Apollo World vs Odyssey 3: Dwa sposoby, by nauczyć samochód w środku snu

Odyssey-3 to jedyny model w tym porównaniu z podaną ceną, więc zacznijmy od niego: około 0,139 USD za wygenerowane wideo w rozdzielczości 832 na 480 lub 0,267 USD przy 1280 na 720 w planie Pro, udostępniony jako bezpłatna wersja badawcza 8 października 2026 r. i dostępny przez formularz kontaktowy, a nie za pomocą samoobsługowego klucza. Apollo World nie ma ceny, ponieważ Baidu jej nie podało. Firma ujawniła model 3 listopada 2026 r. jako symulator sterowany przez agenta, który trenuje i ocenia własną flotę robotaxi, i nie opublikowała żadnego endpointu, wag, liczby parametrów ani warunków komercyjnych. Oba są modelami świata. W przypadku obu zademonstrowano trenowanie polityki jazdy. Tylko jeden z nich jest produktem — i nie jest to ten zbudowany przez firmę, która obsługuje te samochody.

Ta inwersja jest sednem historii. Odyssey to finansowany przez venture capital startup sprzedający wyobraźnię w krótkich klipach; Baidu to operator wykorzystujący wyobraźnię, by uniknąć umieszczania kierowcy bezpieczeństwa w prawdziwym samochodzie. Rozwiązują ten sam problem z przeciwnych krańców rynku.

Co tak naprawdę można kupić za 0,139 USD

Odyssey-3 to autoregresyjny transformer dyfuzyjny o około 14 miliardach parametrów, wytrenowany na wideo z internetu, materiale z rozgrywek z wejściem zsynchronizowanym czasowo oraz symulowanych interakcjach ciał sztywnych. Został poddany destylacji do modelu kilkukrokowego, dzięki czemu człowiek może nawigować po generowanym wyniku w czasie rzeczywistym: podajesz opis środowiska, a następnie poruszasz się po nim w pierwszej lub trzeciej osobie, z niezależną kontrolą kamery i możliwością wyzwalania zdarzeń.

• Poziom podstawowy — 832 na 480, około 0,139 USD za wygenerowane wideo, 16 klatek na sekundę w środowisku testowym benchmarku.

• Plan Pro — 1280 na 720, około 0,267 USD za film.

• Flash — wariant stojący za darmowym demo w przeglądarce, którego każdy może wypróbować bez konta.

• Dostęp — bezpłatny publiczny podgląd badawczy w przeglądarce; dostęp do API przez formularz kontaktowy; brak kluczy samoobsługowych, brak opublikowanego cennika stawek za token, brak otwartych wag i brak licencji.

Brak samoobsługi to realne ograniczenie, a nie przypis. Nie możesz dziś po południu porównać Odyssey-3 na własnym obciążeniu tak, jak możesz to zrobić z modelem o otwartych wagach. Możesz wypróbować demo i porozmawiać z działem sprzedaży. Dla zespołu oceniającego modele świata jako infrastrukturę to inny rodzaj tarcia niż cena.

20-godzinny indyjski eksperyment drogowy

Demonstracją, która ma znaczenie w tym porównaniu, jest polityka jazdy wytrenowana na około 20 godzinach danych z rzeczywistych indyjskich dróg, z zamrożonym backbone'em, wewnątrz generowanych światów Odyssey. Firma pokazała również manipulację ramieniem robota wyuczoną z dziesiątek godzin demonstracji, w tym zachowania naprawcze, których nie było w danych treningowych, polityki humanoidalne zbudowane z Flexion, nawigację dronów oraz politykę wytrenowaną na GTA V, przenoszącą się do Red Dead Redemption 2.

Te pokazy to najsilniejszy argument za ogólnym modelem świata opartym na wideo jako substratem treningowym: jeśli polityka może uczyć się z nagrań z gry i przenosić tę wiedzę na inną grę, to model uchwycił coś z dynamiki, a nie z pikseli. Ale to demonstracje, a nie pomiary. Nie ma opublikowanego wskaźnika sukcesu w zadaniu indyjskiej drogi, nie ma punktu odniesienia wobec treningu w rzeczywistym świecie ani ablacji pokazującej, która część wygenerowanego świata wykonała pracę. Twierdzenie jest takie, że jest to możliwe. Twierdzenie nie jest takie, że jest lepsze.

