PAN 2 vs Odyssey 3: O Único Modelo de Mundo Aqui Com Etiqueta de Preço Também Divulga Seu Pior Número

Duas afirmações sobre raciocínio físico, publicadas com três semanas de diferença, e a diferença entre elas não é a pontuação. O PAN 2 é o modelo de mundo de pesos abertos de 29 bilhões de parâmetros do Institute of Foundation Models — pesos Apache-2.0 em 7 de outubro de 2026, código em 5 de novembro, suporte Day-0 ao vLLM-Omni em 10 de novembro — que renderiza até vinte segundos de vídeo em 704×1248 a 24 quadros por segundo a partir de um quadro inicial e de uma ação descrita. O Odyssey 3 é o transformer de difusão autorregressivo de aproximadamente 14 bilhões de parâmetros da Odyssey, lançado como uma prévia de pesquisa gratuita em 8 de outubro de 2026, a cerca de $0.139 por vídeo gerado no nível básico e $0.267 no Pro. Um é um checkpoint baixável sem preço. O outro é um produto cobrado por uso sem pesos. E o motivo de este pareamento merecer um artigo, e não um parágrafo, é que o pago publicou uma ressalva de benchmark que a maioria dos laboratórios teria enterrado, enquanto o gratuito não foi avaliado em benchmark por ninguém.

Essa inversão é a parte útil. O instinto é ler "pesos abertos" como "mais transparente" e "API comercial" como "mais marketing". Aqui funciona ao contrário, e entender por quê diz mais sobre como avaliar modelos de mundo em 2026 do que qualquer posição em ranking.

O que a Odyssey publicou, incluindo a parte que lhe custa um ponto

O Odyssey 3 Pro reportou 66,1 no Physics-IQ Verified, um benchmark de raciocínio físico de vídeo para vídeo, e o descreveu como estado da arte. O método por trás desse número é a parte interessante: ele veio de uma única execução usando seleção dos oito melhores, enquanto as próprias regras do benchmark exigem quatro execuções com um desvio padrão reportado. Sem seleção, a média das quatro execuções foi de 63,37.

Ambos os números são da Odyssey. O intervalo de 2,73 pontos entre eles é o preço de escolher a melhor de oito amostras e chamá-la de pontuação, e o fato de os dois números existirem publicamente é mais transparência do que a categoria costuma oferecer. Na própria métrica do benchmark de melhoria líquida em relação à média do track, o Odyssey 3 Pro fica em segundo lugar, com +11,15 pontos percentuais, atrás do FLUX 3 [large], com +12,27. No WorldMark, a própria avaliação da Odyssey, ele fica em primeiro em três das quatro categorias — 77,2 em primeira pessoa estilizada, 79,0 em terceira pessoa real, 76,3 em terceira pessoa estilizada — e em terceiro em primeira pessoa real, com 80,6, atrás de Lyra 2.0, com 84,4, e de AlayaWorld, com 83,0.

Leia esses números da forma como um comprador deveria lê-los e três coisas decorrem disso. Primeiro, o modelo é genuinamente competitivo: ficar em segundo lugar na própria medida de melhoria do benchmark não é um artifício de marketing. Segundo, ele não vence a categoria em que é comercializado, e sua própria avaliação o diz em uma de quatro trilhas. Terceiro, e mais útil, a disposição do fornecedor de publicar um número selecionado e a média não selecionada lado a lado é um sinal sobre como ler tudo o mais que eles publicam.

