Odyssey-3 vs Runway Gen-4.5: Duas apostas nas mesmas duas palavras

O interessante em colocar Odyssey-3 frente a frente com Runway Gen-4.5 é que as duas empresas concordam quanto ao destino e discordam quanto ao caminho. Ambas dizem que o objetivo é um modelo de mundo geral — um sistema aprendido que simula a realidade com precisão suficiente para ser útil. A posição da Runway, declarada sem rodeios por seu CTO, é que se chega lá construindo primeiro um modelo de vídeo muito bom, porque ensinar uma rede a prever pixels diretamente é o caminho mais promissor para a simulação geral. A posição da Odyssey, visível em cada escolha arquitetural que ela publicou sobre o Odyssey-3, é que os pixels são o subproduto e a dinâmica é o ponto central. O Gen-4.5 é a expressão atual mais forte da primeira aposta. O Odyssey-3, anunciado em 15 de setembro de 2026 e prometido para lançamento público "nas próximas semanas", é a segunda aposta declarada como modelo completo. Lidos lado a lado, eles não são realmente concorrentes — são duas respostas à mesma pergunta, e a pergunta é se o caminho para um modelo de mundo passa pela renderização.

A aposta da Runway: ganhar o modelo de mundo renderizando

A Runway não chegou à abordagem de modelo de mundo tarde nem por acidente. Ela lança um modelo que rotula como um modelo de mundo geral — GWM-1, descrito como construído para a simulação da realidade em tempo real, interativo e controlável — e o trata como a camada acima de seus modelos de vídeo, em vez de um substituto para eles. O argumento é uma escada: o mesmo sinal de treinamento que torna um modelo bom em manter uma cena coesa ao longo de dez segundos é o sinal que o ensina como os objetos persistem, como a luz se comporta, como o movimento continua. Fique bom o suficiente nos pixels e a simulação geral surge como consequência.

Gen-4.5 é o patamar atual. Anunciado em 1 de dezembro de 2025 e disponibilizado para assinantes pagantes a partir de 12 de dezembro, é um modelo de texto para vídeo e de imagem para vídeo com as qualidades sobre as quais a Runway construiu a sua reputação: qualidade de movimento, aderência ao prompt, consistência de personagens e temas, e controle de câmera. Os seus limites são declarados com a mesma clareza que os seus pontos fortes. Os clipes duram de dois a dez segundos — dez é o teto, não o padrão. A saída é 720p a 24 ou 25 quadros por segundo em seis proporções de tela. Não há faixa de áudio nem storyboard multi-plano; uma sequência é algo que você monta a partir de gerações separadas. É um renderizador, e é um excelente renderizador, o que é exatamente a afirmação que a sua empresa-mãe precisa que ele seja.

Quanto custa o Gen-4.5 e como a precificação está estruturada

O Runway precifica o Gen-4.5 a 12 créditos por segundo de vídeo gerado. Os créditos são vendidos a um centavo cada, então o valor prático é US$ 0,12 por segundo: um clipe de cinco segundos custa US$ 0,60; um clipe de dez segundos, US$ 1,20. As opções de saída têm sobretaxas na API — sequências ProRes ou PNG acrescentam cinco créditos por segundo, e HDR acrescenta vinte por segundo, subindo para quarenta acima de aproximadamente quatro megapixels. Esses são valores de tabela do fornecedor, e a variação importa mais do que o valor de manchete: um clipe HDR de dez segundos custa mais de três vezes o valor de um clipe comum, então um modelo de custo baseado em US$ 0,12/segundo está errado no momento em que HDR entra na especificação do entregável.

Vale a pena conhecer dois detalhes estruturais antes de definir seu orçamento. Os créditos da API e os créditos da assinatura do app são saldos separados — um plano Standard, Pro ou Max não custeia gerações via API — e a API é assíncrona, então uma tarefa é enviada e consultada por polling em vez de retornada de imediato. Nenhum dos dois é uma crítica; ambos são coisas que as equipes descobrem depois de já terem se comprometido com uma integração. A API também disponibiliza modelos de vídeo de terceiros ao lado dos próprios modelos da Runway, o que significa que uma única chave Runway pode acessar mais do que o catálogo da Runway, se você quiser.

