Odyssey-3 против Google Veo 3.1: физика переднего края против десяти месяцев производства

Сравнение Odyssey-3 и Veo 3.1 на самом деле — это сравнение двух дат. Veo 3.1 общедоступна с 17 ноября 2025 года — десять месяцев использования в продакшене, опубликованная цена за секунду, нативный 4K и серверный стек, который как минимум один раз прошёл корпоративную проверку. Odyssey-3 была представлена Odyssey в предварительной версии 15 сентября 2026 года, не имеет опубликованной цены, документации API, независимого бенчмарка, а срок выпуска — «в ближайшие недели». Всё равно стоит поставить их рядом, потому что причина, по которой их упоминают вместе, реальна: Veo 3.1 создаёт красивое видео, а Odyssey-3 пытается симулировать мир, который ведёт себя корректно под управлением. Это два разных продукта, которые команды продолжают смешивать под словом «видео», и разрыв между ними — именно там, где и принимается решение о покупке.

Что вы получаете за десять месяцев отгрузки

Преимущество Veo 3.1 — не функция, а время, которое уже прошло. Модель доступна платящим клиентам с октября 2025 года в статусе предварительной версии и с 17 ноября — как GA-продукт, при этом 31 марта 2026 года был добавлен уровень Lite, а 2 апреля — бесплатный уровень. Эта история порождает то, чего не может дать предварительная версия: документированную поверхность API, устоявшийся набор режимов отказа, которые практики уже нанесли на карту, и кривую затрат, которую финансовая команда может смоделировать.

Спецификация отражает ту же зрелость. Veo 3.1 генерирует в 720p, 1080p и нативном 4K, при 24 кадрах в секунду, с нативной длительностью 4, 6 или 8 секунд, при этом более длительные результаты заявлены в 1080p, а также с цепочкой расширения сцены сверх этого. Он принимает до трёх референсных изображений для согласованности персонажа и сцены, а также управление seed и негативным промптом. Выходные данные содержат метаданные происхождения SynthID и C2PA. Для работы с брендами, в телевещании или на больших экранах нативный 4K — это единственная возможность, которой у большинства конкурентов просто нет — и именно поэтому Veo 3.1 продолжает выигрывать проекты, которые он не выигрывает по цене.

Настройка звука по умолчанию, которая незаметно искажает каждое сравнение

Veo 3.1 генерирует нативное стереоаудио 48 кГц — диалоги, окружающий звук, фоли — совместно с изображением, и это по-настоящему одна из его сильнейших сторон. Однако в API параметр audio по умолчанию отключён, а генерация без звука стоит дешевле генерации со звуком. По опубликованному Google тарифу Standard это выходит примерно $0,20 за секунду без звука против примерно $0,40 за секунду со звуком. Отсюда следуют два вывода. Во-первых, фактическая цена клипа Veo целиком зависит от флага, который большинство людей никогда не меняет, так что цифры «$0,20 за секунду» и «$0,40 за секунду» могут быть одинаково верны для одной и той же модели. Во-вторых, что менее очевидно, это означает, что множество прямых сравнительных тестов, которые вы читали, сталкивали беззвучный Veo 3.1 с конкурентами, у которых звук всегда включён, а затем оценивали их в рейтинге, учитывающем звук. Если в вашем результате должен быть звук, честная цифра для планирования — та, что указана для режима со звуком.

Что на самом деле утверждает Odyssey-3

Odyssey-3 — это не лучший генератор видео, и он на это не претендует. Это авторегрессионный диффузионный трансформер, обученный на визуальном наблюдении за миром, и центральная возможность анонса — это декодер действий — «обучаемый выходной компонент, прикреплённый к модели мира», который преобразует внутреннее представление сцены модели в моторные команды для конкретного оборудования. Odyssey сообщает, что он управляет роботизированными руками на основе десятков часов демонстраций, управляет гуманоидными политиками, построенными с помощью Flexion, в реальном времени, создаёт путевые точки вождения с обратной связью из замороженного бэкбона, обученного на 20 часах симулированных данных, летает на дронах внутри помещений вокруг препятствий и играет в Grand Theft Auto V с переносом на Red Dead Redemption 2 и Sleeping Dogs без дополнительного обучения политик там. Единственное обнародованное сравнительное число заключается в том, что обученные в симуляции политики вождения проезжали примерно 77% расстояния между вмешательствами водителя безопасности по сравнению с политиками, обученными на реальных видеозаписях.

Заметьте, какого рода это утверждения. Ни одно из них не о том, как выглядит вывод. Все они о том, что может сделать с ним программа, расположенная дальше по потоку от модели.