Agora aplique a mesma lente ao PAN 2. A IFM publicou consideravelmente mais avaliação do que a maioria dos lançamentos de modelos de vídeo — 300 casos de ação única em seis categorias de capacidade; 100 tarefas egocêntricas de várias etapas formuladas das duas maneiras, 200 prompts e 456 etapas, pontuadas em conclusão de etapa e conclusão do plano completo ao longo de três sementes; Physics-IQ Verified no cenário de imagem para vídeo, normalizado de modo que a variância entre duas tomadas reais seja igual a 100; PhyGround numa escala de cinco pontos julgada pelo Qwen3.8-27B; RBench como uma média não ponderada sobre cinco categorias de tarefa e quatro categorias de corporificação; e um estudo humano cego de comparação par a par com 140 prompts, com treze avaliadores produzindo 1.400 comparações, Elo ajustado por Bradley–Terry e centrado em 1500. O que a IFM não publicou é uma ressalva de seleção, porque, pelo que a ficha mostra, não havia nada a partir do que selecionar: os números são reportados como saída do harness.

Ambos não foram auditados. Apenas um deles é comparável a qualquer outra coisa, porque a Odyssey executou um benchmark público e os números principais do PAN 2 vêm de um harness privado. Essa distinção — benchmark versus harness — vale mais do que as próprias pontuações.

Dois produtos, dois tipos de atrito

É no preço que a comparação é mais fácil de enunciar e mais difícil de agir.

Preço unitário — o Odyssey 3 custa aproximadamente US$ 0,139 por vídeo gerado em 832×480 no plano base e cerca de US$ 0,267 em 1280×720 no Pro; o PAN 2 não tem preço unitário porque não há serviço hospedado, apenas pesos e uma conta de GPU.

O custo real — o preço do Odyssey 3 é o custo total de um clipe; o do PAN 2 é a máquina: treze segundos de vídeo em 704×1248 levam cerca de 119 segundos em quatro B300s, com oito H200s em BF16 como padrão documentado.

• Fricção de acesso — o Odyssey 3 tem uma demonstração gratuita no navegador que qualquer pessoa pode abrir, e acesso à API por formulário de contato, sem chaves de autoatendimento e sem tabela de preços publicada; o PAN 2 tem 86,17 gigabytes em sessenta arquivos sob Apache-2.0, sem restrições e sem necessidade de conversa.

• Pesos — O Odyssey 3 não publica nenhum e não tem licença para leitura; os do PAN 2 são Apache-2.0, sem exigência de atribuição, sem limite de usuários e sem restrição de campo de uso.

• Velocidade no harness — o Odyssey 3 roda a 16 quadros por segundo em 832×480, destilado em poucos passos para que uma pessoa possa comandar em tempo real; o PAN 2 roda a 24 quadros por segundo ao longo de cinquenta passos do amostrador com guidance 2.5.

Junte essas cinco linhas e os dois produtos são voltados para compradores diferentes. O Odyssey 3 tem preço pensado para quem quer clipes e não quer ter um data center — uma equipe de conteúdo, um grupo de pesquisa que executa algumas milhares de gerações, qualquer pessoa cuja economia unitária seja por resultado. O PAN 2 tem preço pensado para quem já tem o nó, porque, para todos os outros, a licença ser gratuita é a coisa menos importante nele.

O número que falta dos dois lados é o mesmo, e não é o preço. Nenhum dos dois fornecedores publica uma taxa de sucesso para aquilo com que os compradores realmente se importam. A Odyssey executou uma política de condução, um braço robótico e um humanoide dentro dos mundos gerados por ela, e o detalhe dessas demonstrações vale a pena ser lido com atenção — mas o número de que um comprador precisa não está em nenhuma delas: nenhuma taxa de sucesso na tarefa de estrada, nenhuma linha de base em comparação com o treinamento no mundo real, nenhuma ablação mostrando qual parte do mundo gerado fez o trabalho.

O número equivalente do PAN 2 é pior e público. A ficha do modelo afirma que cerca de dois em cada três planos simulados contêm pelo menos uma etapa que não é executada. Esse é um número condenatório para qualquer pessoa que espera entregar a saída a um robô, e também é a frase mais útil de ambos os lançamentos, porque informa a taxa de falha daquilo sobre o que você está prestes a construir. Um fornecedor que publica uma taxa de falha de dois em três e um fornecedor que não publica taxa alguma não são igualmente informativos, e aquele com o número ruim é aquele em torno do qual você pode planejar.