A aposta da Odyssey: o importante não é a imagem

O Odyssey-3 é descrito por seu criador como um modelo de mundo de base que pode capacitar robôs, dirigir carros, treinar IAs, pilotar drones e jogar videogames. Em termos de arquitetura, é um transformer de difusão autorregressivo treinado em uma grande coleção de observações visuais, e a Odyssey afirma que o resultado carrega uma compreensão aprendida de física, dinâmica, causa e efeito e comportamento humano. O detalhe que revela a aposta é como as tarefas são adaptadas: em vez de fazer ajuste fino no modelo, a Odyssey acopla um decodificador de ações treinado em pares observação-ação e mantém o modelo de mundo pré-treinado congelado o tempo todo. Uma pequena política lê a representação interna do modelo congelado e a converte em comandos motores.

Esse design só faz sentido se você acreditar que a representação — não o quadro renderizado — é o ativo. As demonstrações corroboram isso em seis encarnações, todas relatadas pelos fornecedores. Braços robóticos a partir de dezenas de horas de demonstrações, incluindo comportamentos de recuperação que ninguém colocou nos dados, como reorientar uma garra depois de uma pega falhada. Políticas humanoides criadas com Flexion a partir de dezenas de horas de dados de teleoperação, que a Odyssey diz generalizarem melhor do que as linhas de base VLA que testou, sem publicar números. Direção em malha fechada na Índia a partir de vinte horas de dados simulados. Voo de drone em ambientes fechados a partir de dados simulados. Políticas de 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 filmagens de GTA bastaram para o movimento a cavalo em RDR2. E geração de ambientes para treinar outras IAs, ligada ao trabalho de aprendizagem por reforço PROWL da Odyssey.

Um número foi publicado. A Odyssey relata que políticas de condução treinadas em simulação percorreram aproximadamente 77% da distância entre intervenções do motorista de segurança em comparação com políticas treinadas com filmagens reais. Todas as alegações do parágrafo acima não foram reproduzidas, não há relatório técnico e nenhum terceiro executou o modelo. A abrangência em seis corporificações é a alegação interessante; a ausência de uma tabela de benchmark é o motivo para não a tomar como definitiva.

Onde as duas apostas se tornam testáveis

Uma discordância sobre estratégia só é útil se produzir uma previsão, e esta produz. Se a Runway estiver certa — se a fidelidade de renderização é o caminho —, então a qualidade física de um modelo de vídeo deve melhorar em função de quão bom ele é em vídeo, e as duas tabelas de classificação devem se mover juntas. Se a Odyssey estiver certa, deve haver casos em que um modelo que renderiza belamente é inútil e um modelo que renderiza de forma tosca é útil, porque a propriedade útil é se o próximo estado é previsível o suficiente para um controlador agir sobre ele.

Já há um indício de para que lado isso pende, e ele não favorece nenhum dos lados. A própria lista da Runway das fraquezas do Gen-4.5 — a física entre elas — é um lembrete de que um renderizador é otimizado para ser convincente para um espectador, e um espectador é indulgente de maneiras que um loop de controle não é. Enquanto isso, o único número publicado da Odyssey, 77% do desempenho de direção com filmagens reais, é uma perda em relação aos dados reais, não uma vitória. Nenhuma das empresas afirma que o caminho está concluído. O que é diferente é o que cada uma delas mede.

O ponto onde as apostas divergem genuinamente é a corporificação. Nada no design ou no preço do Gen-4.5 contempla um espaço de ação; é uma função de texto ou de uma imagem para um clipe. Nada no material do Odyssey-3 contempla um arquivo entregável; é uma função de um estado do mundo e uma ação para o próximo estado do mundo. Esses são produtos diferentes com compradores diferentes, e nenhuma quantidade de progresso em qualquer um dos lados converte um no outro, porque a interface é o que difere.

Lado a lado

• O que é — Runway Gen-4.5: um renderizador de texto para vídeo e de imagem para vídeo. Odyssey-3: um modelo de mundo que prevê próximos estados e emite ações motoras.

