non sono ugualmente informativi, e quello con il brutto numero è quello su cui puoi pianificare.

Che cosa genera effettivamente ciascuno, e perché la differenza è di natura architetturale

Odyssey 3 è un transformer diffusion autoregressivo di circa 14 miliardi di parametri, addestrato su video di Internet, filmati di gameplay con input allineati temporalmente e interazioni simulate tra corpi rigidi, poi distillato in un modello a pochi passaggi così che una persona possa navigare l'output in tempo reale: si fornisce un prompt per un ambiente, lo si attraversa in prima o terza persona con controllo indipendente della telecamera e si attivano eventi man mano che si procede. I livelli differiscono solo in ciò che puoi vedere — 832×480 nel livello base a circa $0,139 per video e 1280×720 su Pro a circa $0,267 — con una variante Flash dietro la demo gratuita nel browser che chiunque può aprire senza un account.

PAN 2 è un renderer batch con un modello linguistico al suo interno. Un ragionatore concettuale scrive lo stato successivo del mondo come descrizione strutturata e ancorata al tempo, un text encoder congelato Qwen3.5-9B la trasforma in feature di condizionamento, un diffusion transformer da 29B riempie il dettaglio percettivo e un VAE Wan 2.2 decodifica venti secondi di 704×1248 a 24 fotogrammi al secondo. Non c'è alcun ciclo interattivo: una chiamata, una clip, nessun feedback all'interno della chiamata. Quello che c'è invece è un contratto — la skill prompt-rewriter, un prompt negativo fisso e un validatore che controlla le didascalie rispetto al budget dell'encoder di 1.480 token soft e 1.536 hard, con la scheda che ammette che gli studi di caso dell'agente si basavano su prompt rifiniti a mano.

Quella differenza determina a cosa servono i due molto più di quanto faccia il prezzo. Odyssey 3 è costruito per una persona in un ambiente: generare, guardarsi intorno, regolare, generare di nuovo. PAN 2 è costruito per una macchina che pone una domanda: se faccio questo, cosa succede, e un verificatore preferirebbe un'opzione diversa. I sampler codificano l'intento — otto passi distillati per uno, cinquanta passi con guidance a 2.5 su ogni passo per l'altro — e lo fa anche il fallimento che ciascuno documenta.

La dimostrazione non ha trasformato nessuna delle due aziende in una misura.

Entrambe le release si basano su prove video di una policy che apprende all'interno di un mondo generato, e nessuna delle due ha pubblicato il numero che renderebbe le prove decisive.

Odyssey ha addestrato una policy di guida su circa 20 ore di dati reali di strade indiane con un backbone congelato all'interno dei suoi mondi generati, e ha mostrato separatamente la manipolazione con braccio robotico appresa da decine di ore di dimostrazioni, compresi comportamenti di recupero che non erano presenti nei dati di addestramento, policy per umanoidi costruite con Flexion, navigazione di droni e una policy addestrata su GTA V che si trasferisce a Red Dead Redemption 2. Il trasferimento da gioco a gioco è l'argomento più forte a favore di un modello generale di mondo video come substrato di addestramento, perché se una policy può apprendere da filmati di un gioco e funzionare in un altro, il modello ha catturato qualcosa riguardo alle dinamiche anziché ai pixel. Ciò che manca è qualsiasi tasso di successo pubblicato sul compito delle strade indiane, qualsiasi baseline rispetto all'addestramento nel mondo reale e qualsiasi ablation che mostri quale parte del mondo generato abbia fatto il lavoro.

PAN 2 non ha una demo di policy di quel tipo, e invece ha qualcosa che Odyssey non ha: un tasso di fallimento pubblicato. Circa due piani simulati su tre contengono almeno un passo che non viene eseguito. La sua scheda riconosce anche che simulare piani che dovrebbero fallire non è, per usare le sue stesse parole, ancora misurato — il che conta per un substrato di addestramento, perché un mondo che mostra solo successi insegna a una policy che tutto funziona.

