Odyssey-3: Czym tak naprawdę jest fundamentalny model świata Odyssey

Pierwszą rzeczą, którą trzeba właściwie zrozumieć w Odyssey-3, jest rzeczownik. Nie jest to generator wideo, któremu ze względów marketingowych nadano miano modelu świata — Odyssey Systems opisuje go na własnej stronie ogłoszenia jako „wyuczony układ dynamiczny, zaimplementowany jako autoregresyjny transformator dyfuzyjny, który przewiduje, jak obiekty poruszają się i oddziałują w przestrzeni oraz jak sytuacje ewoluują w czasie”. Wydanie w dwóch wariantach — Odyssey-3 w rozdzielczości 832×480 i Odyssey-3 Pro w rozdzielczości 1280×720 — to model, w którym się działa, a nie model, do którego wpisuje się polecenie raz i odchodzi. Odyssey ogłosiła prace 15 września 2026 r. pod tytułem „A General-Purpose Physical Intelligence” i otworzyła publiczny podgląd badawczy 8 października 2026 r.; ta strona jest wpisem referencyjnym dla samego modelu, a nie raportem o żadnej z tych dat.

Co to oznacza w praktyce: na własnej stronie Odyssey wpisujesz prompt, model buduje środowisko, a ty poruszasz się po nim — w perspektywie pierwszej osoby, trzeciej osoby lub jako swobodnie unosząca się kamera — podczas gdy model nieustannie przewiduje, co stanie się dalej. Odyssey nazywa destylowany wariant o niewielu krokach, znajdujący się w centrum tego doświadczenia, „zdolnym do interakcji w czasie rzeczywistym”. Nie jest ono wycenione, licencjonowane ani nie można go pobrać. Nie ma karty modelu, wydania wag ani klucza samoobsługowego. Ta kombinacja to całość pytania czytelnika i warto ją rozważyć w kolejności, której faktycznie wymaga decyzja.

Jakiej klasy modelem jest Odyssey-3?

Czytelnicy szukający „Odyssey 3 world model” mają właściwą klasyfikację i jest to określenie samego Odyssey: nagłówek strony nazywa Odyssey-3 swoim „najpotężniejszym jak dotąd fundamentalnym modelem świata”. Precyzyjna klasa jest węższa niż „model świata” w powszechnym użyciu. Odyssey-3 to interaktywny, warunkowany działaniami model środowiska — generuje ucieleśnione środowisko na podstawie podpowiedzi, a następnie przewiduje, jak to środowisko zmienia się, gdy osoba lub agent podejmuje działania albo wprowadza zdarzenia, z uwzględnieniem wcześniejszych obserwacji oraz najnowszego sygnału wejściowego. Sformułowanie Odyssey jest takie, że dzisiejsza zapowiedź „zapewnia nawigację z perspektywy pierwszej i trzeciej osoby wraz z niezależnym ruchem kamery”.

Dlaczego to jest inny artefakt niż model wideo, we własnej relacji Odyssey'ego o tym, jak został zbudowany:

• Jest zbudowany jako wieloetapowy transformator dyfuzyjny wideo z promptami i sygnałami sterującymi rozdzielonymi w czasie, a następnie rozszerzany autoregresyjnie poprzez teacher forcing i maskowanie przyczynowe, tak aby mógł kontynuować na podstawie poprzednich obserwacji i przewidywać przyszłe stany warunkowane wejściami akcji.

• Potreningowy potok łączący dopasowywanie rozkładu z destylacją adwersarialną tworzy kilkukrokowy wariant destylowany — element, który w ogóle umożliwia interakcję w czasie rzeczywistym, ponieważ model dyfuzyjny wymagający dziesiątek kroków odszumiania na klatkę nie nadąża za naciśnięciem klawisza.

