PAN 2 vs Odyssey 3: Het enige wereldmodel hier met een prijskaartje dat ook zijn slechtste cijfer publiceert

Twee beweringen over fysiek redeneren, drie weken na elkaar gepubliceerd, en het verschil tussen beide is niet de score. PAN 2 is het 29 miljard parameters tellende open-weightwereldmodel van het Institute of Foundation Models — Apache-2.0-gewichten op 7 oktober 2026, code op 5 november, Day-0 vLLM-Omni-ondersteuning op 10 november — dat op basis van een startframe en een beschreven actie tot twintig seconden 704×1248-video met 24 frames per seconde genereert. Odyssey 3 is de autoregressieve diffusietransformer van ongeveer 14 miljard parameters van Odyssey, uitgebracht als gratis research preview op 8 oktober 2026 voor ongeveer $0,139 per gegenereerde video op de basistier en $0,267 op Pro. De een is een downloadbaar checkpoint zonder prijs. De ander is een product met gebruiksfacturering zonder gewichten. En de reden dat deze combinatie een artikel waard is in plaats van een alinea, is dat de betaalde versie een benchmarkvoorbehoud publiceerde dat de meeste labs zouden hebben verzwegen, terwijl de gratis versie door helemaal niemand is gebenchmarkt.

Die omkering is het nuttige deel. De intuïtie is om 'open weights' te lezen als 'transparanter' en 'commercial API' als 'meer marketing'. Hier is het net andersom, en begrijpen waarom leert je meer over het evalueren van wereldmodellen in 2026 dan welke positie op een leaderboard dan ook.

Wat Odyssey publiceerde, inclusief het deel dat het een punt kost

Odyssey 3 Pro rapporteerde 66,1 op Physics-IQ Verified, een video-naar-video-benchmark voor fysiek redeneren, en noemde dat state of the art. De methode achter dat cijfer is het interessante deel: het kwam uit één enkele run met best-of-eight-selectie, terwijl de regels van de benchmark zelf vier runs met een gerapporteerde standaardafwijking vereisen. Zonder selectie was het gemiddelde over vier runs 63,37.

Beide getallen zijn van Odyssey. Het gat van 2,73 punt ertussen is de prijs voor het kiezen van de beste van acht samples en dat de score noemen, en het feit dat beide getallen openbaar bestaan, is meer transparantie dan de categorie doorgaans biedt. Op de eigen maatstaf van de benchmark voor netto verbetering ten opzichte van het trackgemiddelde staat Odyssey 3 Pro tweede met +11,15 procentpunt, achter FLUX 3 [large] met +12,27. Op WorldMark, de eigen evaluatie van Odyssey, staat het op de eerste plaats in drie van de vier categorieën — 77,2 eerstepersoons gestileerd, 79,0 derdepersoons realistisch, 76,3 derdepersoons gestileerd — en derde in eerstepersoons realistisch met 80,6, achter Lyra 2.0 met 84,4 en AlayaWorld met 83,0.

Lees die cijfers zoals een koper dat zou moeten doen, en er volgen drie dingen. Ten eerste is het model echt competitief: tweede zijn op de eigen verbeteringsmaatstaf van de benchmark is geen marketingartefact. Ten tweede wint het niet de categorie waarin het op de markt wordt gebracht, en zijn eigen evaluatie zegt dat in een van de vier tracks. Ten derde, en het nuttigst, is de bereidheid van de leverancier om een geselecteerd cijfer en het niet-geselecteerde gemiddelde naast elkaar te publiceren een signaal over hoe je al het andere dat ze publiceren moet lezen.

Richt nu dezelfde lens op PAN 2. IFM heeft aanzienlijk meer evaluatie gepubliceerd dan de meeste releases van videomodellen: 300 cases met één actie, verdeeld over zes capaciteitscategorieën; 100 egocentrische taken met meerdere stappen, op twee manieren aangeboden, 200 prompts en 456 stappen, gescoord op stapvoltooiing en voltooiing van het volledige plan over drie seeds; Physics-IQ Verified op de image-to-video-instelling, genormaliseerd zodat de variantie tussen twee echte opnames gelijk is aan 100; PhyGround op een schaal van vijf punten, beoordeeld door Qwen3.8-27B; RBench als een ongewogen gemiddelde over vijf taakcategorieën en vier embodiment-categorieën; en een blinde paarsgewijze menselijke studie met 140 prompts, waarbij dertien beoordelaars 1.400 vergelijkingen opleverden, Elo gefit volgens Bradley–Terry en gecentreerd op 1500. Wat IFM niet publiceerde, is een voorbehoud over selectie, want voor zover de kaart laat zien, was er niets om uit te selecteren: de cijfers worden gerapporteerd als uitvoer van de harness.