Podejście Baidu to przemysłowa wersja tej samej idei, z oceną skierowaną do wewnątrz. Apollo World modeluje każdego uczestnika ruchu jako agenta, który podejmuje decyzje, a nie rekwizyt podążający za scenariuszem, więc hamujący lub ustępujący pierwszeństwa robotaxi wywołuje reakcję otaczających go samochodów i pieszych. Generuje obraz z kamer i dane lidarowe w czasie rzeczywistym, dzięki czemu testowany stos technologiczny postrzega wirtualne miasto przez ten sam interfejs, którego używa na drodze. I realizuje przejazdy kompleksowo — zamówienie, odbiór, dowóz — dla dowolnych miejsc rozpoczęcia i zakończenia podróży.

Deklarowana skala to około 100 000 kilometrów symulowanej jazdy dziennie, co Baidu przedstawia jako mniej więcej trzy lata nieprzerwanych testów prowadzonych przez samochód z kierowcą bezpieczeństwa. Kontekst operacyjny to Apollo Go: 28 miast, ponad 23 miliony przejazdów, 350 milionów kilometrów jazdy autonomicznej i ponad 240 milionów kilometrów całkowicie bez kierowcy. Każda z tych liczb pochodzi od samego Baidu i żadna nie została niezależnie zweryfikowana.

Arytmetyka benchmarku, z której warto się uczyć

Odyssey opublikowało kluczowy wynik dla Odyssey-3 Pro w Physics-IQ Verified, benchmarku rozumowania fizycznego wideo-do-wideo: 66,1, określany jako state of the art. Zastrzeżenie tkwi w metodzie. Ten wynik pochodził z pojedynczego przebiegu z użyciem selekcji najlepszego z ośmiu, podczas gdy zasady benchmarku wymagają czterech przebiegów z raportowanym odchyleniem standardowym. Bez selekcji średnia z czterech przebiegów wynosiła 63,37.

Obie liczby należą do Odyssey. Odstęp między nimi — {{1}}2,73 punktu{{/1}} — to koszt wybrania najlepszej z ośmiu próbek i nazwania tego wynikiem. Według własnego wskaźnika benchmarku dotyczącego poprawy netto względem średniej dla toru Odyssey-3 Pro zajmuje drugie miejsce z wynikiem {{2}}+11,15 punktu procentowego{{/2}}, za FLUX 3 [large] z +12,27. W WorldMark, własnej ocenie Odyssey, model jest pierwszy w trzech z czterech kategorii — 77,2 dla stylizowanych pierwszoosobowych, 79,0 dla rzeczywistych trzecioosobowych, 76,3 dla stylizowanych trzecioosobowych — i trzeci w rzeczywistych pierwszoosobowych z 80,6, za Lyra 2.0 z 84,4 i AlayaWorld z 83,0.

Nic z tego nie jest skandalem. Opublikowanie wyniku najlepszego z ośmiu i średniej z czterech przebiegów, jak zrobiło to omówienie Odyssey, to więcej przejrzystości, niż oferuje większość laboratoriów. Ale to właśnie dlatego porównanie Odyssey-3 i Apollo World pod względem wyników benchmarków nie jest możliwe: jedna strona ma liczby z udokumentowaną metodą i spór o selekcję, a druga nie ma żadnych liczb. Uczciwa tabela miałaby kolumnę wartości i kolumnę myślników, a tabela z kolumną myślników nie jest porównaniem.

Dwie definicje czasu rzeczywistego

Oba modele deklarują działanie w czasie rzeczywistym, ale te dwa twierdzenia dotyczą różnych wielkości. Odyssey-3 działa z szybkością 16 klatek na sekundę w swoim środowisku testowym przy rozdzielczości 832 na 480 — wystarczająco szybko, by człowiek mógł sterować kamerą w świecie bez czekania, czego wymaga produkt. Apollo World opiera się na cyklu decyzyjnym wynoszącym jedną trzydziestą sekundy, około 33 milisekund, ponieważ pojazd drogowy poruszający się z dużą prędkością nie może czekać dłużej niż to, by podjąć działanie.

