PAN 2 vs Odyssey 3: 여기서 가격표가 붙은 유일한 월드 모델이 자신의 최악 수치도 공개한다

물리적 추론에 관한 두 가지 주장이 3주 간격으로 발표됐는데, 둘 사이의 차이는 점수가 아니다. PAN 2는 Institute of Foundation Models의 290억 파라미터 오픈 웨이트 세계 모델로, 2026년 10월 7일 Apache-2.0 가중치, 11월 5일 코드, 11월 10일 Day-0 vLLM-Omni 지원이 공개됐으며, 시작 프레임과 설명된 동작으로부터 최대 20초 분량의 704×1248 영상을 초당 24프레임으로 렌더링한다. Odyssey 3는 Odyssey의 약 140억 파라미터 자기회귀 확산 트랜스포머로, 2026년 10월 8일 무료 연구 프리뷰로 출시됐고 생성 영상 1편당 베이스 티어 약 0.139달러, Pro 약 0.267달러다. 하나는 가격이 없는 다운로드 가능한 체크포인트다. 다른 하나는 가중치가 없는 종량제 제품이다. 그리고 이 조합이 한 문단이 아니라 기사 한 편의 가치가 있는 이유는, 유료 쪽이 대부분의 연구소라면 묻어버렸을 벤치마크 관련 주의사항을 공개한 반면 무료 쪽은 아무도 벤치마크하지 않았다는 점이다.

그 역전이 바로 유용한 부분이다. 본능적으로는 "오픈 웨이트"를 "더 투명하다"로, "상용 API"를 "더 마케팅적이다"로 읽게 된다. 여기서는 반대로 흘러가며, 그 이유를 이해하는 것이 2026년에 월드 모델을 평가하는 방법에 대해 어떤 리더보드 순위보다 더 많은 것을 알려준다.

Odyssey가 게시한 내용, 그리고 그것이 1점을 잃게 만드는 부분까지 포함하여

Odyssey 3 Pro는 비디오-투-비디오 물리 추론 벤치마크인 Physics-IQ Verified에서 66.1을 기록했으며, 이를 최첨단(state of the art)이라고 설명했습니다. 그 수치 뒤에 있는 방법이 흥미로운 부분입니다. 이는 8개 중 최선 선택(best-of-eight selection)을 사용한 단일 실행에서 나온 반면, 벤치마크 자체 규칙은 표준편차를 보고하는 4회 실행을 요구합니다. 선택을 적용하지 않은 경우 4회 실행 평균은 63.37이었습니다.

두 수치 모두 Odyssey의 것입니다. 두 수치 사이의 2.73포인트 격차는 여덟 개 샘플 중 최고를 골라 그것을 점수라고 부른 대가이며, 두 수치가 모두 공개되어 있다는 사실은 이 범주가 보통 제공하는 것보다 더 큰 투명성입니다. 트랙 평균 대비 순개선에 대한 벤치마크 자체 측정에서 Odyssey 3 Pro는 +11.15퍼센트포인트로 2위이며, +12.27의 FLUX 3 [large] 뒤에 있습니다. Odyssey 자체 평가인 WorldMark에서는 네 범주 중 세 범주에서 1위입니다 — 1인칭 스타일화 77.2, 3인칭 실사 79.0, 3인칭 스타일화 76.3 — 그리고 1인칭 실사에서는 80.6으로 3위이며, 84.4의 Lyra 2.0과 83.0의 AlayaWorld 뒤에 있습니다.

구매자가 해야 하는 방식으로 그 수치들을 읽으면 세 가지가 따라온다. 첫째, 이 모델은 진정으로 경쟁력이 있다. 벤치마크 자체의 개선 측정치에서 2위라는 것은 마케팅 산물이 아니다. 둘째, 이 모델은 자신이 마케팅되는 범주에서 이기지 못하며, 자체 평가도 네 개 트랙 중 하나에서 그렇게 말한다. 셋째, 그리고 가장 유용하게도, 벤더가 선택된 수치와 선택되지 않은 평균을 나란히 공개하려는 태도는 그들이 발표하는 다른 모든 내용을 어떻게 읽어야 하는지에 관한 신호다.