Beide zijn niet geauditeerd. Slechts één ervan is met iets anders te vergelijken, omdat Odyssey een openbare benchmark heeft uitgevoerd en de belangrijkste cijfers van PAN 2 uit een private harness komen. Dat onderscheid — benchmark versus harness — is meer waard dan de scores zelf.

Twee producten, twee soorten frictie

Prijs is waar de vergelijking het gemakkelijkst te verwoorden en het moeilijkst om ernaar te handelen is.

• Prijs per eenheid — Odyssey 3 kost ongeveer $0,139 per gegenereerde video bij 832×480 op het basisniveau en ongeveer $0,267 bij 1280×720 op Pro; PAN 2 heeft geen prijs per eenheid omdat er geen gehoste dienst is, alleen gewichten en een GPU-rekening.

• De echte kosten — de prijs van Odyssey 3 is de totale kosten van één clip; die van PAN 2 is de machine: dertien seconden 704×1248-video duurt ongeveer 119 seconden op vier B300's, met acht H200's in BF16 als gedocumenteerde standaard.

• Toegangsdrempel — Odyssey 3 heeft een gratis browserdemo die iedereen kan openen, en API-toegang via een contactformulier zonder selfservice-sleutels en zonder gepubliceerde prijslijst; PAN 2 is 86,17 gigabyte verdeeld over zestig bestanden onder Apache-2.0, vrij toegankelijk, zonder dat er een gesprek nodig is.

• Gewichten — Odyssey 3 publiceert er geen en heeft geen licentie om ze te lezen; die van PAN 2 zijn Apache-2.0, zonder naamsvermeldingsvereiste, zonder gebruikersdrempel en zonder beperking van het toepassingsgebied.

• Snelheid in de harness — Odyssey 3 draait op 16 frames per seconde bij 832×480, gedistilleerd tot een paar stappen zodat een persoon in realtime kan sturen; PAN 2 draait op 24 frames per seconde over vijftig samplerstappen bij guidance 2,5.

Als je die vijf regels samenvoegt, blijkt dat de twee producten op verschillende kopers zijn gericht. Odyssey 3 is geprijsd voor iemand die clips wil en geen datacenter wil bezitten — een contentteam, een onderzoeksgroep die een paar duizend generaties draait, iedereen wiens unit economics per output zijn. PAN 2 is geprijsd voor iemand die de node al heeft, want voor alle anderen is het feit dat de licentie gratis is het minst belangrijke eraan.

Het ontbrekende getal aan beide kanten is hetzelfde, en het is niet de prijs. Geen van beide leveranciers publiceert een succespercentage voor datgene waar kopers echt om geven. Odyssey liet een rijbeleid, een robotarm en een humanoïde in zijn gegenereerde werelden draaien, en de details van die demonstraties zijn het nauwkeurig lezen waard — maar het getal dat een koper nodig heeft, staat in geen van alle: geen succespercentage voor de rijtaak, geen baseline tegenover training in de echte wereld, geen ablatie die laat zien welk deel van de gegenereerde wereld het werk deed.

Het equivalente cijfer van PAN 2 is slechter en openbaar. De modelkaart vermeldt dat ongeveer twee op de drie gesimuleerde plannen minstens één stap bevatten die niet wordt uitgevoerd. Dat is een vernietigend cijfer voor iedereen die de output aan een robot hoopt te geven, en het is ook de nuttigste zin in beide releases, omdat het je het faalpercentage vertelt van het ding waarop je op het punt staat voort te bouwen. Een leverancier die een faalpercentage van twee op de drie publiceert en een leverancier die helemaal geen percentage publiceert, zijn niet even informatief, en degene met het slechte cijfer is degene waarop je kunt plannen.