Metti a confronto quelle due ammissioni e il divario nella categoria diventa visibile. Un'azienda ha dimostrato il transfer e non ha misurato l'affidabilità. L'altra ha misurato una modalità di guasto e non ha dimostrato il transfer. Nessuno dei due è lo studio di cui ha bisogno un acquirente, cioè entrambi i modelli su un unico compito con un'unica policy e un'unica metrica, eseguito un numero di volte sufficiente perché la deviazione standard sia inferiore al divario.

Quanto ti costano i percorsi di accesso in termini di tempo anziché di denaro

L'attrito di Odyssey 3 è una conversazione. C'è un'anteprima di ricerca pubblica e gratuita nel browser, accesso API tramite modulo di contatto, nessuna chiave self-service, nessun listino prezzi pubblicato per token o per clip oltre alle cifre dei livelli, nessun peso aperto e nessuna licenza da leggere. Per un team che vuole confrontare un modello con il proprio carico di lavoro questo pomeriggio, si tratta di un ostacolo diverso da un prezzo: puoi provare la demo e puoi parlare con il reparto vendite, e nessuna delle due cose ti fornisce un harness riproducibile.

L'attrito di PAN 2 è una macchina. I pesi sono 86,17 gigabyte distribuiti su sessanta file con licenza Apache-2.0, senza gating, senza bisogno di alcun colloquio — e poi scopri che la configurazione di serving documentata è un nodo, che il sampler richiede cento forward pass per clip e che una clip di venti secondi a 704×1248 è di per sé un problema di decoding prima ancora di parlare di parallelismo. La licenza è gratuita e l'hardware no: è lo stesso scambio che fa l'intera categoria open-weight, e quello che gli acquirenti sbagliano più spesso.

Nessuna delle due frizioni è un difetto. Sono le due forme che una release di ricerca assume nel 2026: un prodotto con un prezzo e un modulo, oppure un checkpoint con una licenza e una bolletta. Sapere quale forma si è in grado di assorbire è un filtro più utile di qualsiasi posizione in un benchmark, ed è il filtro che la maggior parte dei team applica per ultimo invece che per primo.

A cosa servono rispettivamente un prodotto a 16 fps e un modello di ricerca a 24 fps

Entrambe le aziende usano la locuzione real time e nessuna delle due intende la stessa quantità. Odyssey 3 a 16 fotogrammi al secondo equivale a 62,5 millisecondi per fotogramma, abbastanza veloce perché una persona che manovra una telecamera non percepisca il ritardo: è ciò di cui ha bisogno un prodotto, ed è per questo che il modello viene distillato in pochi passaggi anziché cinquanta. I venti secondi di PAN 2 a 24 fotogrammi al secondo non sono affatto interattivi; si tratta di un rendering in batch il cui costo si misura in minuti-nodo, e il suo scopo è produrre una clip che un agente o un ricercatore ispeziona poi.

La conseguenza per chiunque pianifichi il lavoro è che i due sono utilizzabili in cicli diversi. Odyssey 3 si adatta a un flusso di lavoro human-in-the-loop: genera, osserva, regola, genera di nuovo, a un prezzo abbastanza basso che iterare costa poco. PAN 2 si adatta a un ciclo automatizzato: genera cinque conseguenze candidate, assegnale un punteggio con un verificatore, agisci sulla migliore, a un prezzo abbastanza alto da farti pensare prima di avviare il batch. Uno ottimizza la latenza per clip, l'altro la fedeltà per clip, e le impostazioni del sampler rendono esplicito il compromesso — cinquanta passi con guidance a 2,5 su ogni passo equivalgono a cento passaggi in avanti attraverso un transformer da 29B, contro otto passi distillati attraverso uno della classe 8-14B.

C'è anche una differenza strutturale in ciò a cui può servire l'output. I mondi generati di Odyssey 3 hanno addestrato una policy di guida e un braccio robotico, ed è la prova pubblica più solida che un modello generale di mondo video possa fungere da substrato di addestramento per il controllo embodied. L'output di PAN 2 non lo ha fatto, e la sua scheda dichiara esplicitamente che la simulazione di piani che dovrebbero fallire non è ancora misurata — il che conta, perché un substrato di addestramento che mostra solo successi insegna a una policy che tutto funziona. Anche le dimostrazioni di Odyssey non risolvono la questione: una policy addestrata in mondi generati che non è mai stata valutata rispetto a una baseline del mondo reale è un risultato promettente, non un metodo convalidato.