• Jest trenowany na wideo z internetu zawierającym adnotacje zdarzeń zlokalizowane w czasie i zweryfikowane względem schematu, na nagraniach rozgrywki z danymi wejściowymi z klawiatury i myszy zsynchronizowanymi w czasie oraz na symulowanych interakcjach ciał sztywnych z podpisami i metadanymi. Źródła rozgrywki i symulacji łączą działania z obserwacjami; wideo z internetu zapewnia szeroki zakres.

• Wynikiem jest wideo, a dane wejściowe obejmują podpowiedzi tekstowe, przesłane obrazy oraz ciągły ruch lub sterowanie kamerą. Nie jest to model językowy i nie ma okna kontekstowego w sensie LLM; nic w materiałach Odyssey nie opisuje takiego okna.

Zatem poprawna odpowiedź w jednej linijce brzmi: model świata, a konkretnie interaktywny model środowiska, którego wyjściem jest wideo — nie generator wideo i nie multimodalny LLM z pogranicza chatbota. Dwanaście stron porównawczych w tym serwisie, które zestawiają go z Seedance, Veo, Kling, Runway i podobnymi, porównuje środowisko z generatorami klipów; poniższe benchmarki to miejsce, w którym ta różnica faktycznie uwidacznia się w liczbach.

Co możesz z tym zrobić dzisiaj

Podgląd badawczy jest już dostępny na experience.odyssey.systems, a strona Odyssey wyraźnie stwierdza, że „nasz podgląd badawczy jest już dostępny”. Czytając samą aplikację podglądu, elementy sterujące są następujące:

• Pole tekstowe („Opisz, co chciałbyś, aby AI symulowała”), przesyłanie obrazu oraz galeria sugerowanych scen, które przeglądasz strzałkami i wybierasz Enterem.

• Trzy początkowe intencje kamery — „Widok świata”, opisywany w interfejsie jako „swobodnie unosząca się kamera bez przypisanego gracza”; „Widok pierwszoosobowy”, „patrzeć oczami sterowalnej postaci”; oraz „Widok trzecioosobowy”.

• Kontrolka Start, która rozpoczyna symulację, po czym możesz poruszać się po środowisku, wprowadzać zdarzenia w trakcie generowania i obserwować, jak model reaguje.

Dwie rzeczy o dostępie, których nie powinieneś odkrywać w trudny sposób. Po pierwsze, przycisk w podglądzie ma napis „Try Odyssey-3 Flash” — nazwę poziomu, która nie pojawia się nigdzie indziej w serwisie. Odyssey wyróżnia dokładnie dwa poziomy: Odyssey-3 i Odyssey-3 Pro, i nie publikuje żadnych specyfikacji, rozmiaru ani rozdzielczości dla czegokolwiek o nazwie Flash. Traktuj tę etykietę jako niewyjaśnioną, dopóki Odyssey jej nie udokumentuje. Po drugie, ścieżka API nie jest samoobsługowa. Link „Get API Access” prowadzi do developer.odyssey.ml, a ta strona obecnie głosi: „Odyssey-2 Max jest teraz wdrażany dla istniejących użytkowników API. Jeśli masz już u nas konto, prosimy kontynuować. W przeciwnym razie przejdź tutaj, aby poprosić o dostęp priorytetowy”. Interfejs deweloperski reklamowany dzisiaj to Odyssey-2 Max, a nie Odyssey-3. Droga do Odyssey-3 dla twórcy prowadzi przez formularz kontaktowy na stronie Odyssey, a jej uczciwy opis to kolejka.

Granice, które Odyssey dokumentuje — i te, których nie

Właśnie tutaj strona referencyjna udowadnia swoją wartość, bo luki są równie istotne dla decyzji co same liczby.

• Rozdzielczość — Odyssey-3 832×480; Odyssey-3 Pro 1280×720. Opublikowane przez producenta, podane wprost na stronie ogłoszenia.

