Apollo World vs Odyssey 3: Duas maneiras de ensinar um carro dentro de um sonho

Odyssey-3 é o único modelo desta comparação com um preço divulgado, então comece por ele: aproximadamente US$ 0,139 por vídeo gerado em 832 por 480, ou US$ 0,267 em 1280 por 720 no nível Pro, lançado como prévia de pesquisa gratuita em 8 de outubro de 2026 e disponível por meio de formulário de contato, em vez de uma chave de autoatendimento. O Apollo World não tem preço, porque a Baidu não divulgou nenhum. A empresa apresentou o modelo em 3 de novembro de 2026 como um simulador orientado por agentes que treina e avalia sua própria frota de robotáxis, e não publicou endpoint, pesos, contagem de parâmetros nem termos comerciais. Ambos são modelos de mundo. Ambos foram demonstrados treinando uma política de condução. Apenas um deles é um produto, e não é o construído pela empresa que opera os carros.

Essa inversão é a história. {{1}}Odyssey{{/1}} é uma startup financiada por capital de risco que vende imaginação em pequenas doses; {{2}}Baidu{{/2}} é uma operadora que usa a imaginação para evitar colocar um motorista de segurança em um carro real. Ambas estão resolvendo o mesmo problema a partir de extremos opostos do mercado.

O que $0.139 realmente compra

O Odyssey-3 é um transformador de difusão autorregressivo de aproximadamente 14 bilhões de parâmetros, treinado em vídeos da internet, gravações de jogabilidade com entrada alinhada temporalmente e interações simuladas de corpos rígidos. Ele é destilado em um modelo de poucos passos para que uma pessoa possa navegar pela saída em tempo real: você fornece um ambiente como prompt e depois se move por ele em primeira ou terceira pessoa, com controle independente de câmera e a capacidade de acionar eventos.

• Nível base — 832 por 480, cerca de US$ 0,139 por vídeo gerado, 16 quadros por segundo no harness de benchmark.

• Nível Pro — 1280 por 720, cerca de US$ 0,267 por vídeo.

• Flash — a variante por trás da demo gratuita no navegador, que qualquer pessoa pode experimentar sem uma conta.

• Acesso — uma pré-visualização pública gratuita de pesquisa no navegador; acesso à API por formulário de contacto; sem chaves de autosserviço, sem tabela de preços por token publicada, sem pesos abertos e sem licença.

A falta de autoatendimento é uma restrição real, não uma nota de rodapé. Você não pode comparar o Odyssey-3 com sua própria carga de trabalho esta tarde como pode com um modelo de pesos abertos. Você pode experimentar a demonstração e falar com a equipe de vendas. Para uma equipe que avalia modelos de mundo como infraestrutura, esse é um tipo diferente de atrito em relação a um preço.

O experimento rodoviário indiano de 20 horas

A demonstração que importa para esta comparação é uma política de condução treinada com cerca de 20 horas de dados reais de estradas indianas com um backbone congelado, dentro dos mundos gerados pela Odyssey. A empresa também mostrou manipulação com braço robótico aprendida a partir de dezenas de horas de demonstrações, incluindo comportamentos de recuperação que não estavam nos dados de treino, políticas humanoides criadas com Flexion, navegação de drones e uma política treinada no GTA V a transferir-se para Red Dead Redemption 2.

Essas demonstrações são o argumento mais forte a favor de um modelo de mundo de vídeo geral como substrato de treinamento: se uma política consegue aprender com gravações de um jogo e transferir para outro jogo, o modelo capturou algo sobre dinâmica, e não sobre pixels. Mas são demonstrações, não medições. Não há taxa de sucesso publicada na tarefa da estrada indiana, nem linha de base contra o treinamento no mundo real, nem ablação mostrando qual parte do mundo gerado fez o trabalho. A afirmação é que é possível. A afirmação não é que seja melhor.

A abordagem da Baidu é a versão industrial da mesma ideia, com a avaliação voltada para dentro. O Apollo World modela cada participante do trânsito como um agente que decide, e não como um figurante que segue um roteiro, de modo que um robotaxi freando ou dando preferência provoca uma reação dos carros e pedestres ao seu redor. Ele gera câmera e lidar em tempo real, para que a pilha em teste perceba a cidade virtual pela mesma interface que usa em uma via. E fecha corridas de ponta a ponta — pedido, embarque, desembarque — entre origens e destinos arbitrários.

A alegação de escala gira em torno de 100.000 quilômetros de direção simulada por dia, o que a Baidu apresenta como aproximadamente três anos de testes contínuos por um carro equipado com motorista de segurança. O contexto operacional é o Apollo Go: 28 cidades, mais de 23 milhões de viagens, 350 milhões de quilômetros autônomos e mais de 240 milhões deles totalmente sem motorista. Todos esses números são da própria Baidu, e nenhum passou por auditoria independente.

A aritmética de benchmark que vale a pena aprender

A Odyssey publicou um número de destaque para o Odyssey-3 Pro no Physics-IQ Verified, um benchmark de raciocínio físico de vídeo para vídeo: 66,1, descrito como estado da arte. A ressalva está no método. Essa pontuação veio de uma única execução usando seleção melhor de oito, enquanto as regras do benchmark exigem quatro execuções com um desvio padrão reportado. Sem seleção, a média das quatro execuções foi 63,37.

