Odyssey-3 vs Kling 3: Um que você pode chamar hoje, um que não pode

Odyssey-3 e Kling 3 são fáceis de alinhar numa página e difíceis de comparar na prática, porque apenas um deles existe como algo que você pode chamar. Kling 3 é o modelo de geração de vídeo da Kuaishou, lançado em fevereiro de 2026, geralmente disponível por meio da API do fornecedor e do aplicativo Kling e — relevante para os leitores deste blog — roteável pelo OrcaRouter tanto como kling-v3 quanto kling-3-turbo. O Odyssey-3 é o modelo de mundo de base da Odyssey, pré-visualizado em 15 de setembro de 2026, sem preço publicado, sem API e com uma janela de lançamento declarada de "nas próximas semanas". Então, a primeira frase honesta sobre essa comparação é que ela ainda não é uma comparação: um é um produto com medição e preço por segundo que você pode testar hoje à tarde, e o outro é uma prévia de pesquisa com uma capacidade demonstrada e nenhuma forma de comprá-lo. A pergunta útil é para que serve cada um, e se as coisas que o Kling 3 faz bem são coisas que um modelo de mundo algum dia substituiria.

O Kling 3 é um renderizador com um truque de storyboard

O lançamento do Kling 3 em fevereiro de 2026 o colocou na frente do pelotão chinês de geração de vídeo, e seu posicionamento é incomumente concreto. Ele gera de três a quinze segundos por clipe — cinco segundos por padrão — em 720p, 1080p ou 4K, dependendo do nível, a partir de texto, de uma única imagem ou de um par de primeiro e último quadros. O que o separa da maior parte do setor é o modo multi-shot da variante Omni: uma multi_prompt lista de planos cronometrados, cada um com seu próprio prompt, permite planejar uma sequência de cortes em uma única geração, em vez de emendar clipes gerados separadamente e torcer para que a iluminação combine. Áudio nativo — fala sincronizada, som ambiente, efeitos, com suporte a sotaques regionais em vários idiomas — é gerado na mesma passagem e pode ser desativado.

Seus pontos fortes documentados são movimento humano e controle de movimento, condicionamento de imagem para vídeo e renderização de texto legível na tela: sinalização, logotipos, rótulos de produtos que sobrevivem à geração. Seus pontos fracos documentados são igualmente específicos — mãos e dedos, simulação física e de múltiplos objetos, consistência de múltiplos personagens ao longo de um clipe e tempos de geração que variam de cerca de dois a quinze minutos, dependendo da duração e da complexidade.

Vale a pena parar naquela última linha de fraquezas, porque é exatamente a linha visada pelo Odyssey-3. O Kling 3 tem dificuldade com interação física entre múltiplos objetos; toda a tese do Odyssey-3 é que prever o próximo estado de uma cena força um modelo a aprender como os objetos interagem. Não são alegações concorrentes sobre o mesmo recurso. Pede-se ao Kling 3 que simule física de forma convincente o bastante para que um espectador não perceba; pede-se ao Odyssey-3 que acerte a física para que um controlador possa confiar nela.

O preço que você pode realmente medir

As tarifas oficiais do Kling 3 são publicadas por segundo e começam em valores baixos: US$ 0,084 por segundo em 720p, US$ 0,112 em 1080p e US$ 0,42 em 4K, com o áudio nativo acrescentando cerca de 50% em 720p e 1080p (US$ 0,126 e US$ 0,168, respectivamente) e sem custo adicional em 4K. Esses números são do fornecedor e correspondem às tarifas do nível de entrada. Os preços de provedores independentes, medidos por minuto de saída, ficam bem acima do que esses números por segundo sugerem, então a leitura honesta é que o Kling 3 é barato para começar e consideravelmente menos barato quando você avança para níveis mais altos de resolução e áudio — verifique o valor por minuto para a sua própria configuração, em vez da tarifa divulgada em destaque. O lado do consumidor funciona com um sistema de créditos, com níveis que vão de uma cota diária gratuita até um plano Ultra de US$ 127,99 ou mais, com o nível gratuito limitado a 720p com marca d'água e sem uso comercial.

A Odyssey-3 não tem preço algum. Isso não é uma omissão pequena — é toda a diferença nesta comparação. Uma equipe consegue calcular o custo de cem clipes do Kling 3 antes de gerar um deles. Uma equipe não consegue calcular o custo de nada na Odyssey-3, porque não há nada a partir do que calculá-lo. Observe também que, se esses dois algum dia aparecerem lado a lado comercialmente, provavelmente não serão cobrados da mesma forma: a geração de vídeo mede segundos de resultado, enquanto modelos de mundo do tipo que a Odyssey descreve tendem a medir horas de simulação, porque o comprador é um loop de treinamento, e não uma fila de renderização.