• Liczba klatek na sekundę — nie jest publikowana przez Odyssey. Jedyną wartością dotyczącą liczby klatek, jaka pojawia się gdziekolwiek w materiale źródłowym, jest kolumna „Output FPS” w rankingu Physics-IQ Verified, która podaje 16 dla każdego wpisu Odyssey wobec 24 dla FLUX 3 [large]. To pole pochodzące od strony trzeciej w rankingu prowadzonym przez stronę trzecią, a nie specyfikacja dostawcy, i to właśnie tej liczby ranking używa do normalizacji kosztu.

• Długość klipu — niepodana do wiadomości. Odyssey nie dokumentuje maksymalnej długości generowania, długości klipu ani długości sesji. WorldMark, benchmark, który Odyssey cytuje w odniesieniu do jakości modelu świata, uruchamia własne przypadki testowe na 20, 40 i 60 sekund — to długości sond benchmarku, a nie udokumentowany limit Odyssey-3, a utożsamianie ich byłoby błędem.

• Ograniczenia interaktywności — nie są publikowane jako limity. Odyssey dokumentuje dostępne tryby (pierwszoosobowy, trzecioosobowy, wolna kamera, zdarzenia w trakcie generowania), ale nie podaje żadnej wartości opóźnienia, maksymalnej liczby jednoczesnych działań ani informacji, jak długo może trwać sesja, zanim świat ulegnie degradacji.

• Model kosztów — jedyną wielkością finansową, którą publikuje Odyssey, jest założenie, a nie cena: przy obliczaniu osi kosztów swojego wykresu Physics-IQ „zakłada 1 USD za godzinę pracy GPU MI355X, z wyłączeniem opłat za przepisywanie promptów”. Na żadnej stronie Odyssey nie ma obecnie cennika, stawki za sekundę ani systemu kredytów.

Wagi, kod i licencja: żadne z tych trzech

Bezpośrednia odpowiedź: we wszystkich trzech punktach. Nie udostępniono żadnych wag — wyszukiwanie w Hugging Face modeli Odyssey Systems nie zwraca żadnych wyników od tej firmy, a żadna strona Odyssey nie wspomina o checkpoincie, repozytorium ani o pobraniu. Nie opublikowano kodu do trenowania ani wnioskowania. Nie opublikowano też licencji dla Odyssey-3; jedynym dokumentem w formie licencji i warunków w serwisie jest strona API Terms, ostatnio zaktualizowana 2026-01-22, która nadal reguluje „prototyp interfejsu programowania aplikacji Odyssey-2” — dokument, który poprzedza Odyssey-3 o dwie generacje modeli i nie wymienia go z nazwy.

Jeśli jakakolwiek strona gdziekolwiek mówi ci, że Odyssey-3 ma otwarte wagi, albo cytuje jego licencję, ta strona zgaduje. Nic w materiałach własnych Odyssey nie potwierdza dziś żadnego z tych twierdzeń.

Co twierdzi Odyssey, a co zostało faktycznie zmierzone

Odyssey formułuje jedno kluczowe twierdzenie o wynikach benchmarku: „Odyssey-3 Pro ustanawia nowy stan sztuki w benchmarku wideo-do-wideo Physics-IQ Verified, osiągając 66,1, najwyższy zgłoszony wynik”, a dodatkowo drugie twierdzenie, że Odyssey-3 „zajmuje 1. miejsce w 3 z 4 kategorii WorldMark w naszych ocenach”. Te dwa twierdzenia mają różne uzasadnienia i należy je czytać osobno.

Physics-IQ Verified to prawdziwa tablica wyników prowadzona przez niezależną stronę trzecią. Prowadzi ją Anates Labs wspólnie z DeepMind, obecnie znajduje się na niej 41 modeli z 16 laboratoriów, a modele są oceniane poprzez pokazywanie im wideo z prawdziwych eksperymentów fizycznych — dynamiki płynów, optyki, mechaniki ciała stałego, magnetyzmu, termodynamiki — i porównywanie ich kontynuacji z tym, co faktycznie się wydarzyło. Odczyt zweryfikowanej tablicy wideo-do-wideo z 2026-10-13:

• Odyssey-3 Pro, próbkowanie BoN ×8 — 66,10, pozycja 01. Odyssey-3, BoN ×8 — 64,43, pozycja 02. FLUX 3 [large], BoN ×8 — 64,35 ± 0,22, pozycja 03. Wartość 66,1 podana przez dostawcę odpowiada górnemu wierszowi w tabeli wyników, więc twierdzenie o „najwyższym zgłoszonym wyniku” potwierdza się w aktualnym rankingu samej tabeli wyników.

