Odyssey-3 vs MiniMax H3: A diferença é um download

Em 3 de agosto de 2026, os pesos de um modelo de vídeo 2K chegaram ao Hugging Face sob um nome que qualquer pessoa pode baixar e executar: MiniMax H3. Seis semanas depois, em 15 de setembro, a Odyssey publicou uma página de pesquisa para o Odyssey-3 — um modelo de mundo de base que controla braços robóticos, um carro, um drone e três videogames — e colocou uma frase onde ficaria o link de download: ele será lançado publicamente "nas próximas semanas". Essas duas frases são toda a comparação. Um desses modelos pode estar no seu cluster ainda esta noite, no seu próprio silício, sob uma licença que você pode ler. O outro não pode ser comprado, alugado ou baixado por ninguém fora do laboratório dele, e a empresa não disse quando isso vai mudar. Essa assimetria não é uma nota de rodapé do confronto. É o confronto.

O que o MiniMax H3 realmente lhe oferece

H3 foi anunciado em 31 de julho de 2026 e teve seu código aberto em 3 de agosto. É um modelo geral, e não um gerador de vídeo de tarefa única: lê texto, imagens, vídeo e áudio como contexto, e gera vídeo de até 15 segundos em até 2K com áudio estéreo nativo a 32 kHz e 24 quadros por segundo. Seis proporções de tela são suportadas (de 21:9 a 9:16), e o diálogo é suportado de forma estável em onze idiomas. Existem duas variantes publicadas da base aberta — H3-Base-FL2VA para geração de texto para vídeo e de primeiro quadro, último quadro ou primeiro e último quadro, e H3-Base-Ref2VA, que aceita até nove imagens, três clipes de vídeo e três clipes de áudio, limitado a doze arquivos de entrada.

A parte que importa para essa comparação é onde a metade aberta termina. O sistema H3 completo é um pipeline de três estágios: o H3-Context-IR pré-processa e orquestra o contexto, o H3-Base gera em 768p, e o H3-Regenerate-2K eleva o resultado para 2K. Apenas os pesos do H3-Base são públicos, e eles são distribuídos sob a MiniMax H3 Community License, e não sob Apache ou MIT — uma licença com condições associadas, que vale a pena ler antes que ela acabe em um pipeline comercial. O estágio Context-IR e o módulo de regeneração para 2K rodam do lado da MiniMax. Então, "pesos abertos" aqui compra o meio do pipeline. Uma equipe que baixa o H3-Base e o hospeda por conta própria obtém geração de vídeo em 768p e nenhum caminho para 2K sem chamar o fornecedor.

O que o Odyssey-3 oferece a você em vez disso

O que o Odyssey-3 oferece, em vez disso, é uma alegação e um conjunto de demonstrações. A Odyssey o descreve como um modelo de mundo de base, e o detalhe arquitetônico que publicou é específico o bastante para ser verificável posteriormente: um transformer de difusão autorregressivo treinado em uma grande coleção de observações visuais do mundo, que, segundo a empresa, produz uma compreensão aprendida de física, dinâmica, causa e efeito e comportamento humano. A adaptação de tarefas é feita acoplando-se um decodificador de ações treinado em pares observação-ação enquanto o modelo de mundo pré-treinado permanece congelado — uma pequena política lê as representações do modelo congelado em vez de ajustar finamente o próprio modelo.

As demonstrações abrangem seis encarnações. Braços robóticos, após dezenas de horas de demonstrações, incluindo comportamentos de recuperação que não estavam nos dados de treinamento — reorientar uma garra após uma falha de preensão. Políticas humanoides construídas com Flexion a partir de dezenas de horas de dados de teleoperação, que, segundo a Odyssey, generalizam melhor do que as baselines VLA contra as quais testou, sem publicar um número. Condução em malha fechada aprendida a partir de vinte horas de dados simulados, conduzida na Índia. Voo de drone em ambientes fechados desviando de obstáculos a partir de dados simulados. Ambientes de jogos, incluindo políticas treinadas em Grand Theft Auto V que foram transferidas para Red Dead Redemption 2 e Sleeping Dogs sem treinamento adicional nesses títulos; cerca de duas horas de filmagem de GTA foram suficientes para produzir movimento a cavalo no RDR2. E geração de ambientes para treinar outras IAs, vinculada ao trabalho de aprendizado por reforço PROWL da empresa.

O único número concreto na página é uma comparação com filmagens reais: a Odyssey relata que políticas de condução treinadas em simulação percorreram, entre intervenções do motorista de segurança, cerca de 77% da distância percorrida por políticas treinadas com dados reais. Trata-se de um número divulgado pelo fornecedor, não reproduzido, sem qualquer relatório técnico que o sustente, e nenhum terceiro publicou um resultado sobre o Odyssey-3. É o tipo de número que decide se um modelo de mundo é útil e, atualmente, é apenas a palavra de uma única empresa.

Dois bloqueios que não se parecem em nada

É tentador classificar o MiniMax H3 como "o aberto" e o Odyssey-3 como "o fechado", mas a realidade do licenciamento é mais interessante do que isso — e funciona nos dois sentidos.

O MiniMax H3 é aberto no meio e fechado nas bordas. Você pode ter o gerador em mãos, inspecioná-lo, ajustá-lo finamente e executá-lo sem uma chamada de rede. Você não pode ter em mãos a orquestração de contexto que o torna um modelo geral, e não pode ter em mãos a etapa 2K. Se a alegação de qualidade do seu produto depende da resolução de saída, sua implantação de pesos abertos tem um teto que só a camada hospedada do fornecedor eleva.