Wat elk ervan daadwerkelijk genereert, en waarom het verschil architectonisch is

Odyssey 3 is een autoregressieve diffusietransformator met ongeveer 14 miljard parameters, getraind op internetvideo, gameplay-opnamen met tijdsynchrone invoer en gesimuleerde interacties tussen starre lichamen, en vervolgens gedistilleerd tot een model met enkele stappen, zodat iemand de uitvoer in realtime kan navigeren: je geeft een prompt voor een omgeving, beweegt erin in eerste of derde persoon met onafhankelijke camerabesturing, en activeert onderweg gebeurtenissen. De niveaus verschillen alleen in wat je kunt zien — 832×480 op het basisniveau voor ongeveer $0,139 per video en 1280×720 op Pro voor ongeveer $0,267 — met een Flash-variant achter de gratis browserdemo die iedereen zonder account kan openen.

PAN 2 is een batch-renderer met een taalmodel erin. Een conceptuele redeneerder schrijft de volgende wereldtoestand als een gestructureerde, tijdsgebonden beschrijving, een bevroren Qwen3.5-9B-tekstencoder zet die om in conditioneringskenmerken, een 29B-diffusietransformer vult de perceptuele details in, en een Wan 2.2-VAE decodeert twintig seconden van 704×1248 bij 24 frames per seconde. Er is geen interactieve lus: één aanroep, één clip, geen feedback binnen de aanroep. Wat er in plaats daarvan is, is een contract — de prompt-herschrijver-skill, een vaste negatieve prompt en een validator die bijschriften toetst aan het budget van de encoder van 1.480 tokens zacht en 1.536 hard, waarbij de kaart toegeeft dat de agentcasestudy's vertrouwden op handmatig verfijnde prompts.

Dat verschil bepaalt veel meer dan de prijs waarvoor de twee geschikt zijn. Odyssey 3 is gebouwd voor een persoon in een omgeving: genereren, rondkijken, aanpassen, opnieuw genereren. PAN 2 is gebouwd voor een machine die een vraag stelt: als ik dit doe, wat gebeurt er, en zou een controleur een andere optie verkiezen. De samplers coderen de intentie — acht gedistilleerde stappen voor de een, vijftig stappen met guidance van 2,5 bij elke stap voor de ander — en dat geldt ook voor de faalmodus die elk documenteert.

Geen van beide bedrijven heeft de demonstratie omgezet in een meting.

Beide releases steunen op videobewijs van een policy die leert binnen een gegenereerde wereld, en geen van beide heeft het getal gepubliceerd dat dat bewijs dragend zou maken.

Odyssey trainde een rijbeleid op ongeveer 20 uur echte Indiase wegendata met een bevroren backbone binnen zijn gegenereerde werelden, en toonde afzonderlijk robotarmmanipulatie die was geleerd uit tientallen uren demonstraties, waaronder herstelgedragingen die niet in de trainingsdata voorkwamen, humanoïde policies gebouwd met Flexion, dronenavigatie, en een met GTA V getrainde policy die naar Red Dead Redemption 2 overdroeg. De overdracht van game naar game is het sterkste argument voor een algemeen video-wereldmodel als trainingssubstraat, want als een policy kan leren van beeldmateriaal van het ene spel en werkt in een ander, dan heeft het model iets over dynamica vastgelegd in plaats van over pixels. Wat ontbreekt, is een gepubliceerd succespercentage voor de Indiase wegentaak, een baseline tegen training in de echte wereld, en een ablatie die laat zien welk deel van de gegenereerde wereld het werk deed.

PAN 2 heeft geen beleidsdemo van dat soort, en het heeft wel iets wat Odyssey niet heeft: een gepubliceerd faalpercentage. Ongeveer twee op de drie gesimuleerde plannen bevatten minstens één stap die niet wordt uitgevoerd. Op zijn kaart wordt ook toegegeven dat het simuleren van plannen die zouden moeten mislukken, in zijn eigen woorden, nog niet is gemeten — wat van belang is voor een trainingssubstraat, omdat een wereld die alleen succes weergeeft een beleid leert dat alles werkt.