이제 동일한 관점을 PAN 2에 적용해 보자. IFM은 대부분의 비디오 모델 공개보다 훨씬 많은 평가를 공개했다. 6개 역량 범주에 걸친 300개의 단일 행동 사례; 두 가지 방식으로 제시된 100개의 자기중심적 다단계 과제, 200개 프롬프트와 456개 단계, 세 개 시드에 걸쳐 단계 완료 및 전체 계획 완료로 채점; 두 실제 촬영본 간 분산이 100이 되도록 정규화한 이미지-투-비디오 설정의 Physics-IQ Verified; Qwen3.8-27B가 판정한 5점 척도의 PhyGround; 5개 과제 및 4개 임바디먼트 범주에 대한 비가중 평균으로서의 RBench; 그리고 140개 프롬프트에 대한 블라인드 쌍대 인간 연구로, 13명의 평가자가 1,400개의 비교를 생성했으며 Elo는 Bradley–Terry로 적합하고 1500을 중심으로 한다. IFM이 공개하지 않은 것은 선택 관련 주의사항인데, 카드에 나타난 바로는 선택할 대상이 없었기 때문이다. 수치들은 하네스 출력으로 보고된다.

둘 다 감사를 거치지 않았습니다. 그중 하나만 다른 무엇과 비교할 수 있는데, Odyssey는 공개 벤치마크를 실행했고 PAN 2의 대표 수치는 비공개 하네스에서 나왔기 때문입니다. 벤치마크 대 하네스라는 이 구분은 점수 자체보다 더 가치 있습니다.

두 제품, 두 종류의 마찰

가격은 비교를 말하기는 가장 쉽지만 실행하기는 가장 어려운 지점이다.

• 단가 — Odyssey 3는 기본 티어에서 832×480 해상도로 생성한 영상당 약 $0.139이고, Pro에서는 1280×720에서 약 $0.267입니다. PAN 2는 호스팅 서비스가 없고 가중치와 GPU 비용만 있으므로 단가가 없습니다.

• 실제 비용 — Odyssey 3의 가격은 클립 한 개의 전체 비용이고, PAN 2의 가격은 기계값이다: 704×1248 영상 13초는 B300 4대에서 약 119초가 걸리며, 문서화된 기본값은 BF16의 H200 8대다.

• 접근 장벽 — Odyssey 3는 누구나 열 수 있는 무료 브라우저 데모를 제공하며, API 접근은 문의 양식을 통해 이루어지고 셀프서브 키도, 공개된 요금표도 없습니다. 반면 PAN 2는 Apache-2.0 라이선스로 60개 파일에 걸쳐 86.17기가바이트에 달하며, 게이트 없이 대화 필요 없이 이용할 수 있습니다.

• 가중치 — Odyssey 3는 이를 공개하지 않으며 읽을 수 있는 라이선스도 없습니다. PAN 2의 가중치는 Apache-2.0으로, 저작자 표시 요구도, 사용자 임계값도, 사용 분야 제한도 없습니다.

• 하네스에서의 속도 — Odyssey 3는 832×480 해상도에서 초당 16프레임으로 실행되며, 몇 단계로 증류되어 사람이 실시간으로 조작할 수 있습니다. PAN 2는 가이던스 2.5에서 50개의 샘플러 단계에 걸쳐 초당 24프레임으로 실행됩니다.

그 다섯 줄을 종합해 보면 두 제품은 서로 다른 구매자를 겨냥하고 있다. Odyssey 3는 클립을 원하지만 데이터센터를 소유하고 싶지 않은 사람, 즉 콘텐츠 팀, 수천 번의 생성을 돌리는 연구 그룹, 단위 경제성이 산출물당인 누구든을 위한 가격이다. PAN 2는 이미 노드를 보유한 사람을 위한 가격이다. 그 외의 모든 사람에게는 라이선스가 무료라는 점이 이 제품에서 가장 중요하지 않은 부분이기 때문이다.

