Odyssey-3: Vad Odysseys Foundation World Model faktiskt är

Det första man måste få rätt på om Odyssey-3 är substantivet. Det är inte en videogenerator som har fått beteckningen världsmodell av marknadsföringsskäl — Odyssey Systems beskriver den, på sin egen tillkännagivandesida, som "ett inlärt dynamiskt system, implementerat som en autoregressiv diffusions-transformator, som förutsäger hur objekt rör sig och interagerar genom rymden och hur situationer utvecklas över tid." Den tvåskiktade lanseringen, Odyssey-3 i 832×480 och Odyssey-3 Pro i 1280×720, är en modell man agerar inuti snarare än en modell man ger en enda prompt och sedan lämnar. Odyssey tillkännagav arbetet den 15 september 2026 under titeln "En generell fysisk intelligens" och öppnade en offentlig forskningsförhandsvisning den 8 oktober 2026; denna sida är referensposten för själva modellen, inte en rapport om något av dessa datum.

Vad det innebär i praktiken: på Odysseys egen sida skriver du en prompt, modellen bygger en miljö och du rör dig genom den – i första person, tredje person eller som en fritt svävande kamera – medan modellen fortsätter att förutsäga vad som händer härnäst. Odyssey kallar den destillerade varianten med få steg – kärnan i den upplevelsen – för "kapabel till realtidsinteraktion". Inget med den är prissatt, licensierat eller nedladdningsbart. Det finns inget modellkort, inget släpp av vikter och ingen nyckel för självbetjäning. Den kombinationen är hela läsarens fråga, och den är värd att ta itu med i den ordning beslutet faktiskt behöver den.

Vilken klass av modell är Odyssey-3?

Läsare som söker efter "Odyssey 3 world model" har rätt klassificering, och det är Odysseys egen term: rubriken på sidan kallar Odyssey-3 för "den kraftfullaste grundläggande världsmodellen hittills". Den exakta klassen är snävare än "världsmodell" i allmänt bruk. Odyssey-3 är en interaktiv, handlingsbetingad miljömodell — den genererar en förkroppsligad miljö från en prompt och förutser sedan hur den miljön förändras när en person eller agent utför handlingar eller introducerar händelser, betingat på tidigare observationer plus den senaste indata. Odysseys formulering är att dagens förhandsvisning "erbjuder förstapersons- och tredjepersonsnavigering tillsammans med oberoende kamerarörelse."

Varför det är en annan artefakt än en videomodell, enligt Odysseys egen redogörelse för hur den byggdes:

• Den byggs som en flerstegets videodiffusionstransformer med tidsmässigt upplösta prompter och kontroller, och utvidgas sedan autoregressivt genom teacher forcing och kausal maskering så att den kan fortsätta från föregående observationer och förutsäga framtida tillstånd betingat på aktionsindata.

• En efterträningspipeline som kombinerar fördelningsmatchning och adversariell destillation producerar en destillerad variant med få steg – den pusselbit som överhuvudtaget gör realtidsinteraktion möjlig, eftersom en diffusionsmodell som behöver dussintals avbrusningssteg per bildruta inte kan hänga med när en tangent trycks ned.

• Den tränas på internetvideo med tidslokaliserade, schemaverifierade händelseannoteringar, på spelupptagningar med tidsjusterade tangentbords- och musinmatningar, och på simulerade stelkroppsinteraktioner med bildtexter och metadata. Spel- och simuleringskällorna är det som kopplar handlingar till observationer; internetvideon bidrar med bredden.

• Utdata är video, och indataytan omfattar textprompter, uppladdade bilder samt kontinuerlig rörelse eller kamerastyrning. Den är inte en språkmodell och har inget kontextfönster i LLM-bemärkelse; inget i Odysseys material beskriver ett sådant.