• Wiersze dla pojedynczego generowania są niższe i bliżej siebie: Odyssey-3 Pro 63,37 ± 0,63, Odyssey-3 61,56 ± 1,20, FLUX 3 [large] 61,11 ± 0,55. Kolejność nie jest stabilna w zależności od próbkowania. W trybie best-of-8 wynik modelu bazowego 64,43 wyprzedza wynik FLUX 3 wynoszący 64,35 o 0,08 punktu, a wynik Pro 66,10 wyprzedza o 1,75. Przy pojedynczym generowaniu FLUX 3 plasuje się między dwoma wierszami Odyssey — 0,45 poniżej wyniku Odyssey-3 61,56 i 2,26 poniżej wyniku Pro 63,37.

• Najważniejszy wiersz dla sceptycznego czytelnika znajduje się niżej. Odyssey-3 pojawia się także ze źródłem promptu oznaczonym jako „BPP” — prompty dostarczone przez benchmark, bez przepisywania przez LLM — z wynikiem 51,76 ± 0,69, miejsce 08. Jego wiersz dla własnych promptów to 61,56. Na własnych promptach benchmarku zweryfikowany wynik modelu jest o około dziesięć punktów niższy niż na jego własnych promptach. Ranking wyraźnie zaznacza, że osobne koszty LLM/promptów są dodawane po normalizacji kosztów generowania, oraz że przepisywanie promptów przez Odyssey API szacuje się na 0,01 USD za przesłane wideo, przy czym każdy przebieg best-of-8 współdzieli jeden przepisany prompt.

• Na zweryfikowanej tablicy wyników image-to-video ranking jest inny i narrację dostawcy należy odpowiednio skorygować: FLUX 3 [large] prowadzi z wynikiem 54,70 (BoN ×8), Odyssey-3 Pro jest drugi z 54,69, a Odyssey-3 trzeci z 52,83. Jedna dziesiąta punktu nie jest przewagą w żadnym kierunku. Twierdzenie Odyssey o byciu state of the art dotyczy video-to-video, a w przypadku image-to-video nie jest liderem.

• Koszt znormalizowany, który tablica wyników przelicza na 24 fps i wyjście o szerokości 1280 tam, gdzie raportowane są dane wejściowe: w wierszach wideo-do-wideo best-of-8 Odyssey-3 Pro to 3,484 USD, a Odyssey-3 to 1,430 USD w porównaniu z FLUX 3 [large] przy 16,430 USD; w wierszach pojedynczego generowania Odyssey-3 Pro to 0,444 USD, a Odyssey-3 to 0,187 USD. Uwaga: wcześniejsze materiały o tej premierze podawały 0,139 USD i 0,267 USD dla dwóch poziomów Odyssey — to wiersze pojedynczego generowania obraz-do-wideo na tej samej tablicy, a nie wiersze wideo-do-wideo, i nie należy ich zamieniać miejscami. Ta wartość się nie zmieniła; należy do innego wiersza próbkowania.

• Podmetryki, zweryfikowane w trybie wideo do wideo: Odyssey-3 Pro prowadzi w kategorii przestrzennej z wynikiem 73,19 i w ważonej kategorii przestrzennej z 65,07; Odyssey-3 prowadzi w kategorii czasoprzestrzennej z 70,44. FLUX 3 [large] prowadzi pod względem błędu średniokwadratowego z wynikiem 57,39, a Odyssey-3 Pro jest drugi z 55,81. Odyssey ma przewagę w zakresie przestrzeni, ale nie pod względem błędu.