양쪽 모두에서 빠진 숫자는 같은 숫자이며, 그것은 가격이 아니다. 어느 벤더도 구매자가 실제로 신경 쓰는 것에 대한 성공률을 공개하지 않는다. Odyssey는 생성된 세계 안에서 주행 정책, 로봇 팔, 휴머노이드를 실행했고, 그 시연의 세부 내용은 자세히 읽어볼 가치가 있다 — 하지만 구매자에게 필요한 숫자는 그중 어디에도 없다: 도로 과제에서의 성공률도, 실제 세계에서의 훈련에 대한 기준선도, 생성된 세계의 어느 부분이 일을 했는지 보여주는 소거 실험도 없다.

PAN 2의 해당 수치는 더 나쁘고 공개되어 있다. 모델 카드에는 시뮬레이션된 계획 약 3개 중 2개에 실행되지 않는 단계가 최소 하나 포함되어 있다고 명시되어 있다. 이는 출력을 로봇에 넘기려는 사람에게 치명적인 수치이며, 동시에 두 릴리스 중 단연 가장 유용한 문장이다. 당신이 기반을 두려는 대상의 실패율을 알려주기 때문이다. 3분의 2라는 실패율을 공개하는 업체와 아무 실패율도 공개하지 않는 업체는 똑같이 유용한 정보를 주지 않으며, 나쁜 수치를 가진 쪽이야말로 당신이 계획을 세울 수 있는 쪽이다.

각각이 실제로 생성하는 것, 그리고 그 차이가 왜 아키텍처에 기인하는지

Odyssey 3는 약 140억 개의 매개변수를 가진 자기회귀 확산 트랜스포머로, 인터넷 영상, 시간 정렬된 입력이 포함된 게임플레이 영상, 시뮬레이션된 강체 상호작용으로 학습된 뒤 몇 단계 모델로 증류되어 사람이 출력을 실시간으로 탐색할 수 있습니다. 환경을 프롬프트하고, 독립적인 카메라 제어로 1인칭 또는 3인칭으로 그 안을 이동하며, 이동하면서 이벤트를 트리거할 수 있습니다. 티어는 볼 수 있는 것만 다릅니다 — 기본 티어는 영상당 약 $0.139에 832×480, Pro는 약 $0.267에 1280×720 — 무료 브라우저 데모 뒤에는 누구나 계정 없이 열 수 있는 Flash 변형이 있습니다.

PAN 2는 내부에 언어 모델을 탑재한 배치 렌더러이다. 개념적 추론기가 다음 세계 상태를 구조화되고 시간에 근거한 설명으로 작성하면, 고정된 Qwen3.5-9B 텍스트 인코더가 이를 조건화 특징으로 변환하고, 29B 확산 트랜스포머가 지각적 세부 사항을 채우며, Wan 2.2 VAE가 704×1248 해상도의 20초 분량을 초당 24프레임으로 디코딩한다. 상호작용 루프는 없다. 한 번의 호출, 하나의 클립, 호출 내부의 피드백은 없다. 대신 있는 것은 계약이다. 즉 프롬프트 재작성 스킬, 고정된 네거티브 프롬프트, 그리고 캡션이 인코더의 예산(소프트 1,480토큰, 하드 1,536토큰)을 넘지 않는지 검사하는 검증기이며, 카드에서는 에이전트 사례 연구가 손으로 다듬은 프롬프트에 의존했다고 인정한다.

그 차이는 두 제품의 용도를 가격보다 훨씬 더 크게 결정한다. Odyssey 3는 환경 속 사람을 위해 만들어졌다: 생성하고, 둘러보고, 조정하고, 다시 생성한다. PAN 2는 질문을 던지는 기계를 위해 만들어졌다: 내가 이렇게 하면 무슨 일이 일어나며, 검사기가 다른 선택지를 더 선호할까. 샘플러는 의도를 담고 있다 — 한쪽은 증류된 8단계, 다른 쪽은 매 단계 guidance 2.5로 50단계 — 각자가 문서화하는 실패 방식도 마찬가지다.