O que cada um realmente gera, e por que a diferença é arquitetural

O Odyssey 3 é um transformer de difusão autorregressivo com cerca de 14 bilhões de parâmetros, treinado com vídeos da internet, gravações de gameplay com entrada alinhada temporalmente e interações simuladas de corpos rígidos, e depois destilado em um modelo de poucos passos para que uma pessoa possa navegar pela saída em tempo real: você descreve um ambiente por prompt, percorre-o em primeira ou terceira pessoa com controle independente de câmera e dispara eventos conforme avança. Os níveis diferem apenas no que você pode ver — 832×480 no nível base por cerca de US$ 0,139 por vídeo e 1280×720 no Pro por cerca de US$ 0,267 — com uma variante Flash por trás da demonstração gratuita no navegador que qualquer pessoa pode abrir sem conta.

PAN 2 é um renderizador em lote com um modelo de linguagem dentro dele. Um raciocinador conceitual escreve o próximo estado do mundo como uma descrição estruturada e ancorada no tempo, um codificador de texto Qwen3.5-9B congelado transforma isso em features de condicionamento, um transformer de difusão de 29B preenche o detalhe perceptual, e um VAE Wan 2.2 decodifica vinte segundos de 704×1248 a 24 quadros por segundo. Não há loop interativo: uma chamada, um clipe, nenhum feedback dentro da chamada. O que existe, em vez disso, é um contrato — a skill de reescrita de prompt, um prompt negativo fixo e um validador que verifica as legendas contra o orçamento do codificador de 1.480 tokens soft e 1.536 hard, com o card admitindo que os estudos de caso do agente dependiam de prompts refinados manualmente.

Essa diferença decide para que os dois servem muito mais do que o preço. O Odyssey 3 é feito para uma pessoa em um ambiente: gerar, olhar em volta, ajustar, gerar de novo. O PAN 2 é feito para uma máquina fazendo uma pergunta: se eu fizer isto, o que acontece, e um verificador preferiria uma opção diferente? Os amostradores codificam a intenção — oito etapas destiladas para um, cinquenta etapas com orientação em 2,5 a cada etapa para o outro — e a falha que cada um documenta também.

Nenhuma das duas empresas transformou a demonstração em uma medição.

Ambos os lançamentos se apoiam em evidências em vídeo de uma política aprendendo dentro de um mundo gerado, e nenhum dos dois publicou o número que daria sustentação a essa evidência.

A Odyssey treinou uma política de condução com cerca de 20 horas de dados reais de estradas indianas, com um backbone congelado dentro dos seus mundos gerados, e mostrou separadamente manipulação com braço robótico aprendida a partir de dezenas de horas de demonstrações, incluindo comportamentos de recuperação que não estavam nos dados de treino, políticas de humanoides construídas com Flexion, navegação de drones e uma política treinada em GTA V a transferir-se para Red Dead Redemption 2. A transferência de jogo para jogo é o argumento mais forte a favor de um modelo de mundo em vídeo geral como substrato de treino, porque, se uma política consegue aprender com gravações de um jogo e funcionar noutro, o modelo captou algo sobre dinâmica e não sobre pixels. O que falta é qualquer taxa de sucesso publicada na tarefa de estradas indianas, qualquer linha de base contra o treino no mundo real e qualquer ablação que mostre qual parte do mundo gerado fez o trabalho.

O PAN 2 não tem uma demonstração de política desse tipo, e tem algo que o Odyssey não tem: uma taxa de falha publicada. Cerca de dois em cada três planos simulados contêm pelo menos uma etapa que não é executada. A ficha dele também admite que simular planos que deveriam falhar é, nas suas próprias palavras, ainda não medido — o que importa para um substrato de treinamento, porque um mundo que só renderiza sucesso ensina a uma política que tudo funciona.