Os dois números são da Odyssey. A diferença entre eles — 2,73 pontos — é o custo de escolher a melhor entre oito amostras e chamá-la de pontuação. Na própria métrica do benchmark de melhoria líquida em relação à média do percurso, o Odyssey-3 Pro fica em segundo, com +11,15 pontos percentuais, atrás do FLUX 3 [large], com +12,27. No WorldMark, a avaliação própria da Odyssey, o modelo está em primeiro em três de quatro categorias — 77,2 em primeira pessoa estilizada, 79,0 em terceira pessoa real, 76,3 em terceira pessoa estilizada — e em terceiro em primeira pessoa real, com 80,6, atrás de Lyra 2.0, com 84,4, e AlayaWorld, com 83,0.

Nada disso é um escândalo. Publicar um número de melhor de oito e a média das quatro execuções, como fez a cobertura da Odyssey, é mais transparência do que a maioria dos laboratórios oferece. Mas é o motivo pelo qual uma comparação entre Odyssey-3 e Apollo World em pontuações de benchmark não é possível: um lado tem números com um método documentado e uma disputa sobre a seleção, e o outro não tem número nenhum. A tabela honesta teria uma coluna de valores e uma coluna de travessões, e uma tabela com uma coluna de travessões não é uma comparação.

Duas definições de tempo real

Ambos os modelos afirmam operar em tempo real, e as duas afirmações não se referem à mesma grandeza. O Odyssey-3 roda a 16 quadros por segundo em seu ambiente de benchmark a 832 por 480 — rápido o suficiente para uma pessoa guiar uma câmera pelo mundo sem esperar, que é o que o produto precisa. O Apollo World é construído em torno de um ciclo de decisão de um trigésimo de segundo, cerca de 33 milissegundos, porque um veículo rodoviário em movimento não pode esperar mais do que isso para agir.

Dezesseis quadros por segundo equivalem a 62,5 milissegundos por quadro. Isso não é uma crítica ao Odyssey, que não alega ser um simulador de veículo; é uma ilustração de quão diferentemente os dois sistemas são especificados. Um modelo que um humano explora pode dar-se ao luxo de estar um pouco atrasado. Um modelo que fecha um ciclo de controle com um carro de duas toneladas não pode.

A mesma divisão aparece na persistência. A avaliação da própria Odyssey a coloca em terceiro lugar em cenas do mundo real em primeira pessoa, e a deriva de longo horizonte é a falha clássica do vídeo autorregressivo: o mundo lentamente deixa de corresponder a si mesmo. A Baidu lista a persistência como uma de três propriedades graduadas e a define como a ausência de deriva em objetos e detalhes ao longo de execuções longas, o que é uma especificação escrita por alguém que observou uma simulação se degradar ao longo de dez horas.

Quem pode usar qual, e quanto custa

O Odyssey-3 já pode ser usado hoje por qualquer pessoa com um navegador e por qualquer pessoa por meio de uma conversa com vendas. A US$ 0,139 a US$ 0,267 por vídeo, a economia unitária é clara para trabalho de conteúdo e para pesquisas que precisam de alguns milhares de clipes. É um produto comercial com um plano gratuito, e a ausência de pesos abertos é uma escolha deliberada, não um descuido.

O Apollo World não é utilizável por ninguém fora da Baidu hoje. Não há indicação no material de 3 de novembro de que isso mude, e a divulgação foi enquadrada inteiramente em torno dos próprios testes e validação do Apollo Go.

As comparações de preços entre os dois, portanto, não são equivalentes em nenhuma dimensão. A Odyssey cobra por vídeo gerado; a Baidu não cobra de ninguém. E, para os modelos que oferecemos, a regra da OrcaRouter é a mais simples — 0% de margem, preço de tabela do provedor repassado, de modo que uma alteração de preço do fornecedor passa a valer no mesmo dia. O Odyssey-3 não está nesse catálogo, portanto não há taxa de repasse a citar, e este artigo não vai inventá-la.

O veredito, tal como é

Se você quer treinar uma política na imaginação neste trimestre e não trabalha na Baidu, o Odyssey-3 é o instrumento mais acessível, com a ressalva de que “acessível” significa uma demonstração e um formulário de contato. Sua demonstração de política de condução é a evidência pública mais diretamente relevante de que um modelo de mundo de vídeo geral pode servir como substrato de treinamento para controle incorporado, e a disposição da empresa de publicar tanto o número principal quanto a média das quatro execuções é um ponto a seu favor.

Se você está especificando um simulador em vez de comprá-lo, a rubrica 2+3 do Apollo World é o artefato mais valioso: causalidade, interatividade, precisão física, persistência e latência sob complexidade. Pergunte à Odyssey, ou a qualquer fornecedor, como o modelo deles pontua em persistência ao longo de uma execução de dez horas, e se o número do benchmark de física foi selecionado ou calculado pela média. As respostas lhe dirão mais do que qualquer posição em um ranking.

O que resolveria a comparação seria um terceiro executando ambos na mesma tarefa de condução, com a mesma política e a mesma métrica. Ninguém fez isso, e nenhuma das empresas propôs. Até lá, o resumo preciso é uma startup vendendo imagens de sonho por clipe e uma operadora usando sonhos para manter seus carros fora da estrada — ideias semelhantes, modelos de negócios opostos e nenhum placar compartilhado.