Twierdzenie dotyczące WorldMark ma słabsze uzasadnienie, i to jest część, którą należy czytać uważnie. WorldMark to prawdziwy, publiczny zestaw benchmarków od Alaya Lab, Uniwersytetu Tokijskiego i Shanghai Innovation Institute: testuje dziesięć modeli przy użyciu jednego wspólnego słownika akcji w stylu WASD w ponad 500 standaryzowanych przypadkach i ocenia dziewięć deterministycznych metryk w zakresie dynamiki akcji, pamięci świata i jakości wizualnej. Odyssey ujmuje to tak: „w naszej ocenie, korzystając z własnych podpisów benchmarku i średniej z jego 13 raportowanych wyników metryk, Odyssey-3 zajmuje pierwsze miejsce w środowiskach stylizowanych pierwszoosobowych, rzeczywistych trzecioosobowych i stylizowanych trzecioosobowych”. Z materiału źródłowego wynikają trzy rzeczy:

• Jest to ewaluacja przeprowadzona samodzielnie. Odyssey przeprowadził benchmark i podał wynik; autorzy WorldMark go nie opublikowali.

• Odyssey-3 nie pojawia się w opublikowanych wynikach samego benchmarku. Czytając stronę wyników WorldMark z dnia 2026-10-13, cztery podziały wymieniają dziesięć modeli — AlayaWorld, DreamX-World, HY-GameCraft 1.0, HY-World 1.5, LingBot-World, Lyra 2.0, Matrix-Game 2.0, Matrix-Game 3.0, SANA-WM i Yume 1.5 — a Odyssey-3 nie znajduje się wśród nich. Nie można więc zweryfikować rankingu na podstawie własnych liczb benchmarku, ponieważ na publicznej tablicy wyników ich nie ma.

• Liczba metryk, którą opisuje Odyssey, różni się od opisu samego benchmarku. Strona WorldMark opisuje „dziewięć deterministycznych metryk” w trzech kategoriach; Odyssey opisuje „średnią z 13 raportowanych wyników metryk”. Oba opisy mogą być prawdziwe dla różnych widoków zestawu, ale czytelnik nie może ich pogodzić z zewnątrz, a liczbą, która się zmienia, jest ta najważniejsza.

• Jedyny podział, w którym Odyssey-3 nie wygrywa we własnej ewaluacji, to ten najbliższy założeniom produktu: rzeczywiste środowiska pierwszoosobowe, gdzie wynik Odyssey na poziomie 80,6 ustępuje Lyra 2.0 z 84,4 i AlayaWorld z 83,0. Deklarowana przewaga modelu koncentruje się w światach stylizowanych i trzecioosobowych.

Poza dwoma benchmarkami, każde twierdzenie o możliwościach pochodzi od dostawcy i nie zostało niezależnie odtworzone, a strona referencyjna powinna to mówić bez łagodzenia. Odyssey donosi o dekoderze akcji ramienia robota wytrenowanym na „zaledwie dziesiątkach godzin demonstracji robotycznych”, który wygenerował zachowania naprawcze nieobecne w demonstracjach, w tym ponowne zorientowanie chwytaka po nieudanym chwycie. Donosi o politykach sterowania humanoidem zbudowanych przez Flexion na Odyssey-3, które przewyższyły testowane bazowe modele VLA w warunkach zmian środowiskowych i kontynuowały działanie przy zmianach oświetlenia, które pokonały te modele bazowe. Donosi o polityce jazdy wytrenowanej na 20 godzinach danych jazdy z zamrożonym szkieletem Odyssey-3, prowadzącej jazdę w zamkniętej pętli na prawdziwych drogach w Indiach — a jedyną liczbą porównawczą w tej pracy jest to, że polityki wyłącznie symulacyjne przebyły około 77% takiego dystansu między interwencjami kierowcy bezpieczeństwa, jak polityki wytrenowane na prawdziwym materiale wideo. Donosi o generowaniu wielu czujników, gdzie punkt kontrolny Odyssey-3 generuje razem trzy przednie widoki z kamer zestawu danych jazdy po 100 krokach treningowych. Żadne z tych wyników nie zostało powtórzone przez nikogo spoza Odyssey i żadna strona trzecia nie opublikowała liczby dla Odyssey-3, której nie dostarczyła Odyssey.