Det korrekta enradssvaret är: en världsmodell, närmare bestämt en interaktiv miljömodell som matar ut video – inte en videogenerator och inte en chatbotnära multimodal LLM. De tolv jämförelsesidorna på den här webbplatsen som ställer den mot Seedance, Veo, Kling, Runway och liknande jämför en miljö med klippgeneratorer; benchmarkarna nedan är där den distinktionen faktiskt visar sig i siffror.

Vad du kan göra med det idag

Forskningsförhandsvisningen är live på experience.odyssey.systems, och på Odysseys sida står det klart och tydligt att "vår forskningsförhandsvisning är tillgänglig nu". Läser man själva förhandsvisningsapplikationen är reglagen:

• En promptruta ("Beskriv vad du vill att AI ska simulera"), en bilduppladdning och ett galleri med föreslagna scener som du bläddrar bland med piltangenterna och väljer med Enter.

• Tre startlägen för kameran – "Världsvy", som i gränssnittet beskrivs som "en fritt svävande kamera utan kopplad spelare"; "Förstapersonsvy", "se genom den spelbara karaktärens ögon"; och "Tredjepersonsvy".

• En startkontroll som startar simuleringen, varefter du kan förflytta dig genom miljön, införa händelser och se hur modellen reagerar.

Två saker om åtkomst som du inte borde behöva upptäcka den hårda vägen. För det första: knappen i förhandsvisningen har texten "Try Odyssey-3 Flash" — ett nivånamn som inte förekommer någon annanstans på webbplatsen. Odyssey namnger exakt två nivåer, Odyssey-3 och Odyssey-3 Pro, och publicerar varken specifikationer, storlek eller upplösning för något som kallas Flash. Behandla etiketten som oförklarad tills Odyssey dokumenterar den. För det andra: API-vägen är inte självbetjäning. Länken "Get API Access" pekar på developer.odyssey.ml, och på den sidan står det för närvarande: "Odyssey-2 Max is now being rolled out to existing API users. If you already have an account with us, please continue. Otherwise, head here to request priority access." Utvecklarytan som marknadsförs i dag är Odyssey-2 Max, inte Odyssey-3. Vägen till Odyssey-3 för en byggare är kontaktformuläret på Odysseys egen webbplats, och den ärliga beskrivningen av den är en kö.

Gränserna som Odyssey dokumenterar – och de som den inte gör

Det är här en referenssida förtjänar sin plats, eftersom luckorna är lika beslutsrelevanta som siffrorna.

• Upplösning — Odyssey-3 832×480; Odyssey-3 Pro 1280×720. Publicerad av leverantören, anges direkt på tillkännagivandesidan.

• Bildfrekvens — publiceras inte av Odyssey. Den enda bildfrekvenssiffran som finns någonstans i primärmaterialet är kolumnen "Output FPS" i Physics-IQ Verified-resultattavlan, som listar 16 för varje Odyssey-post mot 24 för FLUX 3 [large]. Det är ett tredjepartsfält på en tredjepartsresultattavla, inte en leverantörsspecifikation, och det är siffran som resultattavlan använder för att normalisera kostnad.

• Klipplängd – inte publicerad. Odyssey dokumenterar ingen maximal genereringslängd, ingen klipplängd och ingen sessionslängd. WorldMark, benchmarken som Odyssey hänvisar till för världsmodellkvalitet, kör sina egna testfall vid 20, 40 och 60 sekunder – det är benchmarkens testlängder, inte en dokumenterad gräns för Odyssey-3, och att sammanblanda dem vore ett misstag.

• Interaktivitetsgränser – publiceras inte som gränser. Odyssey dokumenterar de tillgängliga lägena (förstaperson, tredjeperson, fri kamera, händelser under generering) men publicerar ingen latenssiffra, inget maximalt antal samtidiga åtgärder och inget uttalande om hur länge en session kan köra innan världen försämras.

