Odyssey-3 против Grok Imagine Video: API видео с оплатой по факту использования против симулятора без указанной цены

Grok Imagine Video поставляется с прайс-листом, но без возможности управлять им. Odyssey-3, открытая Odyssey 8 октября 2026 года в качестве публичного исследовательского превью, поставляется с возможностью управления и вообще без прайс-листа. Именно эта асимметрия, а не какая-либо строка в таблице бенчмарков, — настоящая форма этого противостояния: xAI продаёт сгенерированное видео посекундно с опубликованным тарифом для каждого разрешения, тогда как Odyssey-3 поставляется в виде интерактивной модели мира, которой можно управлять в браузере и которую пока нельзя купить. Одну из них вы можете встроить в продукт уже сегодня днём. Другую вы можете только оценивать.

Они также расходятся во мнениях о том, для чего нужна генерация видео, и это расхождение проявляется на страницах вендоров. Документация G​rok Imagine Video начинается с референсных изображений, закреплённых кадров, речи с синхронизацией по губам и голосовых референсов — это словарь контроля продакшена. У Odyssey-3 во главе — среда, которая предсказывает, что произойдёт дальше, по мере того как вы по ней перемещаетесь или запускаете событие. Оба — диффузионные генераторы, создающие видео. За пределами этого предложения пересечений почти нет.

Что представляет собой каждый

Odyssey-3 — это авторегрессионный диффузионный трансформер. Odyssey описывает его как многошаговую модель видеодиффузии, расширенную авторегрессионно с помощью teacher forcing и причинного маскирования, так что он продолжает с предыдущих наблюдений и предсказывает будущие состояния, обусловленные входными действиями, а затем дистиллируется посредством сопоставления распределений и состязательной дистилляции в малошаговый вариант, способный к взаимодействию в реальном времени. Он работает при 832×480, а Odyssey-3 Pro — при 1280×720, а публичная предварительная версия даёт доступ к навигации от первого лица, навигации от третьего лица и независимому управлению камерой. Аудио отсутствует.

G​rok Imagine Video — это видеомодель x​AI в Imagine API. Текущее поколение — G​rok Imagine Video 1.5; в примечаниях к выпуску x​AI указано, что она поддерживает преобразование текста в видео, изображения в видео и референса в видео с опциональными предустановленными голосами и нативным 1080p для первых двух — при этом функция текст-в-видео под капотом реализована как текст-в-изображение с последующим изображение-в-видео. Она принимает до четырнадцати референсных изображений и три голосовых референса, поддерживает закреплённые кадры и синхронизированную с губами речь, а тарифицируется за каждую секунду сгенерированного результата. Более ранняя grok-imagine-video, всё ещё документированная и всё ещё имеющая цену, оценивается в $0.05 в секунду при 480p и $0.07 при 720p, при этом входное видео тарифицируется по $0.01 в секунду, а входные изображения — по $0.002.

Тарифная сетка — это то, на что действительно можно ориентироваться при планировании.

• Цена — G​rok Imagine Video тарифицируется посекундно: $0.05/сек при 480p и $0.07/сек при 720p у оригинальной модели, а G​rok Imagine Video 1.5 — от $0.08/сек для 480p, 720p и 1080p. G​rok Imagine Video 1.5 Lite — от $0.02/сек при разрешении до 1080p и длительности до пятнадцати секунд. У Odyssey-3 вообще нет опубликованной цены; его единственные публичные показатели стоимости — нормализованные оценки из таблицы лидеров: $0.139 за сгенерированное видео для Odyssey-3 и $0.267 для Odyssey-3 Pro.

• Десятисекундный клип, если посчитать, — $0,50 при 480p или $0,70 при 720p в G​rok Imagine Video; $0,80 в G​rok Imagine Video 1.5; $0,20 на тарифе Lite. Odyssey-3 нельзя оценить таким способом, потому что нельзя купить десять секунд этого.

• Разрешение — G​rok Imagine Video 1.5 нативно поддерживает 1080p для преобразования текста в видео и изображения в видео. Odyssey-3 ограничивается 1280×720 в тарифе Pro.

• Длительность — G​rok Imagine Video 1.5 Lite достигает пятнадцати секунд. Единица Odyssey-3 — не клип; это сеанс, ограниченный тем, как долго превью сохраняет связность своих прогнозов.

• Аудио — Grok Imagine Video генерирует речь с синхронизацией губ и принимает голосовые референсы. Odyssey-3 не генерирует ничего.

• Управление — референсные изображения, закреплённые кадры, первый и последний кадр, а также голосовые референсы — все указаны до генерации. В противовес живой навигации и событиям, происходящим в середине генерации. У G​rok — авторинг; у Odyssey-3 — взаимодействие.

• Доступность — самостоятельный API-ключ уже сегодня для Grok Imagine Video. Контактная форма и предпросмотр в браузере для Odyssey-3.