어느 회사도 그 시연을 측정으로 전환하지 않았다.

두 공개 자료 모두 생성된 세계 안에서 정책이 학습되는 모습을 담은 영상 증거에 의존하고 있지만, 그 증거를 결정적으로 뒷받침해 줄 수치를 발표한 쪽은 어느 쪽도 없습니다.

Odyssey는 약 20시간의 실제 인도 도로 데이터로 주행 정책을 학습시켰으며, 생성된 세계 안에서 동결된 백본을 사용했고, 별도로 수십 시간의 시연으로부터 학습한 로봇 팔 조작을 보여 주었다. 여기에는 학습 데이터에 없던 복구 행동, Flexion으로 구축한 휴머노이드 정책, 드론 내비게이션, 그리고 GTA V에서 학습한 정책이 Red Dead Redemption 2로 전이되는 사례가 포함된다. 게임 간 전이는 일반 비디오 세계 모델이 학습 기반으로서 갖는 가장 강력한 논거인데, 정책이 한 게임의 영상으로 학습해 다른 게임에서 작동할 수 있다면 그 모델은 픽셀이 아니라 역학에 관한 무언가를 포착한 것이기 때문이다. 빠져 있는 것은 인도 도로 과제에 대한 공개된 성공률, 실제 세계에서의 학습과 비교한 베이스라인, 그리고 생성된 세계의 어느 부분이 성과를 냈는지 보여 주는 제거 실험이다.

PAN 2에는 그런 종류의 정책 데모가 없으며, Odyssey에는 없는 것을 가지고 있습니다: 바로 공개된 실패율입니다. 시뮬레이션된 계획 중 약 3분의 2가 수행되지 않는 단계를 최소 하나 포함합니다. 또한 그 카드에서도 실패해야 하는 계획을 시뮬레이션하는 것은, 자체 표현으로, 아직 측정되지 않았다고 인정합니다 — 이는 훈련 기반에 중요합니다. 왜냐하면 성공만 렌더링하는 세계는 모든 것이 작동한다는 정책을 가르치기 때문입니다.

그 두 가지 인정 사항을 나란히 놓으면 이 카테고리의 격차가 드러난다. 한 회사는 전이를 입증했지만 신뢰성은 측정하지 않았다. 다른 회사는 실패 모드를 측정했지만 전이를 입증하지 않았다. 어느 쪽도 구매자에게 필요한 연구가 아니다. 그 연구란 두 모델을 하나의 과제, 하나의 정책, 하나의 지표로 평가하되, 표준편차가 격차보다 작아질 만큼 충분히 여러 번 실행하는 것이다.

접근 경로가 금전이 아닌 시간으로 당신에게 초래하는 비용

Odyssey 3의 걸림돌은 대화입니다. 브라우저에서 무료 공개 연구 프리뷰를 제공하고, API 접근은 문의 양식을 통해서만 가능하며, 셀프서비스 키도 없고, 티어 수치 외에 공개된 토큰당 또는 클립당 요금표도 없으며, 공개 가중치도, 열람할 수 있는 라이선스도 없습니다. 오늘 오후에 자체 워크로드로 모델을 벤치마킹하려는 팀에게 이것은 가격과는 다른 장애물입니다. 데모를 사용해 볼 수 있고 영업팀과 이야기할 수도 있지만, 어느 쪽도 재현 가능한 하네스를 제공하지는 않습니다.

PAN 2의 마찰은 기계적이다. 가중치는 Apache-2.0 아래 60개 파일에 걸쳐 86.17기가바이트이며, 게이트 없이 대화도 필요 없다. 그런데 문서화된 서빙 구성이 노드 하나라는 점, 샘플러가 클립당 100회의 순전파를 필요로 한다는 점, 그리고 20초짜리 704×1248 클립이 병렬화를 논하기 전에 그 자체로 하나의 디코딩 문제라는 점을 발견하게 된다. 라이선스는 무료지만 하드웨어는 무료가 아니다. 이는 오픈 웨이트 범주 전체가 감수하는 동일한 거래이자, 구매자들이 가장 자주 잘못 이해하는 지점이다.

