Odyssey-3 vs ByteDance Seedance 2: Um Ambiente no Qual Você Age contra um Clipe que Você Assiste

Coloque Odyssey-3 e B​yteDance Seedance 2 lado a lado e a primeira coisa que se percebe é que eles não estão competindo pela mesma solicitação. Odyssey-3, lançado pela Odyssey em 8 de outubro de 2026, gera um ambiente a partir de um prompt e então continua prevendo-o em tempo real enquanto você se move por ele ou aciona um evento — é um simulador com uma câmera que você dirige. B​yteDance Seedance 2 é um gerador de clipes com uma cadeira de diretor: entram referências de texto, imagem, áudio e vídeo, sai um vídeo finalizado, de até quinze segundos, gerado em uma única passagem e entregue como um objeto fixo. Um deles tem uma entrada de controle; o outro tem uma linha do tempo. A comparação vale a pena mesmo assim, porque os dois estão convergindo para o mesmo comprador e porque fazem apostas opostas sobre onde reside o valor de um modelo generativo de vídeo.

Há um único placar compartilhado, e ele é mais frágil do que parece. O próprio Seedance 2 não aparece no Physics-IQ Verified, o quadro da Anates Labs e da DeepMind que avalia quão bem um modelo prevê experimentos físicos reais. Já o Seedance 2.5, o sucessor de 31 de julho de 2026, aparece. Portanto, o único número de terceiros que coloca algo desta família ao lado do Odyssey-3 é uma comparação entre duas gerações de modelos de um dos lados, o que vale a pena declarar antes que alguém o cite como uma disputa justa.

Os dois mecanismos

Odyssey-3 é um transformer de difusão autorregressivo. A descrição do próprio Odyssey: um modelo de difusão de vídeo em várias etapas, estendido de forma autorregressiva com teacher forcing e mascaramento causal, de modo que continua a partir de observações anteriores e prevê estados futuros condicionados a entradas de ação; em seguida, uma etapa de pós-treinamento de correspondência de distribuição e destilação adversarial produz uma variante de poucos passos, rápida o suficiente para permitir interação. A saída não é uma cena que se desenrola; é uma cena que responde. A pré-visualização expõe navegação em primeira pessoa, navegação em terceira pessoa e movimento de câmera independente — três formas diferentes de pressionar a mesma previsão e observar o que ela faz.

B​yteDance Seedance 2 é um modelo unificado de geração conjunta de áudio e vídeo multimodal. Ele aceita texto, imagem, áudio e vídeo como referências e gera o clipe em uma única passagem, de até quinze segundos, com áudio gerado conjuntamente em vez de dublado depois. A página da B​yteDance descreve referências de imagem, áudio e vídeo como controle sobre atuação, iluminação, sombra e movimento de câmera, o que é a linguagem da produção, e não da simulação: você está especificando um plano, não conduzindo um mundo. Lançado em 12 de fevereiro de 2026, tornou-se viral em poucos dias com clipes de atores reais e filmes existentes — e foi isso também que provocou a tempestade de direitos autorais, com notificações de cessação e desistência da Disney e da Netflix, condenação da Motion Picture Association e do SAG-AFTRA, e uma carta de março de 2026 de dois senadores dos EUA pedindo que a B​yteDance o encerrasse. A B​yteDance disse em fevereiro de 2026 que estava fortalecendo as salvaguardas. Esse histórico faz parte da especificação do modelo se você estiver lançando algo comercial.

Dimensão por dimensão

• O que ela gera — um ambiente interativo no qual você age, sobre um clipe fixo de até quinze segundos. Tudo o que está a jusante desta linha muda.

• Superfície de controle — navegação ao vivo e eventos durante a geração, em contraste com prompt e referências de imagem, áudio e vídeo especificadas desde o início. Um deles é guiado durante a geração; o outro é direcionado antes dela.

• Áudio — o Seedance 2 o gera em conjunto com o vídeo, no mesmo modelo. O material de lançamento do Odyssey-3 não diz absolutamente nada sobre áudio.

• Resolução — O Odyssey-3 roda a 832×480, com o Odyssey-3 Pro a 1280×720. A página da B​yteDance para o Seedance 2 não publica uma resolução de saída, e o valor de 1080p que circula pertence à linha anterior do Seedance 1.0.

• Custo — o Odyssey-3 está listado a $0,139 por vídeo gerado na coluna de custo normalizado do Physics-IQ, e o Odyssey-3 Pro a $0,267, ambos excluindo o tratamento do prompt. O Seedance 2 não publica nenhum preço de tabela por segundo ou por clipe que pudéssemos verificar; o seu sucessor, Seedance 2.5, está listado no mesmo quadro a $2,838 por vídeo.

• Pontuação independente — nenhum dos modelos teve sua própria geração submetida a uma comparação direta por terceiros. Os resultados publicados do Seedance 2.0 são do SeedVideoBench-2.0 interno da ByteDance; os do Odyssey-3 são uma submissão a benchmark mais uma avaliação conduzida pelo fornecedor em um conjunto de dados de terceiros.

• Pesos — fechados dos dois lados. A Odyssey não lançou nenhum checkpoint, e a Seedance nunca foi aberta.

