Odyssey-3 vs Luma Ray 3.2: Um mundo para entrar ou um arquivo para fazer a correção de cor

O Luma Ray 3.2 faz algo que quase nada mais na geração de vídeo faz: entrega a você quadros HDR de 10, 12 e 16 bits no padrão ACES2065-1 EXR, que é o formato que um colorista realmente quer e o motivo pelo qual o modelo existe em sua forma atual. O Odyssey-3 faz algo que nenhum modelo de vídeo faz: ele recebe uma ação como entrada e prevê o que o mundo fará em seguida, depois converte essa previsão em comandos motores para um braço robótico, um humanoide, um carro ou um drone. O Luma Ray 3.2, lançado pela Luma AI em 9 de junho de 2026, é uma ferramenta de geração adjacente à finalização com uma API para desenvolvedores. O Odyssey-3, apresentado em prévia pela Odyssey em 15 de setembro de 2026, é um modelo de mundo fundacional ainda não lançado, sem preço e sem data. Compará-los é menos uma competição do que uma forma de perguntar de qual de dois resultados muito diferentes seu pipeline está realmente carente — um quadro com correção de cor, ou um mundo que responde ao controle.

O Ray 3.2 é construído em torno do entregável

O lançamento do Ray 3.2 destaca-se menos pela qualidade de geração do que por onde ele para. Ele gera em 540p, 720p e 1080p, em clipes de 5 ou 10 segundos, em seis proporções de tela cobrindo vertical, quadrado e widescreen, e aceita texto, um quadro inicial, um quadro final ou um vídeo existente para modificação. O caminho HDR é o diferencial, e vem com restrições reais que vale a pena declarar com precisão: saída HDR de 10, 12 e 16 bits em ACES2065-1 EXR está disponível apenas em 720p e 1080p, e apenas para clipes de 5 segundos. A exportação EXR precisa ser solicitada ao ativar o HDR. A saída padrão é MP4. O looping contínuo aplica-se a clipes de 5 segundos. Até 16 keyframes por clipe dão controle em nível de plano que está mais próximo de animação do que de prompt, e o rastreamento de desempenho facial cobre até oito rostos.

Dois outros fatos moldam a decisão de compra. O Ray 3.2 é o primeiro modelo da família Ray com uma API completa para desenvolvedores — os modelos Ray anteriores eram apenas por assinatura — dividida em um nível Build de pagamento conforme o uso e um nível Scale de taxa de transferência reservada com SLA. E ele não gera áudio sincronizado para trabalhos de texto para vídeo ou imagem para vídeo; o áudio sobrevive apenas nos caminhos de modificação e reenquadramento. A Luma realizou sua própria avaliação alegando paridade com o Veo 3 do Google e liderança sobre vários concorrentes, mas essas são comparações feitas pelo fornecedor, sem pontuações numéricas publicadas, e devem ser interpretadas como posicionamento, não como medição.

O Odyssey-3 é construído em torno do controle

O centro de design do Odyssey-3 está na extremidade oposta do pipeline. Trata-se de um transformer de difusão autorregressivo treinado na observação visual do mundo, e seu componente distintivo é um decodificador de ações aprendido — nas palavras da Odyssey, “um componente de saída aprendido acoplado ao modelo de mundo” que traduz a representação interna do modelo nas ações que um determinado hardware exige. A Odyssey relata que o mesmo backbone controla braços robóticos a partir de dezenas de horas de demonstrações, executa políticas humanoides construídas com o Flexion em tempo real, produz waypoints de condução em malha fechada a partir de um backbone congelado treinado com 20 horas de dados simulados, pilota drones em ambientes internos desviando de obstáculos e joga Grand Theft Auto V com transferência para Red Dead Redemption 2 e Sleeping Dogs sem treinamento adicional de política nesses jogos.

O único número comparativo publicado pela Odyssey é que políticas de condução treinadas em simulação percorreram, entre intervenções do motorista de segurança, cerca de 77% da distância percorrida por políticas treinadas com filmagens reais. Não há tabela de benchmark, nem relatório técnico do Odyssey-3, nem avaliação independente, e nenhuma data de disponibilidade além de "nas próximas semanas". É uma prévia, e seu preço é zero porque não pode ser comprado.

O contraste, dimensão por dimensão

• O que é gerado — Luma Ray 3.2: MP4, além de EXR ACES2065-1 de 10/12/16 bits quando o HDR está ativado. Odyssey-3: um estado de mundo simulado mais ações motoras.

• Limite de formato — Luma Ray 3.2: EXR ACES2065-1 em 720p e 1080p, apenas clipes de 5s. Odyssey-3: não é um formato de arquivo; a saída é um rollout.