Zet die twee toegevingen naast elkaar en de kloof in de categorie wordt zichtbaar. Het ene bedrijf toonde transfer aan en mat de betrouwbaarheid niet. Het andere mat een faalmodus en toonde geen transfer aan. Geen van beide is het onderzoek dat een koper nodig heeft: beide modellen op één taak met één policy en één metriek, voldoende keren uitgevoerd zodat de standaarddeviatie kleiner is dan de kloof.

Wat de toegangspaden je aan tijd kosten in plaats van aan geld

De drempel bij Odyssey 3 is een gesprek. Er is een gratis openbare research preview in de browser, API-toegang via een contactformulier, geen selfservice-keys, geen gepubliceerde tariefkaart per token of per clip buiten de tiercijfers, geen open weights en geen licentie om te lezen. Voor een team dat vanmiddag een model wil benchmarken tegen zijn eigen workload is dat een ander obstakel dan een prijs: je kunt de demo proberen en met sales praten, en geen van beide levert je een reproduceerbare harness op.

De frictie bij PAN 2 is een machine. De gewichten zijn 86,17 gigabyte verdeeld over zestig bestanden onder Apache-2.0, zonder gate, zonder dat er een gesprek nodig is — en dan ontdek je dat de gedocumenteerde serverconfiguratie een node is, dat de sampler honderd forward passes per clip nodig heeft, en dat een clip van twintig seconden in 704×1248 op zichzelf al een decoderingsprobleem is nog voordat parallellisme ter sprake komt. De licentie is gratis en de hardware niet, en dat is dezelfde ruil die de hele open-weight-categorie maakt en die kopers het vaakst verkeerd inschatten.

Geen van beide wrijvingen is een gebrek. Het zijn de twee vormen die een research-release in 2026 aanneemt: een product met een prijs en een vorm, of een checkpoint met een licentie en een rekening. Weten welke vorm je kunt verwerken, is een nuttiger filter dan welke benchmarkpositie dan ook, en het is juist het filter dat de meeste teams als laatste toepassen in plaats van als eerste.

Waarvoor een 16-fps-product en een 24-fps-onderzoeksmodel elk dienen

Beide bedrijven gebruiken de term realtime en geen van beide bedoelt dezelfde grootheid. Odyssey 3 met 16 frames per seconde is 62,5 milliseconden per frame, snel genoeg dat iemand die een camera bestuurt geen vertraging voelt — dat is wat een product nodig heeft, en daarom wordt het model gedistilleerd tot een paar stappen in plaats van vijftig. De twintig seconden van PAN 2 bij 24 frames per seconde zijn helemaal niet interactief; het is een batchrender waarvan de kosten in node-minuten worden gemeten, en het doel is om een clip te produceren die een agent of onderzoeker vervolgens inspecteert.

De consequentie voor wie werk plant, is dat de twee in verschillende loops bruikbaar zijn. Odyssey 3 past bij een human-in-the-loop-workflow: genereren, kijken, bijstellen, opnieuw genereren, tegen een prijs die laag genoeg is om itereren goedkoop te maken. PAN 2 past bij een geautomatiseerde loop: vijf kandidaat-consequenties genereren, ze door een checker laten scoren, op de beste verdergaan, tegen een prijs die hoog genoeg is dat je nadenkt voordat je de batch start. De ene optimaliseert voor latentie per clip, de andere voor getrouwheid per clip, en de samplerinstellingen maken die afweging expliciet: vijftig stappen met guidance op 2,5 bij elke stap zijn honderd forward passes door een 29B-transformer, tegenover acht gedistilleerde stappen door een model uit de 8- tot 14B-klasse.

Er is ook een structureel verschil in waarvoor de output kan worden gebruikt. In de door Odyssey 3 gegenereerde werelden zijn een rijbeleid en een robotarm getraind, het sterkste publieke bewijs dat een algemeen videowereldmodel kan dienen als trainingssubstraat voor belichaamde besturing. De output van PAN 2 niet, en in de kaart staat expliciet dat het simuleren van plannen die zouden moeten mislukken nog niet is gemeten — wat ertoe doet, omdat een trainingssubstraat dat alleen succes laat zien, een beleid leert dat alles werkt. De demonstraties van Odyssey lossen dat ook niet op: een beleid dat is getraind in gegenereerde werelden en nooit is geëvalueerd tegen een baseline in de echte wereld, is een veelbelovend resultaat, geen gevalideerde methode.