Szesnaście klatek na sekundę to 62,5 milisekundy na klatkę. To nie jest krytyka Odyssey, który nie twierdzi, że jest symulatorem pojazdu; to ilustracja tego, jak odmiennie specyfikowane są oba systemy. Model, który człowiek eksploruje, może sobie pozwolić na niewielkie opóźnienie. Model, który zamyka pętlę sterowania dwutonowym samochodem, nie może.

Ten sam podział ujawnia się w trwałości. Własna ocena Odyssey plasuje ją na trzecim miejscu w scenach pierwszoosobowych z rzeczywistego świata, a dryf w długim horyzoncie to klasyczna porażka wideo autoregresyjnego: świat powoli przestaje być ze sobą zgodny. Baidu wymienia trwałość jako jedną z trzech stopniowanych właściwości i definiuje ją jako brak dryfu obiektów i szczegółów podczas długich przebiegów, co jest specyfikacją napisaną przez kogoś, kto obserwował degradację symulacji przez dziesięć godzin.

Kto może czego używać i ile to kosztuje

Odyssey-3 jest już dziś dostępny dla każdego, kto ma przeglądarkę, oraz dla każdego, kto może odbyć rozmowę sprzedażową. Przy cenie od 0,139 do 0,267 USD za wideo ekonomika jednostkowa jest czytelna zarówno dla pracy nad treściami, jak i dla badań wymagających kilku tysięcy klipów. To produkt komercyjny z darmowym planem, a brak otwartych wag jest świadomym wyborem, a nie przeoczeniem.

Dziś z Apollo World nie może korzystać nikt spoza Baidu. W materiale z 3 listopada nie ma żadnej wskazówki, że się to zmieni, a całe ujawnienie ograniczało się do własnych testów i walidacji Apollo Go.

Porównania cen między tymi dwoma usługami nie są więc porównywalne w żadnym wymiarze. Odyssey rozlicza za każde wygenerowane wideo; Baidu nie obciąża nikogo. A w przypadku modeli, które faktycznie oferujemy, zasada OrcaRouter jest prosta — 0% narzutu, cena katalogowa dostawcy jest przekazywana bez zmian, więc zmiana ceny przez dostawcę obowiązuje tego samego dnia. Odyssey-3 nie znajduje się w tym katalogu, więc nie ma stawki przekazywanej bez zmian, którą można by podać, a ten artykuł jej nie wymyśli.

Werdykt, taki jaki jest

Jeśli w tym kwartale chcesz trenować politykę w wyobraźni i nie pracujesz w Baidu, Odyssey-3 jest bardziej dostępnym narzędziem, z zastrzeżeniem, że „dostępny” oznacza demo i formularz kontaktowy. Jego demonstracja polityki jazdy jest najbardziej bezpośrednio istotnym publicznym dowodem, że ogólny model świata wideo może służyć jako podłoże treningowe dla sterowania ucieleśnionego, a gotowość firmy do publikowania zarówno głównego wyniku, jak i średniej z czterech przebiegów jest na jej korzyść.

Jeśli określasz wymagania dla symulatora, zamiast go kupować, rubryka 2+3 Apollo World jest cenniejszym artefaktem: przyczynowość, interaktywność, dokładność fizyczna, trwałość i opóźnienie w warunkach złożoności. Zapytaj Odyssey lub dowolnego dostawcę, jak ich model wypada pod względem trwałości podczas dziesięciogodzinnego przebiegu i czy liczba z benchmarku fizyki została wybrana, czy uśredniona. Odpowiedzi powiedzą ci więcej niż jakakolwiek pozycja w rankingu.

Porównanie rozstrzygnąłby dopiero niezależny podmiot trzeci, uruchamiając oba rozwiązania w tym samym zadaniu jazdy, z tą samą polityką i tą samą metryką. Nikt tego nie zrobił i żadna z firm tego nie zaproponowała. Do tego czasu trafnym podsumowaniem jest startup sprzedający materiały wideo ze snów na klipy oraz operator wykorzystujący sny, by trzymać swoje samochody z dala od drogi — podobne pomysły, przeciwne modele biznesowe i brak wspólnej tablicy wyników.