Odyssey-3 vs Kling 3: Jednego możesz wywołać już dziś, drugiego nie

Odyssey-3 i Kling 3 łatwo ustawić obok siebie na stronie, a trudno porównać w praktyce, ponieważ tylko jeden z nich istnieje jako coś, co można wywołać. Kling 3 to model generowania wideo firmy Kuaishou, wydany w lutym 2026 r., ogólnie dostępny przez API dostawcy i aplikację Kling, a — co istotne dla czytelników tego bloga — można go kierować przez OrcaRouter jako zarówno kling-v3 i kling-3-turbo. Odyssey-3 to fundacyjny model świata Odyssey, pokazany w podglądzie 15 września 2026 r., bez opublikowanej ceny, bez API i z podanym oknem wydania „w nadchodzących tygodniach”. Zatem pierwsze szczere zdanie o tym starciu jest takie, że to jeszcze nie starcie: jeden to produkt rozliczany z ceną za sekundę, który możesz przetestować jeszcze dziś po południu, a drugi to podgląd badawczy z zademonstrowaną możliwością i bez sposobu na jego kupienie. Przydatne pytanie brzmi, do czego służy każdy z nich i czy rzeczy, które Kling 3 robi dobrze, są czymś, co model świata kiedykolwiek by zastąpił.

Kling 3 to renderer ze sztuczką ze storyboardem

Premiera Kling 3 w lutym 2026 roku wysunęła go na czoło chińskiej stawki generatorów wideo, a jego pozycjonowanie jest wyjątkowo konkretne. Generuje od trzech do piętnastu sekund na klip — domyślnie pięć sekund — w rozdzielczości 720p, 1080p lub 4K w zależności od planu, na podstawie tekstu, pojedynczego obrazu lub pary pierwszej i ostatniej klatki. To, co odróżnia go od większości konkurencji, to tryb wieloujęciowy wariantu Omni: multi_prompt, czyli lista ujęć z ustalonym czasem, z których każde ma własny prompt, pozwala zaplanować sekwencję cięć w ramach jednej generacji, zamiast sklejać osobno wygenerowane klipy i liczyć, że oświetlenie będzie pasować. Natywne audio — zsynchronizowana mowa, dźwięki otoczenia, efekty, z obsługą akcentów regionalnych w kilku językach — jest generowane w tym samym przebiegu i można je wyłączyć.

Jego udokumentowane mocne strony to ruch człowieka i kontrola ruchu, warunkowanie obrazu do wideo oraz renderowanie czytelnego tekstu na ekranie: szyldów, logotypów, etykiet produktów, które przetrwają generowanie. Jego udokumentowane słabe strony są równie konkretne — dłonie i palce, symulacja fizyki i wielu obiektów, spójność wielu postaci w całym klipie oraz czas generowania wynoszący od około dwóch do piętnastu minut, w zależności od długości i złożoności.

Na tym ostatnim wierszu słabości warto się zatrzymać, ponieważ to dokładnie ten wiersz, w który celuje Odyssey-3. Kling 3 zmaga się z fizyczną interakcją między wieloma obiektami; cała teza Odyssey-3 głosi, że przewidywanie następnego stanu sceny zmusza model do nauczenia się, jak obiekty oddziałują ze sobą. To nie są konkurencyjne twierdzenia na temat tej samej cechy. Od Kling 3 oczekuje się, że przekonująco podrobi fizykę na tyle, by widz tego nie zauważył; od Odyssey-3 oczekuje się, że odda fizykę poprawnie, aby kontroler mógł na niej polegać.

Cena, którą naprawdę możesz zmierzyć

Oficjalne stawki Kling 3 są podawane za sekundę i zaczynają się nisko: 0,084 USD za sekundę przy 720p, 0,112 USD przy 1080p i 0,42 USD przy 4K, a natywne audio dodaje około 50% przy 720p i 1080p (odpowiednio 0,126 USD i 0,168 USD) i nie kosztuje nic dodatkowo przy 4K. Te liczby pochodzą od dostawcy i są to stawki najniższego poziomu. Ceny niezależnych dostawców śledzone w przeliczeniu na minutę materiału wyjściowego są znacznie wyższe niż sugerują te liczby za sekundę, więc uczciwa interpretacja jest taka, że Kling 3 jest tani na start, ale znacznie mniej, gdy wchodzisz na wyższe poziomy rozdzielczości i audio — sprawdź kwotę za minutę dla własnej konfiguracji, a nie stawkę nagłówkową. Oferta konsumencka działa w oparciu o system kredytów, z poziomami od darmowego dziennego limitu po plan Ultra za 127,99 USD lub więcej, przy czym darmowy poziom jest ograniczony do 720p ze znakiem wodnym i bez możliwości wykorzystania komercyjnego.

Odyssey-3 nie ma w ogóle ceny. To nie jest drobne przeoczenie — to cała różnica w tym porównaniu. Zespół może obliczyć koszt stu klipów Kling 3, zanim wygeneruje choćby jeden z nich. Zespół nie może obliczyć kosztu niczego w Odyssey-3, bo nie ma z czego go wyliczyć. Warto też zauważyć, że jeśli te dwa kiedykolwiek pojawią się obok siebie komercyjnie, prawdopodobnie nie będą rozliczane w ten sam sposób: generowanie wideo rozlicza sekundy materiału wyjściowego, podczas gdy modele świata tego rodzaju, jaki opisuje Odyssey, zwykle rozliczają godziny symulacji, ponieważ nabywcą jest pętla treningowa, a nie kolejka renderowania.