Il punto in cui OrcaRouter si inserisce in entrambi i casi è il livello di valutazione anziché quello di generazione, e vale la pena essere precisi. Né PAN 2 né Odyssey 3 figurano nel nostro catalogo: uno è un modello di diffusione da 29B che esegui sul tuo nodo, l'altro è un prodotto ospitato venduto tramite un modulo di contatto, e nessun router può servire nessuno dei due. Ciò che può essere instradato è il meccanismo che li circonda, che in entrambi i casi è il punto in cui si accumula la spesa reale — un giudice visione-linguaggio che valuta le clip generate rispetto a una rubrica, un pianificatore che trasforma una domanda di ricerca in un batch di prompt, un generatore di didascalie che produce le descrizioni strutturate dello stato del mondo che l'encoder testuale di PAN 2 consuma entro un budget di 1.480 token soft e 1.536 hard. Si tratta di migliaia di chiamate ordinarie a un modello per cui ogni output ti costa un minuto di GPU, che è esattamente il tipo di carico di lavoro in cui il fatto di avere una singola chiave su più di 200 modelli, prezzo di listino del provider passato con ricarico 0% e failover automatico tra provider smette di essere una comodità e inizia a essere la differenza tra un batch che termina e uno che muore all'80%.

Come leggere il prossimo di questi

Tre domande, in ordine, e nessuna di esse è «che punteggio ha ottenuto».

Il numero proviene da un benchmark pubblico o da un harness privato? La media di 63,37 su quattro esecuzioni di Odyssey può essere confrontata con altre voci sullo stesso track. I dati sul completamento dei passaggi di PAN 2 non possono essere confrontati con nulla, perché nessun altro esegue quell'harness. Entrambi sono legittimi; solo uno è portabile.

Il punteggio è stato selezionato? Un valore best-of-eight e una media su quattro esecuzioni misurano cose diverse, e un fornitore che li pubblica entrambi ti ha detto quale citare. Un fornitore che pubblica solo il primo ti ha detto qualcosa comunque.

Qual è il tasso di fallimento sul compito che ti sta a cuore? PAN 2 risponde con due piani su tre che saltano un passaggio. Odyssey non risponde per l'esperimento sulla strada indiana. L'assenza non è disonestà — nessuno ha condotto lo studio — ma un acquirente che non lo chiede sta comprando una demo.

Applicato alla scelta che hai davanti: Odyssey 3 è lo strumento accessibile. Una demo gratuita nel browser, un modulo di contatto, un prezzo per clip che puoi moltiplicare e un numero di benchmark con un metodo documentato alle spalle. Se questa settimana devi provare dei world model e il tuo budget è per clip, è l'unico dei due con cui puoi iniziare, e l'avvertenza è che «accessibile» significa una conversazione commerciale anziché una chiave.

PAN 2 è lo strumento verificabile. Pesi, codice, una ricetta di serving, un contratto per le didascalie con un budget di token, una barriera di sicurezza con numeri di falsi positivi associati — l'11,5% delle richieste innocue text-to-video e il 3,3% delle richieste innocue image-to-video rifiutate, con l'output text-to-video non sicuro che scende dal 33,9% all'1,5% — e una sezione sui limiti che si apre con il tasso di errore. Se hai l'hardware e devi sapere come funziona la cosa anziché che funziona, è la release più completa della categoria con un ampio margine.

Ciò che risolverebbe il confronto è lo studio che nessuna delle due aziende ha eseguito: entrambi i modelli, un compito, una policy, una metrica, abbastanza esecuzioni da rendere la deviazione standard inferiore al divario. Nessuno l'ha proposto. Finché qualcuno non lo farà, il riassunto accurato è che il modello a pagamento ha pubblicato un numero meglio documentato e il modello gratuito ne ha pubblicato uno peggiore, e il modello gratuito è quello che puoi verificare.