두 마찰 중 어느 것도 결함이 아니다. 이는 2026년에 연구 공개가 취하는 두 가지 형태, 즉 가격과 형식을 갖춘 제품이거나 라이선스와 청구서를 갖춘 체크포인트다. 어떤 형태를 감당할 수 있는지 아는 것은 어떤 벤치마크 순위보다 더 유용한 필터이며, 대부분의 팀이 첫 번째가 아니라 마지막에 적용하는 필터다.

16fps 제품과 24fps 연구 모델이 각각 무엇을 위한 것인지

두 회사 모두 '실시간'이라는 표현을 사용하지만, 둘이 말하는 양은 같지 않다. Odyssey 3의 초당 16프레임은 프레임당 62.5밀리초로, 사람이 카메라를 조작할 때 지연을 느끼지 않을 만큼 빠르다. 이것이 제품에 필요한 것이며, 모델이 50단계가 아니라 몇 단계로 증류되는 이유이기도 하다. PAN 2의 초당 24프레임으로 20초는 전혀 대화형이 아니다. 그것은 비용이 노드-분으로 측정되는 배치 렌더이며, 그 목적은 에이전트나 연구자가 이어서 검사하는 클립을 생성하는 것이다.

작업을 계획하는 사람에게 중요한 결과는, 이 둘이 서로 다른 루프에서 쓸 수 있다는 점이다. Odyssey 3는 휴먼 인 더 루프(human-in-the-loop) 워크플로에 맞는다. 생성하고, 보고, 조정하고, 다시 생성하는 식으로, 반복 작업이 저렴할 만큼 가격이 낮다. PAN 2는 자동화된 루프에 맞는다. 후보 결과 다섯 개를 생성하고, 검사기로 점수를 매기고, 가장 좋은 것에 따라 행동하는 식으로, 배치를 만들어 내기 전에 한 번 생각하게 될 만큼 가격이 높다. 하나는 클립당 지연 시간을 최적화하고, 다른 하나는 클립당 충실도를 최적화하며, 샘플러 설정이 그 trade-off를 명시적으로 드러낸다. 매 단계 guidance 2.5로 50스텝을 돌리는 것은 29B 트랜스포머를 100번 순전파하는 것이고, 이에 비해 8~14B급 모델을 8개의 증류 스텝으로 통과시키는 것이다.

출력이 무엇에 사용될 수 있는지에도 구조적 차이가 있다. Odyssey 3가 생성한 세계는 주행 정책과 로봇 팔을 훈련시켰으며, 이는 일반 비디오 월드 모델이 체화된 제어를 위한 훈련 기반으로 기능할 수 있다는 가장 강력한 공개 증거다. PAN 2의 출력은 그렇지 못했고, 그 카드에는 실패해야 하는 계획을 시뮬레이션하는 것이 아직 측정되지 않았다고 명시되어 있다. 이는 중요하다. 성공만 보여주는 훈련 기반은 정책에게 모든 것이 잘 작동한다고 가르치기 때문이다. Odyssey의 시연도 그 점을 해결하지 못한다. 생성된 세계에서 훈련되었지만 실제 세계 기준선과 비교 평가된 적이 없는 정책은 유망한 결과이지 검증된 방법은 아니다.

OrcaRouter가 둘 중 어느 쪽에 속하든, 그 역할은 생성 계층이 아니라 평가 계층이며, 이 점은 정확히 짚을 가치가 있습니다. PAN 2도 Odyssey 3도 우리 카탈로그에 없습니다. 하나는 자체 노드에서 실행하는 29B 확산 모델이고, 다른 하나는 문의 양식으로 판매되는 호스팅 제품이며, 어떤 라우터도 둘 중 어느 것도 제공할 수 없습니다. 라우팅할 수 있는 것은 이들 주변의 구성 요소이며, 두 경우 모두 실제 비용이 쌓이는 곳이 바로 여기입니다 — 생성된 클립을 루브릭에 따라 채점하는 비전-언어 판정기, 연구 질문을 프롬프트 배치로 바꾸는 플래너, PAN 2의 텍스트 인코더가 소비하는 구조화된 세계 상태 설명을 소프트 1,480토큰, 하드 1,536토큰의 예산 안에서 생성하는 캡션 작성기. 이는 출력 하나에 GPU 1분의 비용이 드는 모델을 상대로 수천 건의 평범한 호출을 하는 것입니다. 바로 이런 형태의 워크로드에서 200개가 넘는 모델을 아우르는 단일 키, 제공자 정가를 0% 마크업으로 그대로 전달 그리고 제공자 간 자동 장애 조치가 편의 기능이기를 그치고, 배치가 완료되는지 아니면 80%에서 죽는지를 가르는 차이가 되기 시작합니다.