Odyssey-3 está perseguindo uma coluna diferente

Odyssey-3 é um transformer de difusão autorregressivo treinado em observação visual, e a capacidade no centro do anúncio é um decodificador de ações aprendido — um componente que traduz a representação interna que o modelo tem de uma cena nos comandos motores de que um hardware específico necessita. A Odyssey relata que a mesma arquitetura principal controla braços robóticos a partir de dezenas de horas de demonstrações (incluindo movimentos de recuperação não solicitados, como reorientar uma garra após uma preensão falhada), políticas humanoides construídas com Flexion executadas em tempo real, condução em circuito fechado a partir de 20 horas de dados simulados, voo de drone em ambientes interiores com desvio de obstáculos, e sessões de Grand Theft Auto V que se transferem para Red Dead Redemption 2 e Sleeping Dogs sem treino adicional de políticas nesses títulos. O único número comparativo da empresa é que políticas de condução treinadas em simulação percorreram, entre intervenções do motorista de segurança, cerca de 77% da distância percorrida por políticas treinadas em filmagens reais.

Nenhuma dessas alegações foi reproduzida, não existe um relatório técnico do Odyssey-3, e nenhum terceiro publicou um número. A variação entre seis modalidades é a alegação interessante; a ausência de uma tabela de benchmark é o motivo para encará-la com reservas.

O contraste, dimensão por dimensão

• O que produz — Kling 3: um clipe renderizado, de até 15s, em até 4K. Odyssey-3: um estado de mundo simulado mais ações motoras.

• Estrutura de planos — Kling 3: storyboard de múltiplos planos por meio da lista de prompts temporizados da variante Omni. Odyssey-3: uma única geração contínua, sem conceito de corte.

• Áudio — Kling 3: nativo, sincronizado, multilíngue, opcional, com preço +50% abaixo do 4K. Odyssey-3: nenhum; não é um gerador de mídia.

• Preço — Kling 3: $0,084/s em 720p, $0,112/s em 1080p, $0,42/s em 4K (fornecedor; áudio extra abaixo de 4K). Odyssey-3: não publicado.

• Acesso — Kling 3: disponibilidade geral desde fevereiro de 2026 por meio da API e do aplicativo do fornecedor, e roteado no OrcaRouter. Odyssey-3: somente pré-visualização, "nas próximas semanas".

• Evidência — Kling 3: doze meses de uso público e documentação de preços de terceiros. Odyssey-3: apenas demonstrações do fornecedor.

Onde o OrcaRouter realmente se encaixa — e aqui não é uma nota de rodapé

Por uma vez, esta não é uma seção sobre a pilha ao redor. O Kling 3 é um dos modelos atendidos pelo OrcaRouter, como kling-v3 e kling-3-turbo, então a comparação entre os dois níveis do Kling acontece em uma única chave em vez de dois contratos de fornecedores, e você pode testar ambos sem escrever uma segunda integração. O preço é repassado a preço de tabela do provedor com 0% de margem, o que importa mais do que o normal em um modelo com uma tarifa por segundo publicada e uma sobretaxa de áudio: quando o fornecedor altera um número, sua fatura acompanha no mesmo dia em vez de na renovação. O failover automático entre provedores significa que uma fila de geração não trava porque um endpoint está degradado — e endpoints de geração de vídeo se degradam com frequência suficiente para que isso seja uma preocupação de agendamento, não teórica. Para pipelines que precisam de vários modelos, a DSL de roteamento compõe um modelo de prompt, um modelo de imagem para o quadro inicial e o modelo de vídeo em uma única chamada, que é aproximadamente o formato de qualquer fluxo de trabalho real de vídeo.

Odyssey-3, em contrapartida, não é servido pelo OrcaRouter nem por ninguém, e este artigo não afirma que seja. Ainda não há nada para rotear.

O veredito

Se você precisa de vídeo neste trimestre, o Kling 3 é a resposta e a comparação já acabou — ele tem preço definido, está disponível e pode ser roteado, e sua taxa publicada de 720p de US$ 0,084 por segundo torna o nível de entrada acessível para iterar. Seu modo de múltiplos planos é uma vantagem real de fluxo de trabalho em relação à geração de clipe único, e suas fraquezas conhecidas em física de múltiplos objetos importam menos para o trabalho que a maioria das equipes realmente faz, que é vídeo de formato curto, no qual o espectador não vai fazer uma verificação de física.

Se você precisa de um controlador que funcione em hardware, o Odyssey-3 é o que está apontado para o seu problema e ainda não há nada para comprar. A razão concreta para se importar é a amplitude: um conjunto de pesos alcançando braços, humanoides, um carro, um drone e três jogos é uma alegação sobre generalidade, e generalidade é o que faz um modelo ser um modelo de fundação em vez de uma política. A razão concreta para esperar é que ninguém fora da Odyssey o executou. Fique atento a um preço e a uma avaliação independente, nessa ordem.