• Resolução e duração — Luma Ray 3.2: até 1080p, 5s ou 10s (10s apenas em texto para vídeo). Odyssey-3: contínuo, à taxa que a implantação necessitar.

• Áudio — Luma Ray 3.2: nenhum para T2V/I2V; preservado em modify e reframe. Odyssey-3: nenhum; não é um gerador de mídia.

• Preço — Luma Ray 3.2: por vídeo, conforme a resolução, a faixa dinâmica e a duração, com a exportação em HDR e EXR multiplicando o custo do clipe; listagens de terceiros colocam um clipe de 5s em 720p perto de US$ 0,30 e em 1080p perto de US$ 1,20. Odyssey-3: não publicado.

• Disponibilidade — Luma Ray 3.2: lançado em 2026-06-09, níveis de API Build e Scale. Odyssey-3: prévia, "nas próximas semanas."

Entregável versus ambiente

O motivo pelo qual este emparelhamento é instrutivo em vez de arbitrário é que os dois modelos terminam em lugares diferentes. Ray 3.2 termina em um arquivo que vai para um colorista, um compositor ou uma casa de finalização — o caminho EXR existe precisamente para que a imagem gerada consiga passar por correção de cor, composição e nova correção de cor sem se desfazer. Essa é uma decisão de fluxo de trabalho, e é por isso que Ray 3.2 compete mais diretamente com ferramentas de pós-produção do que com outros geradores.

Odyssey-3 não termina de modo algum no sentido de arquivo. Sua saída é um estado simulado que continua em execução, e seu consumidor é um programa. O teste para saber se funcionou não é se os frames parecem corretos, mas se uma política treinada dentro dele é transferida para hardware. Esses são critérios de sucesso diferentes, medidos por pessoas diferentes, e nenhuma quantidade de resolução de um lado ou de outro os torna comparáveis.

Onde elas poderiam se tocar é no caminho da pré-visualização até a finalização. Um modelo de mundo é a ferramenta natural para explorar um espaço de forma interativa — mudar um movimento de câmera, refazer o bloqueio de uma cena, ver a consequência imediatamente, que é exatamente o que um clipe gerado fixo não consegue fazer. Um modelo como o Ray 3.2 é a ferramenta natural para transformar o resultado escolhido em algo entregável em HDR. Hoje esse caminho tem um buraco no meio, porque o Odyssey-3 não está disponível e não produz nenhum formato de arquivo que um pipeline de finalização consuma.

Contornando ambos

Nem o Luma Ray 3.2 nem o Odyssey-3 são atendidos pelo OrcaRouter, e este artigo não afirma que algum deles seja. O que vale notar é quanto de um pipeline como esse não é nenhum dos dois modelos. O modelo de prompt que redige a descrição de um plano, o modelo de visão que confere um quadro em relação ao briefing, o modelo de transcrição que recupera o diálogo de uma faixa de referência — esses rodam o tempo todo, a uma fração do custo por clipe do modelo de vídeo, e são as partes que quebram em horários inconvenientes. Executá-los em uma única API com mais de 200 modelos pelo preço de tabela do provedor, com 0% de markup mantém essa camada em uma única chave e uma única fatura, e o failover automático faz com que um endpoint de prompt degradado seja redirecionado em vez de travar a fila atrás dele. Quando um fornecedor corta o preço de um modelo de vídeo, o repasse faz com que esse corte entre em vigor aqui no mesmo dia — mas para os modelos que nós realmente atendemos, o que hoje não inclui nenhum desses dois.

Pelo que vale a pena esperar cada um

O Ray 3.2 já está disponível, e a razão para escolhê-lo é específica: se o seu resultado final passa por um pipeline de cores, o percurso ACES2065-1 EXR é uma capacidade que a maioria dos geradores simplesmente não oferece, e as restrições de resolução e duração — limite máximo de 1080p, clipes de 5 segundos para HDR, sem áudio nativo — são o preço de entrada. Se precisa de som sincronizado, este é o modelo errado e deve procurar um que o gere.

O Odyssey-3 vale a pena ser assistido por um motivo, e não é nenhuma das dimensões do Ray 3.2. Se um único conjunto de pesos realmente controla braços, humanoides, um carro, um drone e três jogos a partir de dezenas de horas de dados cada um, isso é uma alegação sobre generalidade que nenhum renderizador faz, e é a alegação com o maior potencial no campo atual. O problema é que a evidência para isso, hoje, é o próprio reel de demonstração da Odyssey e um único valor sim-to-real. O que mudaria a leitura não é uma demonstração melhor — é um preço, uma data e um número medido por alguém que não trabalha lá.