Размеры, которые не перекрываются

• Выход — Google Veo 3.1: отрендеренный клип, вплоть до нативного 4K, с опциональным стереозвуком 48 кГц. Odyssey-3: смоделированное состояние мира, плюс моторные действия через декодер действий.

• Потребитель — Google Veo 3.1: просмотрщик или редактор. Odyssey-3: контроллер робота, политика вождения или цикл обучения.

• Длина клипа — Google Veo 3.1: нативная длительность 4/6/8 с, дольше при 1080p, а сверх этого — цепочки расширения. Odyssey-3: непрерывный роллаут, без понятия клипа.

• Цена — Google Veo 3.1: ~$0,20/с без звука, ~$0,40/с со звуком в тарифе Standard; тарифы Fast и Lite — ниже. Odyssey-3: цены не опубликованы.

• Доступность — Google Veo 3.1: общедоступна с 2025-11-17. Odyssey-3: представлена в предварительном просмотре 2026-09-15, публичный выпуск «в ближайшие недели».

• Доказательства — Google Veo 3.1: десять месяцев использования в производстве и независимое место в рейтинге. Odyssey-3: демонстрации от вендора, без таблицы бенчмарков, без технического отчёта.

Где заявление о физике действительно окупается — и где нет

Так и тянет предположить, что модель с лучшей физикой делает видео лучше, но Odyssey продаёт не это. Проблема видеокоманды почти никогда не в том, что мир в клипе физически непоследователен, — а в том, что кадр должен быть в 4K, или персонаж должен выглядеть одинаково в трёх разных сетапах, или к готовому материалу нужно прикрепить метаданные о происхождении, прежде чем юристы дадут добро. Veo 3.1 уже сегодня отвечает на эти вопросы. Физически точный симулятор отвечает на другой вопрос: смогу ли я обучить здесь что-то, что будет работать там. Если вы ничего не обучаете, физическая точность Odyssey-3 — это функция, у которой нет покупателя в вашем рабочем процессе.

Там, где эти двое действительно сходятся, — это превизуализация. Режиссёр, который хочет исследовать пространство интерактивно — провести камеру по декорациям, изменить решение по мизансцене, увидеть последствия, — хочет именно того, что даёт модель мира и чего не может дать отрендеренный клип, потому что клип фиксируется в тот самый момент, когда он сгенерирован. Это реальный сценарий использования, и вместе с тем это тот случай, когда ещё не выпущенная предварительная версия пока не является вариантом.

Запуск этого в продакшене без опоры на один эндпоинт

Причина, по которой продакшн-команды заботятся об архитектуре вокруг модели, заключается в том, что видеопайплайн редко ограничивается одним вызовом. Промпт-модель составляет список кадров, модель изображений создаёт начальный кадр, vision-модель сверяет результат с брифом, модель транскрипции обрабатывает закадровый голос. Каждая из них — это зависимость, которая может отказать в два часа ночи, и каждая — отдельная интеграция, если покупать их по отдельности. Перенос этого слоя на единый API для более чем 200 моделей по прайс-листовой цене провайдера с наценкой 0%сворачивает интеграции, а автоматическое переключение при сбоеозначает, что сбой промпт-модели приводит к перенаправлению запросов, а не к остановке очереди рендеринга. DSL маршрутизации здесь значит больше, чем в сценарии с одной моделью, потому что объединение нескольких моделей в один вызов позволяет многоэтапному пайплайну отказывать постепенно, этап за этапом, а не целиком. Чтобы внести ясность в отношении охвата: OrcaRouter не обслуживает Google Veo 3.1 и Odyssey-3, и ни одна из этих моделей недоступна через него.

Кому следует действовать сейчас, а кому — подождать?

Если ваш крайний срок — текущий квартал, а результат — файл, Google Veo 3.1 — это выбор, который можно обосновать, а цена — примерно 0,40 доллара в секунду при 1080p со звуком, меньше на тарифах Fast и Lite — это стоимость модели, которая находится в продакшене достаточно долго, чтобы стать скучной. Сознательно заложите аудиофлаг в бюджет, а не выясняйте о нём потом.

Если ваша задача — это политика, которая должна работать на реальном оборудовании, Odyssey-3 рассчитана на вас, но купить по-прежнему нечего. Дождитесь трёх вещей: опубликованной цены, даты выпуска, которая будет датой, а не временным окном, и одного независимого показателя. Цифра 77% переноса из симуляции в реальность — собственная цифра Odyssey, и пока кто-то за пределами компании не воспроизведёт её, правильная позиция — проявлять интерес, а не строить планы. Тем временем окружающий стек — это та часть, которую вы можете построить, и если строить его так, чтобы новую модель можно было позже встроить, это самая дешёвая позиция, которую можно занимать.