Куда их помещает совет по физике

Physics-IQ Verified, бенчмарк от Anates Labs и DeepMind, который оценивает продолжения реальных физических экспериментов, в настоящее время ранжирует 41 модель, и обе из них присутствуют в нём — что делает его единственной сторонней площадкой, где эти две вообще можно сравнить.

• G​rok Imagine Video — 13-е место, чистое улучшение −4,04 п.п. относительно среднего по треку, на собственных промптах бенчмарка, 24 fps, нормализованная стоимость $0,352 за видео.

• Odyssey-3 — 8-е место на том же наборе промптов при +2,15 п.п. и $0,129, а также 3-е место на пользовательских промптах при +9,99 п.п.

Разрыв не мал, и это не артефакт разрешения: таблица лидеров нормализует стоимость к 24 кадрам/с и выходному видео шириной 1280 там, где это позволяют входные данные, и указывает режим промпта для каждой строки. Отрицательный показатель чистого улучшения не означает, что Grok Imagine Video генерирует плохое видео — очевидно, это не так, и он уже используется в продакшене по цене, которая делает его простым в использовании. Это означает, что в конкретной задаче корректного продолжения физического эксперимента он справляется хуже, чем средняя модель в этой таблице лидеров, тогда как Odyssey-3 при двух разных режимах промпта вдвое превосходит среднюю модель в этой таблице лидеров.

Собственное громкое заявление Odyssey-3 ещё сильнее: 66,1 на треке «видео-в-видео» для Odyssey-3 Pro — самый высокий балл, о котором сообщает Odyssey, — плюс 54,7 для того же уровня на треке «изображение-в-видео». Эти данные взяты из публикации Odyssey, а не из независимого прогона, и именно так их и следует воспринимать.

То, что не входит в прайс-лист

За тарифами за секунду скрывается категориальное различие, которое стоит назвать, потому что именно оно определяет, какой из этих вариантов вам нужен.

Биллинговая модель Grok Imagine Video — доллары за секунду выходного видео — это обещание о производительности. Каждый доллар покупает фиксированное количество готового видео, и единственный вопрос — стоят ли пятнадцать секунд в 1080p с синхронизацией губ $1.20. Для рекламного блока, шаблона для соцсетей, маркетингового конвейера это отличный вопрос с чётким ответом, и тариф Lite по цене $0.02/сек в большинстве случаев делает ответ простым.

Odyssey-3 не тарифицируется таким образом и не может тарифицироваться так, потому что его вывод не является фиксированной величиной. Интерактивная среда расходуется в зависимости от того, как долго кто-то находится внутри неё и сколько раз он меняет своё решение, а это делает посекундную модель бессмысленной. Когда Odyssey опубликует цену — а сигналов о том, когда это произойдёт, нет — это должна будет быть цена за сессию, цена за вычисления или что-то ещё, что пока не изобретено для этой категории. Это не аргумент против Odyssey-3. Это причина, по которой сравнение этих двух с точки зрения разработчика сейчас невозможно довести до конца.

Достижение измеряемого сегодня

G​rok Imagine — собственный продукт x​AI, и OrcaRouter его не размещает. Odyssey-3 нет ни на одной платформе, которую мы можем подтвердить, и не существует опубликованного тарифа, по которому кто-либо мог бы его маршрутизировать, даже если бы он был доступен.

Один ключ OrcaRouter даёт доступ к остальной части видео- и модельного стека, вокруг которого вы бы строили это сравнение: MiniMax-H3 по цене $0,08 за секунду вывода в 768P, линейка видео K​ling и более 200 моделей за одним эндпоинтом по прайс-листовой цене провайдера с наценкой 0% — так что когда лаборатория снижает цену за секунду, изменение отражается на вашем использовании в тот же день, а не при следующем продлении контракта. Автоматическое переключение при сбое между провайдерами не даёт пакету, в котором смешаны несколько видеомоделей, упасть из-за неудачного часа у одного апстрима, а DSL маршрутизации позволяет объединить размещённую видеомодель и текстовую или визуальную модель за одним интерфейсом — именно это и нужно пайплайну, который сначала генерирует, а затем оценивает. Ни Odyssey-3, ни G​rok Imagine Video сегодня в этом каталоге нет.

Какой ты хочешь?

Если вам нужно видео со звуком, в 1080p, по цене, которую можно вписать в таблицу, и нужно это на этой неделе, Grok Imagine Video — рабочее решение, а Odyssey-3 не кандидат: у него нет звука, ниже потолок разрешения, и его невозможно купить.

Если вы создаёте что-либо, что должно предсказывать, что произойдёт после действия — политику, контур управления, среду обучения — прайс-лист не имеет значения, а таблица лидеров по физике — имеет. Odyssey-3 оценивается именно по этой способности, и он находится почти на вершине таблицы; G​rok Imagine Video, превосходно создающий готовый кадр, на том же тесте показывает результат ниже среднего по треку. Разные вопросы, и ответы не пересекаются.