Waar OrcaRouter in beide gevallen past, is de evaluatielaag en niet de generatielaag, en het loont de moeite om precies te zijn. Noch PAN 2 noch Odyssey 3 staat in onze catalogus: het ene is een diffusiemodel van 29B dat je op je eigen node draait, het andere is een gehost product dat via een contactformulier wordt verkocht, en geen enkele router kan een van beide bedienen. Wat wél gerouteerd kan worden, is de machinerie eromheen, en in beide gevallen is dat waar de echte kosten zich opstapelen — een vision-language judge die gegenereerde clips scoort aan de hand van een rubric, een planner die een onderzoeksvraag omzet in een batch prompts, een caption-writer die de gestructureerde wereldtoestandbeschrijvingen produceert die PAN 2's tekstencoder verbruikt binnen een budget van 1.480 tokens soft en 1.536 hard. Dat zijn duizenden gewone calls naar een model waarvan de output je telkens een GPU-minuut kost, en dat is precies de vorm van workload waarbij één sleutel voor meer dan 200 modellen, providerlijstprijs doorgegeven aan 0% markup en automatische failover tussen providers ophoudt een gemak te zijn en het verschil begint te maken tussen een batch die afrondt en een die sterft op 80%.

Hoe lees je de volgende hiervan?

Drie vragen, in volgorde, en geen ervan is "wat scoorde het".

Komt het getal uit een openbare benchmark of een private harness? Het gemiddelde van Odyssey over vier runs, 63,37, kan worden vergeleken met andere inzendingen op dezelfde track. De stapvoltooiingscijfers van PAN 2 kunnen nergens mee worden vergeleken, omdat niemand anders die harness draait. Beide zijn legitiem; slechts één is overdraagbaar.

Was de score geselecteerd? Een best-of-eight-getal en een gemiddelde over vier runs meten verschillende dingen, en een leverancier die beide publiceert, heeft je verteld welke je moet noemen. Een leverancier die alleen het eerste publiceert, heeft je ook iets verteld.

Wat is het faalpercentage bij de taak die u belangrijk vindt? PAN 2 beantwoordt dit met twee op de drie plannen die een stap overslaan. Odyssey beantwoordt dit niet voor het Indiase wegexperiment. Die afwezigheid is geen oneerlijkheid — niemand heeft het onderzoek uitgevoerd — maar een koper die het niet vraagt, koopt een demo.

Toegepast op de keuze die voor je ligt: Odyssey 3 is het toegankelijke instrument. Een gratis browserdemo, een contactformulier, een prijs per clip die je kunt vermenigvuldigen, en een benchmarkgetal met een gedocumenteerde methode erachter. Als je deze week wereldmodellen wilt uitproberen en je budget per clip is, is het de enige van de twee waarmee je kunt beginnen, en de kanttekening is dat "toegankelijk" een verkoopgesprek betekent in plaats van een sleutel.

PAN 2 is het auditbare instrument. Gewichten, code, een servingrecept, een captioncontract met een tokenbudget, een guardrail met valspositieve cijfers eraan gekoppeld — 11,5% van goedaardige tekst-naar-videoverzoeken en 3,3% van goedaardige beeld-naar-videoverzoeken afgewezen, terwijl onveilige tekst-naar-video-output daalt van 33,9% naar 1,5% — en een sectie met beperkingen die begint met het faalpercentage. Als je de hardware hebt en wilt weten hoe het ding werkt in plaats van dat het werkt, is dit met ruime voorsprong de meest complete release in de categorie.

Wat de vergelijking zou beslechten, is het onderzoek dat geen van beide bedrijven heeft uitgevoerd: beide modellen, één taak, één beleid, één metriek, genoeg runs zodat de standaardafwijking kleiner is dan het verschil. Niemand heeft het voorgesteld. Tot iemand dat doet, is de juiste samenvatting dat het betaalde model een beter gedocumenteerd getal heeft gepubliceerd en het gratis model een slechter, en dat het gratis model het enige is dat je kunt controleren.