A Odyssey-3 é fechada em todos os níveis, e o próprio enquadramento da empresa é o motivo pelo qual isso é estranho. Um modelo de mundo voltado a robôs, drones e veículos é voltado a compradores que executam inferência em hardware que eles controlam — chãos de fábrica, veículos de teste, estruturas de aeronaves. Esses compradores não podem usar um endpoint hospedado para a malha de controle; a latência e a conectividade inviabilizam isso. Portanto, o modelo de negócios para um modelo como esse precisa envolver pesos, ou não terá clientes nos segmentos que a Odyssey continua nomeando. A ausência de uma licença hoje é menos uma declaração de intenção do que uma declaração de que os termos comerciais ainda estão sendo redigidos. A Série B de US$ 310 milhões da Odyssey, anunciada em junho de 2026 com valuation de US$ 1,45 bilhão, com a AWS como nuvem preferencial e o Trainium como substrato de computação, é o contexto no qual esses termos serão decididos.

Dimensão por dimensão

• O que ele produz — MiniMax H3: um clipe renderizado, de 4 a 15s, de até 2K com áudio estéreo. Odyssey-3: um estado de mundo simulado mais ações motoras para hardware conectado.

• O que você pode baixar — MiniMax H3: pesos do H3-Base, licença comunitária, 768p. Odyssey-3: nada; sem pesos, sem licença, sem repositório.

• O que fica com o fornecedor — MiniMax H3: H3-Context-IR e H3-Regenerate-2K, os dois módulos que o tornam geral e o tornam 2K. Odyssey-3: tudo.

• Preço — MiniMax H3: tarifas publicadas por segundo, cerca de US$ 0,08 em 768p e US$ 0,13 em 2K, mais US$ 0,05 por segundo de saída regenerada (dados do fornecedor). Odyssey-3: nenhuma publicada em lugar algum.

• Disponibilidade — MiniMax H3: aberto desde 3 de agosto de 2026, chamável agora. Odyssey-3: anunciado em 15 de setembro de 2026, "nas próximas semanas", sem data.

• Evidência de terceiros — MiniMax H3: ficou em primeiro lugar em edição de vídeo e em segundo ou terceiro em texto para vídeo e imagem para vídeo em avaliações de terceiros. Odyssey-3: um único número do fornecedor e nenhuma execução externa.

Se você precisar construir algo este mês

A consequência prática é que apenas uma dessas duas é uma decisão sobre a qual você pode agir. O MiniMax H3 é roteado no OrcaRouter como minimax/minimax-h3 ao preço de tabela do provedor, com 0% de markup — então a tarifa do fornecedor é a tarifa que você paga, e quando a MiniMax altera um número, sua fatura muda junto no mesmo dia, em vez de na renovação. Isso importa mais em um modelo de vídeo por segundo do que na maioria das coisas, porque a diferença de 768p para 2K é de quase dois para um, e a diferença entre um protótipo e um lançamento pode ser a diferença entre esses dois níveis.

Há um segundo motivo para recorrer a um roteador aqui em vez de uma integração direta com fornecedor. A metade aberta do H3 é genuinamente útil por si só, e as equipes com maior probabilidade de se importar com isso são as que têm GPUs e opiniões sobre elas. Essas equipes acabam em uma configuração mista: H3-Base auto-hospedado para o trabalho de volume, um caminho hospedado para a regeneração em 2K e um ou dois outros modelos para tudo o que o pipeline precisar em torno do vídeo. Uma única chave e failover automático entre provedores vale mais nesse formato do que em uma pilha de modelo único, e a DSL de roteamento compõe os modelos ao redor — um modelo de prompt, um modelo de imagem para o quadro inicial, o modelo de vídeo — em uma única chamada em vez de três integrações.

Odyssey-3, para ser explícito, não é roteado pelo OrcaRouter nem por ninguém mais. Não há endpoint para onde encaminhar nem preço a ser repassado. Este artigo não afirma o contrário.

A pergunta que vale a pena fazer aos dois fornecedores

A MiniMax já respondeu à pergunta interessante sobre o H3, e a resposta é "o meio, em 768p, sob a nossa licença". Se está a avaliar o H3, aquilo que há para testar é se a base aberta mais a sua própria infraestrutura supera a via alojada de 2K no custo por segundo utilizável — e testar isso antes de construir uma alegação de produto com base na saída em 2K.

A Odyssey ainda não respondeu à sua versão. Quando a janela de lançamento se fechar, a primeira pergunta não é um benchmark, é uma licença: qual destas seis encarnações é uma implantação suportada, no hardware de quem, a que preço, e se o decodificador de ações que faz um modelo de mundo congelado acionar um braço robótico é algo que o cliente treina ou algo que a Odyssey entrega. Um modelo de mundo que alcança braços robóticos, humanoides, carros, drones e três jogos com um único backbone é uma alegação de generalidade, e a generalidade é o que o torna um modelo de fundação em vez de uma política — e é exatamente por isso que os termos comerciais, e não o vídeo de demonstração, decidirão quem poderá usá-lo.

Até lá, o placar honesto diz: um modelo que você pode baixar, um modelo que você pode acompanhar. Fique atento primeiro a um repositório e a uma licença, e a um benchmark em segundo lugar — nessa ordem, porque sem os dois primeiros o terceiro é inverificável.

Coloque todo o pipeline por trás de uma única chave de API com failover automático em vez de três integrações separadas.