이 중 다음 항목을 읽는 방법

세 가지 질문이 순서대로 있습니다. 그중 어느 것도 '점수가 몇 점이었나'가 아닙니다.

이 숫자는 공개 벤치마크에서 나온 것인가, 아니면 비공개 하네스에서 나온 것인가? Odyssey의 63.37은 4회 실행 평균으로, 같은 트랙의 다른 항목들과 비교할 수 있다. PAN 2의 단계 완료 수치는 무엇과도 비교할 수 없는데, 그 하네스를 실행하는 곳이 다른 데 없기 때문이다. 둘 다 타당하지만, 이식 가능한 것은 하나뿐이다.

점수가 선택되었습니까? 8회 중 최고 기록과 4회 평균은 서로 다른 것을 측정하며, 둘 다 공개하는 업체는 어느 것을 인용해야 하는지 알려준 것입니다. 첫 번째만 공개하는 업체 역시 뭔가를 알려준 것입니다.

당신이 중요하게 생각하는 작업의 실패율은 얼마입니까? PAN 2는 세 계획 중 두 개가 한 단계를 빠뜨린다고 답합니다. Odyssey는 인도 도로 실험에 대해서는 이에 답하지 않습니다. 이런 부재는 부정직이 아닙니다 — 아무도 그 연구를 수행하지 않았기 때문입니다 — 하지만 묻지 않는 구매자는 데모를 사는 것입니다.

눈앞의 선택에 적용해 보면: Odyssey 3는 접근 가능한 도구입니다. 무료 브라우저 데모, 문의 양식, 곱해 볼 수 있는 클립당 가격, 그리고 문서화된 방법이 뒷받침하는 벤치마크 수치가 있습니다. 이번 주에 월드 모델을 시험해 봐야 하고 예산이 클립당 기준이라면, 둘 중 시작할 수 있는 유일한 선택지입니다. 단, "접근 가능하다"는 것은 키가 아니라 영업 대화를 뜻한다는 점이 주의사항입니다.

PAN 2는 감사 가능한 도구입니다. 가중치, 코드, 서빙 레시피, 토큰 예산이 있는 캡션 계약, 오탐 수치가 첨부된 가드레일 — 정상 텍스트-투-비디오 요청의 11.5%와 정상 이미지-투-비디오 요청의 3.3%가 거부되었고, 안전하지 않은 텍스트-투-비디오 출력은 33.9%에서 1.5%로 감소했습니다 — 그리고 실패율을 맨 앞에 내세우는 한계 섹션이 있습니다. 하드웨어가 있고 그것이 작동한다는 사실보다 어떻게 작동하는지를 알아야 한다면, 이는 해당 범주에서 훨씬 더 완전한 릴리스입니다.

이 비교를 결판지을 것은 두 회사 모두 수행하지 않은 연구다. 두 모델, 하나의 과제, 하나의 정책, 하나의 지표, 그리고 표준편차가 격차보다 작아질 만큼 충분한 실행 횟수다. 아무도 그것을 제안하지 않았다. 누군가 제안하기 전까지 정확한 요약은 이렇다. 유료 모델은 더 잘 문서화된 수치를 발표했고 무료 모델은 더 나쁜 수치를 발표했으며, 당신이 직접 확인할 수 있는 것은 무료 모델 쪽이다.