Odyssey-3 ściga inną kolumnę

Odyssey-3 to autoregresyjny transformer dyfuzyjny trenowany na obserwacjach wizualnych, a kluczową zdolnością ogłoszoną w komunikacie jest wyuczony dekoder akcji — komponent, który tłumaczy wewnętrzną reprezentację sceny modelu na polecenia silnikowe wymagane przez konkretny sprzęt. Odyssey informuje, że ten sam szkielet steruje ramionami robotów na podstawie dziesiątek godzin demonstracji (w tym spontanicznych ruchów naprawczych, takich jak przekierowanie chwytaka po nieudanym chwycie), politykami humanoidalnymi zbudowanymi z Flexion działającymi w czasie rzeczywistym, jazdą w pętli zamkniętej na podstawie 20 godzin symulowanych danych, lotem drona wewnątrz pomieszczeń z omijaniem przeszkód oraz sesjami Grand Theft Auto V, które przenoszą się na Red Dead Redemption 2 i Sleeping Dogs bez dodatkowego trenowania polityki w tych tytułach. Jedyną porównawczą liczbą podaną przez firmę jest to, że polityki jazdy trenowane na symulacji pokonywały między interwencjami kierowcy bezpieczeństwa około 77% dystansu pokonywanego przez polityki trenowane na prawdziwych nagraniach.

Żadne z tych twierdzeń nie zostało odtworzone, nie istnieje raport techniczny Odyssey-3 i żadna strona trzecia nie opublikowała liczby. Rozrzut między sześcioma realizacjami to ciekawe twierdzenie; brak tabeli benchmarków jest powodem, by traktować je z rezerwą.

Kontrast, wymiar po wymiarze

• Co generuje — Kling 3: wyrenderowany klip, do 15 s, w rozdzielczości do 4K. Odyssey-3: symulowany stan świata plus działania motoryczne.

• Struktura ujęć — Kling 3: storyboardowanie wieloujęciowe za pomocą listy czasowanych promptów wariantu Omni. Odyssey-3: pojedyncze ciągłe generowanie bez koncepcji cięcia.

• Audio — Kling 3: natywne, zsynchronizowane, wielojęzyczne, opcjonalne, w cenie o 50% niższej niż 4K. Odyssey-3: brak; nie jest generatorem mediów.

• Cena — Kling 3: 0,084 USD/s przy 720p, 0,112 USD/s przy 1080p, 0,42 USD/s przy 4K (od dostawcy; dźwięk dodatkowo płatny poniżej 4K). Odyssey-3: niepublikowane.

• Dostęp — Kling 3: ogólna dostępność od lutego 2026 przez API i aplikację dostawcy oraz kierowany przez OrcaRouter. Odyssey-3: tylko w wersji zapoznawczej, „w nadchodzących tygodniach”.

• Dowody — Kling 3: dwanaście miesięcy publicznego użytkowania i dokumentacja cenowa stron trzecich. Odyssey-3: wyłącznie demonstracje dostawcy.

Gdzie OrcaRouter faktycznie pasuje — i nie jest tu przypisem

Wyjątkowo to nie jest sekcja o otaczającym stosie. Kling 3 to jeden z modeli obsługiwanych przez OrcaRouter, jako kling-v3 i kling-3-turbo, więc porównanie dwóch poziomów Kling odbywa się na jednym kluczu, a nie na dwóch umowach z dostawcą, i możesz przetestować oba bez pisania drugiej integracji. Ceny są przekazywane po cenie katalogowej dostawcy z 0% marży, co ma większe znaczenie niż zwykle w przypadku modelu z publikowaną stawką za sekundę i dopłatą za dźwięk: gdy dostawca zmieni liczbę, Twój rachunek zmienia się tego samego dnia, a nie dopiero przy odnowieniu. Automatyczne przełączanie awaryjne między dostawcami oznacza, że kolejka generowania nie zatrzymuje się z powodu degradacji jednego punktu końcowego — a punkty końcowe generowania wideo degradują się wystarczająco często, by było to kwestią planowania, a nie teoretyczną. W przypadku potoków wymagających kilku modeli DSL routingu łączy model promptów, model obrazu dla klatki początkowej i model wideo w jedno wywołanie, co w przybliżeniu odpowiada kształtowi każdego rzeczywistego przepływu pracy z wideo.

Odyssey-3 z kolei nie jest obsługiwany przez OrcaRouter ani przez nikogo innego, a ten artykuł nie twierdzi, że jest. Nie ma jeszcze niczego, do czego można by kierować ruch.

Werdykt

Jeśli potrzebujesz wideo w tym kwartale, Kling 3 jest odpowiedzią, a porównanie jest już rozstrzygnięte — ma ustaloną cenę, jest dostępny i można go routować, a jego opublikowana stawka 720p wynosząca 0,084 USD za sekundę sprawia, że poziom wejściowy jest przystępny dla iteracji. Jego tryb wieloujęciowy to prawdziwa przewaga w przepływie pracy nad generowaniem pojedynczych klipów, a jego znane słabości w fizyce wielu obiektów mają mniejsze znaczenie dla pracy, którą większość zespołów faktycznie wykonuje, czyli krótkich form wideo, w których widz nie przeprowadzi kontroli fizyki.

Jeśli potrzebujesz kontrolera, który działa na sprzęcie, Odyssey-3 jest tym, co celuje w twój problem, a wciąż nie ma czego kupić. Konkretny powód, by się tym interesować, to szerokość zakresu: jeden zestaw wag obsługujący ramiona, humanoidy, samochód, drona i trzy gry to twierdzenie o ogólności, a ogólność jest tym, co czyni model modelem fundamentalnym, a nie polityką. Konkretny powód, by poczekać, jest taki, że nikt poza Odyssey go nie uruchomił. Wypatruj ceny i niezależnej oceny — w tej kolejności.