Alinhe essas duas admissões e a lacuna na categoria se torna visível. Uma empresa demonstrou transferência e não mediu confiabilidade. A outra mediu um modo de falha e não demonstrou transferência. Nenhuma delas é o estudo de que um comprador precisa, ou seja, os dois modelos em uma mesma tarefa, com uma única política e uma única métrica, executados vezes suficientes para que o desvio padrão seja menor que a lacuna.

O que os caminhos de acesso lhe custam em tempo, e não em dinheiro

O atrito do Odyssey 3 é uma conversa. Há uma prévia pública gratuita de pesquisa no navegador, acesso à API por formulário de contato, nenhuma chave de autoatendimento, nenhuma tabela de preços publicada por token ou por clipe além dos valores dos níveis, nenhum peso aberto e nenhuma licença para ler. Para uma equipe que quer comparar um modelo com sua própria carga de trabalho nesta tarde, esse é um obstáculo diferente de um preço: você pode experimentar a demonstração e pode falar com vendas, e nenhum dos dois fornece um harness reproduzível.

O atrito do PAN 2 é uma máquina. Os pesos ocupam 86,17 gigabytes em sessenta ficheiros sob Apache-2.0, sem restrições de acesso e sem necessidade de conversa — e depois descobre que a configuração de serving documentada é um nó, que o sampler precisa de cem passagens forward por clipe e que um clipe de vinte segundos a 704×1248 é um problema de descodificação por si só, antes mesmo de se falar de paralelismo. A licença é gratuita e o hardware não é, o que é o mesmo compromisso que toda a categoria de pesos abertos assume e aquele em que os compradores mais vezes se enganam.

Nenhuma das fricções é um defeito. São as duas formas que um lançamento de investigação assume em 2026: um produto com um preço e um formulário, ou um checkpoint com uma licença e uma fatura. Saber qual forma consegue absorver é um filtro mais útil do que qualquer posição num benchmark, e é o filtro que a maioria das equipas aplica por último em vez de primeiro.

Para que servem, respectivamente, um produto de 16 fps e um modelo de pesquisa de 24 fps

Ambas as empresas usam a expressão tempo real, e nenhuma delas se refere à mesma quantidade. O Odyssey 3 a 16 quadros por segundo equivale a 62,5 milissegundos por quadro, rápido o suficiente para que uma pessoa controlando uma câmera não sinta o atraso — é disso que um produto precisa, e é por isso que o modelo é destilado em poucos passos em vez de cinquenta. Os vinte segundos do PAN 2 a 24 quadros por segundo não são interativos de forma alguma; trata-se de uma renderização em lote cujo custo é medido em minutos de nó, e seu propósito é produzir um clipe que um agente ou pesquisador depois inspeciona.

A consequência para quem planeja o trabalho é que os dois são utilizáveis em loops diferentes. O Odyssey 3 se encaixa em um fluxo com humano no loop: gerar, olhar, ajustar, gerar de novo, a um preço baixo o bastante para que iterar seja barato. O PAN 2 se encaixa em um loop automatizado: gerar cinco consequências candidatas, pontuá-las com um verificador, agir sobre a melhor, a um preço alto o bastante para que você pense antes de disparar o lote. Um otimiza para latência por clipe, o outro para fidelidade por clipe, e as configurações do sampler tornam a troca explícita — cinquenta passos com guidance em 2.5 a cada passo são cem forward passes por um transformer de 29B, contra oito passos destilados por um da classe de 8 a 14B.

Há também uma diferença estrutural em para que a saída pode ser usada. Os mundos gerados do Odyssey 3 treinaram uma política de condução e um braço robótico, que é a evidência pública mais forte de que um modelo de mundo de vídeo geral pode servir como substrato de treinamento para controle corporificado. A saída do PAN 2 não fez isso, e sua ficha é explícita ao afirmar que simular planos que deveriam falhar ainda não é medido — o que importa, porque um substrato de treinamento que mostra apenas sucesso ensina uma política de que tudo funciona. As demonstrações do Odyssey também não resolvem isso: uma política treinada em mundos gerados que nunca foi avaliada contra uma linha de base do mundo real é um resultado promissor, não um método validado.