• Como você o aciona — Runway Gen-4.5: um prompt ou uma imagem estática, por meio de uma API assíncrona. Odyssey-3: um decodificador de ações mais uma pequena policy que lê um backbone congelado.

• Saída — Runway Gen-4.5: clipes de 2–10s, 720p, 24/25 fps, seis proporções de tela, sem áudio. Odyssey-3: nenhum entregável renderizado; estados simulados em seis corporificações.

• Preço — Runway Gen-4.5: 12 créditos por segundo, $0,12/segundo, mais 5 créditos/segundo para ProRes ou PNG e 20 para HDR (lista do fornecedor). Odyssey-3: não publicado, sem termos comerciais anunciados.

• Maturidade — Runway Gen-4.5: no mercado desde dezembro de 2025, com API consolidada e cobertura de terceiros. Odyssey-3: anunciado em 15 de setembro de 2026, lançamento público "nas próximas semanas".

• Evidência — Runway Gen-4.5: oito meses de resultados públicos. Odyssey-3: um único número do fornecedor, nenhuma execução independente.

Nenhum destes está na nossa chave, e essa é a versão honesta.

O OrcaRouter não roteia nenhum dos dois modelos, e este texto não vai fingir o contrário: o Runway Gen-4.5 é servido pela própria API do Runway, e o Odyssey-3 não tem endpoint nenhum. O que o ângulo de roteamento realmente oferece de útil em uma comparação como esta é o pipeline ao redor deles. Um fluxo de trabalho realista com o Gen-4.5 não é um único modelo — é um modelo de prompt que expande um briefing, um modelo de imagem que produz o primeiro quadro, o próprio modelo de vídeo e algo a jusante para pontuar ou legendar a saída. Compor tudo isso em uma única chamada por meio da DSL de roteamento, em uma única chave, ao preço de tabela do provedor com 0% de markup, é a parte da stack que o OrcaRouter pode realmente tirar das suas costas hoje. O failover automático importa aqui por um motivo corriqueiro: APIs de vídeo assíncronas fazem polling, as filas se acumulam, e um pipeline que trava em um endpoint degradado trava até o entregável final.

Quando o Odyssey-3 for lançado, a questão de roteamento será diferente e mais difícil. Um modelo cujo argumento de venda é rodar em hardware que você possui não é, de modo algum, um candidato óbvio a roteamento, e a pergunta interessante para um roteador será o que o cerca — as ferramentas de sim-to-real, o treinamento de políticas, a avaliação — em vez da própria chamada ao modelo.

Quem tem razão é uma questão para 2027.

Se você precisa de vídeo neste trimestre, o Gen-4.5 é a resposta e não há nada a ponderar: ele tem preço definido, documentação e oito meses de uso público, e a US$ 0,12 por segundo, o custo de descobrir se ele serve para o seu trabalho é pequeno. Orce as taxas adicionais e o saldo separado de créditos da API, e trate o teto de dez segundos como uma restrição de projeto rígida, e não como um número que você vai contornar.

Se você está construindo um controlador — qualquer coisa em que um modelo treinado tenha de dizer ao hardware o que fazer em seguida —, o Gen-4.5 não entra na conversa a preço nenhum, e o Odyssey-3 é o que mira o seu problema sem nenhuma forma de obtê-lo. A razão concreta para se importar é o resultado do backbone congelado: se um único modelo pré-treinado consegue comandar braços, humanoides, um carro, um drone e três jogos por meio de um pequeno decodificador, isso é uma afirmação sobre quanto entendimento físico é transferível, e é a alegação que faria dos modelos de mundo uma camada de fundação em vez de uma política por tarefa. A razão concreta para esperar é que ninguém fora da Odyssey o executou.

O que observar, por ordem: um relatório técnico, depois uma licença, depois uma terceira parte a reproduzir o valor de 77% no seu próprio hardware. A estrada da Runway e a estrada da Odyssey terminam ambas num modelo de mundo geral. Só uma delas tem, atualmente, uma cabine de portagem a que se pode chegar a pé.

Encaminhe o modelo de prompt, o modelo de imagem e o modelo de vídeo através de um único endpoint com failover automático em vez de três integrações.