• Postura comercial — Odyssey-3 é uma prévia de pesquisa com um formulário de contato para acesso à API e sem lista de preços. Seedance 2 é vendido pelas próprias plataformas da ByteDance e, fora da China, pelo CapCut como Dreamina Seedance 2.0.

O único número que realmente os compara

O Physics-IQ Verified pontua os modelos pela melhoria líquida em plausibilidade física em relação à média do track, em pontos percentuais, e registra qual conjunto de prompts foi usado. Nos próprios prompts do benchmark, o Seedance 2.5 está em sétimo lugar, com +3,59 pp, e um custo normalizado de US$ 2,838 por vídeo. O Odyssey-3, no mesmo conjunto de prompts, está em oitavo lugar, com +2,15 pp, a US$ 0,129 por vídeo. Leia com atenção: isso é uma diferença de 1,44 ponto a favor do Seedance e uma diferença de custo de aproximadamente vinte e duas vezes em desfavor dele.

As linhas em destaque do Odyssey-3 usam uma coluna diferente. Quando enviado com prompts personalizados, o Odyssey-3 marca +9,99 p.p. e o Odyssey-3 Pro, +11,15 p.p. — terceiro e segundo lugares no ranking, atrás do FLUX 3 [large], com +12,27 p.p. A mesma família de modelos aparece duas vezes no mesmo ranking, sob dois regimes de prompt diferentes, com pontuações muito diferentes, o que é a coisa mais útil para se entender sobre como ler este ranking: o número é em parte uma característica do modelo e em parte uma característica de quem escreveu o prompt.

A Odyssey também reporta 66,1 na categoria de vídeo para vídeo para o Odyssey-3 Pro, a maior pontuação que reivindica, e 54,7 para o Odyssey-3 Pro em imagem para vídeo. Ambos são a leitura do próprio fornecedor de um ranking ao qual se submeteu, não uma execução independente.

Onde cada um realmente se destaca

Se o seu problema é "preciso de um plano", o design do Seedance 2 responde exatamente a isso: referências multimodais significam que você pode entregar a aparência do ator, a base de áudio e o movimento de câmera, e obter um clipe finalizado com som. Nada na prévia do Odyssey-3 faz isso, e nada em seu material de lançamento sugere que fará. O teto de quinze segundos é uma restrição real, mas um rollout de modelo de mundo de cinco segundos sem áudio também é.

Se o seu problema é "preciso de saber o que acontece a seguir", a troca funciona ao contrário. Não se pode pedir um contrafactual ao Seedance 2 — você recebe um clipe, e para ver outro desfecho é preciso fazer o prompt de novo e obter um clipe sem qualquer relação. Toda a premissa do Odyssey-3 é que o estado seguinte depende da ação que você acabou de tomar, e é isso que o torna utilizável para uma política de condução, um braço robótico ou um ambiente de treino em que a sequência importa mais do que o plano.

As evidências de precisão física favorecem o Odyssey-3 no mecanismo, mesmo onde a coluna de pontuação não o faz: o modelo está sendo avaliado em continuações após uma perturbação, que é a mesma capacidade que a prévia interativa está vendendo. O +3,59 pp do Seedance 2.5 no mesmo ranking é um resultado forte para um gerador de clipes e, notavelmente, melhor que o do Odyssey-3 no conjunto de prompts correspondente — por isso, o resumo honesto é que o modelo de vídeo da ByteDance é mais fisicamente plausível do que um modelo de vídeo teria qualquer direito de ser, e não que o Odyssey-3 tenha sido superado no seu próprio jogo.

Chegando a qualquer um dos dois

Nenhum dos dois modelos pode ser chamado daqui hoje. O OrcaRouter não hospeda o Odyssey-3 nem o B​yteDance Seedance 2 — o Odyssey-3 não tem preço publicado para que alguém possa roteá-lo, e o Seedance é vendido através das próprias plataformas da B​yteDance.

O que uma única chave OrcaRouter alcança é o resto da pilha de vídeo: MiniMax-H3 a US$ 0,08 por segundo de saída em 768P, a linha de vídeo K​ling a US$ 0,084 a US$ 0,28 por requisição, e mais de 200 modelos no total, todos pelo preço de tabela do fornecedor com 0% de markup, de modo que uma mudança de preço de um fornecedor fica visível na sua fatura no mesmo dia, e não apenas na renovação. O failover automático mantém uma varredura de avaliação ativa quando um upstream se degrada, e a DSL de roteamento coloca vários modelos de vídeo por trás de uma única interface, de modo que testar um novo gerador é uma mudança de configuração em vez de uma integração. Quando um desses dois abrir um endpoint self-serve, é nesse formato que você deve encaixá-lo.

O que assistir

Duas coisas mudariam esta comparação mais do que qualquer atualização de benchmark. A primeira é o áudio: se a próxima geração do Odyssey-3 gerar som conjuntamente da forma como o Seedance faz, o "ambiente em que você age" deixa de ser uma categoria mais restrita. A segunda é um harness independente — um terceiro executando Seedance 2.0 e Odyssey-3 lado a lado nos mesmos clipes, em vez de um aparecer num placar ao qual o outro nunca foi submetido. Até então, a leitura correta do Odyssey-3 em relação ao ByteDance Seedance 2 é que eles não são dois candidatos para o mesmo trabalho. Eles são duas respostas para perguntas diferentes, e a pergunta que você está fazendo escolhe o modelo para você.