Onde o OrcaRouter se encaixa em ambos os casos é na camada de avaliação, e não na camada de geração, e vale a pena ser preciso. Nem o PAN 2 nem o Odyssey 3 estão em nosso catálogo: um é um modelo de difusão de 29B que você executa no seu próprio nó, o outro é um produto hospedado vendido por meio de um formulário de contato, e nenhum roteador consegue atender a nenhum dos dois. O que pode ser roteado é a maquinaria ao redor deles, que, em ambos os casos, é onde o gasto real se acumula — um juiz de visão-linguagem que pontua clipes gerados com base em uma rubrica, um planejador que transforma uma pergunta de pesquisa em um lote de prompts, um redator de legendas que produz as descrições estruturadas de estado do mundo que o codificador de texto do PAN 2 consome dentro de um orçamento de 1.480 tokens flexíveis e 1.536 rígidos. São milhares de chamadas comuns a um modelo em que cada saída custa um minuto de GPU, que é exatamente o tipo de carga de trabalho em que uma única chave para mais de 200 modelos, preço de tabela do provedor repassado com 0% de margem e failover automático entre provedores deixam de ser uma conveniência e passam a ser a diferença entre um lote que termina e um que morre aos 80%.

Como ler o próximo destes

Três perguntas, em ordem, e nenhuma delas é "qual foi a pontuação".

O número vem de um benchmark público ou de um harness privado? A média de quatro execuções de 63,37 do Odyssey pode ser comparada a outras entradas na mesma pista. Os números de conclusão de etapas do PAN 2 não podem ser comparados a nada, porque ninguém mais executa esse harness. Ambos são legítimos; apenas um é portável.

A pontuação foi selecionada? Um número de melhor de oito e uma média de quatro execuções medem coisas diferentes, e um fornecedor que publica ambos disse-lhe qual deles citar. Um fornecedor que publica apenas o primeiro também lhe disse algo.

Qual é a taxa de falha na tarefa com que você se importa? O PAN 2 responde a isso com dois em cada três planos pulando uma etapa. O Odyssey não responde a isso para o experimento de estrada indiano. A ausência não é desonestidade — ninguém executou o estudo —, mas um comprador que não pergunta está comprando uma demonstração.

Aplicado à escolha à sua frente: o Odyssey 3 é o instrumento acessível. Uma demo gratuita no navegador, um formulário de contato, um preço por clipe que você pode multiplicar e um número de benchmark com um método documentado por trás. Se você precisa experimentar modelos de mundo esta semana e seu orçamento é por clipe, ele é o único dos dois com que você pode começar, e a ressalva é que "acessível" significa uma conversa de vendas em vez de uma chave.

PAN 2 é o instrumento auditável. Pesos, código, uma receita de serving, um contrato de legendas com um orçamento de tokens, um guardrail com números de falsos positivos associados — 11,5% das solicitações benignas de texto para vídeo e 3,3% das solicitações benignas de imagem para vídeo rejeitadas, com a saída insegura de texto para vídeo caindo de 33,9% para 1,5% — e uma seção de limitações que começa pela taxa de falha. Se você tem o hardware e precisa saber como o sistema funciona, em vez de apenas que ele funciona, esta é a versão mais completa da categoria, com uma larga margem.

O que resolveria a comparação é o estudo que nenhuma das empresas realizou: ambos os modelos, uma tarefa, uma política, uma métrica, execuções suficientes para que o desvio padrão seja menor que a diferença. Ninguém o propôs. Até que alguém proponha, o resumo preciso é que o modelo pago publicou um número melhor documentado e o modelo gratuito publicou um pior, e o modelo gratuito é o que você pode verificar.