Nie ma też, jak dotąd, żadnego bezpośredniego porównania, na którym można by się oprzeć. Nikt nie uruchomił Odyssey-3 przeciwko FLUX 3 [large] ani żadnemu innemu modelowi przy dopasowanym środowisku testowym i dopasowanym próbkowaniu poza samym zgłoszeniem do Physics-IQ, a tabela Physics-IQ jest dokładnie tym miejscem, w którym wybór próbkowania — best-of-8 versus pojedyncze generowanie, niestandardowe prompty versus prompty benchmarkowe — przesuwa wynik o dziesięć punktów. Każdy ranking, który nie wymienia swojego wiersza próbkowania, traktuj jako nieinformacyjny.

Jak to zdobyć i co robić w międzyczasie

Obecnie dostępne ścieżki to podgląd w przeglądarce pod adresem experience.odyssey.systems oraz formularz kontaktowy w odyssey.systems służący do uzyskania dostępu do API. To pełna lista; nie ma strony z cennikiem, dokumentacji limitów zapytań ani klucza do samodzielnego uzyskania. Nie możemy też przekierować Cię do Odyssey-3 — nie ma jeszcze wywoływalnego API, na które można by wskazać, więc jakikolwiek komunikat o dostępności kierowany do programistów jest przedwczesny.

Jeśli w rezultacie potrzebujesz czegoś, co możesz wywołać w tym tygodniu, użytecznym posunięciem jest zmiana architektury, a nie redakcja tekstu: trzymaj model za interfejsem, który kontrolujesz, tak aby późniejsze wdrożenie Odyssey-3 było zmianą konfiguracji, a nie przepisaniem kodu. To właśnie przypadek, dla którego istnieją warstwy routingu, i to także właściwy sposób oceny modelu, którego wyniki benchmarków wahają się o dziesięć punktów w zależności od próbkowania — chcesz móc porównać A/B prawdziwy model z twoim dotychczasowym na własnych promptach, na jednym kluczu, bez drugiej umowy. OrcaRouter umieszcza ponad 200 modeli za jednym punktem końcowym, przekazuje cenę katalogową dostawcy bez narzutu, przy 0% marży, i automatycznie przełącza się awaryjnie między dostawcami — co ma największe znaczenie dokładnie w sytuacji, w jakiej znajduje się Odyssey-3: model, którego jeszcze nie możesz dostać, obok modeli, które możesz.

Na co konkretnie zwracać uwagę — i to w kolejności od tego, jak bardzo zmieniłoby to odpowiedź: opublikowana cena i klucz samoobsługowy; licencja i wydanie wag albo wyraźne stwierdzenie, że żadne z nich się nie pojawi; specyfikacja liczby klatek na sekundę i czasu trwania od Odyssey, a nie z kolumny rankingu; oraz pojawienie się Odyssey-3 w opublikowanych wynikach samego WorldMark, co zamieniłoby samodzielnie prowadzony ranking w ranking sprawdzalny. Dopóki nie pojawią się przynajmniej pierwszy i ostatni z tych elementów, trafny opis Odyssey-3 to naprawdę interesujący fundamentalny model świata — interaktywny model środowiska, który generuje wideo, a nie generator wideo — z jednym mocnym wynikiem benchmarku strony trzeciej przy próbkowaniu best-of-8, znacznie skromniejszym przy własnych promptach tego benchmarku i całkowitym brakiem jakiejkolwiek oferty komercyjnej.