• Kostnadsmodell — den enda finansiella siffra som Odyssey publicerar är ett antagande, inte ett pris: den "utgår från $1 per MI355X-GPU-timme, exklusive avgifter för promptomskrivning" när den beräknade kostnadsaxeln i sitt Physics-IQ-diagram. Det finns ingen prislista, ingen taxa per sekund och inget kreditsystem på någon Odyssey-sida i dag.

Vikter, kod och licens: ingen av de tre

Rakt svar, på alla tre punkter. Inga vikter har släppts — en sökning på Hugging Face efter Odyssey Systems modeller ger ingenting från företaget, och ingen Odyssey-sida nämner en checkpoint, ett repository eller en nedladdning. Ingen tränings- eller inferenskod har publicerats. Och ingen licens har publicerats för Odyssey-3; det enda dokumentet på webbplatsen som har formen av licens och villkor är API Terms-sidan, senast uppdaterad 2026-01-22, som fortfarande reglerar "prototypen av Odyssey-2:s applikationsprogrammeringsgränssnitt" — ett dokument som är två modellgenerationer äldre än Odyssey-3 och inte nämner den.

Om en sida någonstans säger att Odyssey-3 har öppna vikter, eller citerar en licens för den, gissar den sidan. Inget i Odysseys eget material stöder något av dessa påståenden i dag.

Vad Odyssey påstår, och vad som faktiskt har mätts

Odyssey framför ett framträdande benchmark-påstående: ”Odyssey-3 Pro sätter en ny state of the art på Physics-IQ Verifieds video-till-video-benchmark och uppnår 66,1, den högsta rapporterade poängen”, plus ett andra påstående att Odyssey-3 ”rankas som 1:a i 3 av WorldMarks 4 kategorier i våra utvärderingar.” Dessa två påståenden har olika stöd och bör läsas var för sig.

Physics-IQ Verified är en genuin tredjepartstavla. Den drivs av Anates Labs tillsammans med DeepMind, den listar för närvarande 41 modeller från 16 labb, och den poängsätter modeller genom att visa dem video av verkliga fysikaliska experiment — strömningsdynamik, optik, hållfasthetslära, magnetism, termodynamik — och mäta deras fortsättning mot vad som faktiskt hände. Läser man den video-till-video-verifierade tavlan den 2026-10-13:

• Odyssey-3 Pro, BoN ×8-sampling — 66,10, rang 01. Odyssey-3, BoN ×8 — 64,43, rang 02. FLUX 3 [large], BoN ×8 — 64,35 ± 0,22, rang 03. Leverantörens siffra 66,1 matchar den översta raden på tavlan, så påståendet ”högsta rapporterade poäng” står sig i tavlans egen aktuella rangordning.

• Rader för enkel generering är lägre och ligger närmare varandra: Odyssey-3 Pro 63,37 ± 0,63, Odyssey-3 61,56 ± 1,20, FLUX 3 [large] 61,11 ± 0,55. Ordningen är inte stabil mellan samplingar. Med best-of-8 ligger basmodellens 64,43 0,08 poäng före FLUX 3:s 64,35 och Pro:s 66,10 ligger 1,75 poäng före. Vid enkel generering hamnar FLUX 3 mellan de två Odyssey-raderna – 0,45 under Odyssey-3:s 61,56 och 2,26 under Pro:s 63,37.

• Den viktigaste raden för en skeptisk läsare finns längre ner. Odyssey-3 förekommer också med promptkällan markerad "BPP" – prompts som tillhandahålls av benchmarken, ingen LLM-omskrivning – vid 51,76 ± 0,69, rang 08. Dess rad för anpassad prompt är 61,56. På benchmarkens egna prompts är modellens verifierade poäng ungefär tio punkter lägre än på modellens egna. Resultattavlan är tydlig med att separata LLM-/promptkostnader läggs till efter normalisering av genereringskostnaden, och att Odyssey API-promptomskrivning uppskattas till $0,01 per inskickad video, där varje best-of-8-körning delar en omskriven prompt.

• På den verifierade resultattavlan för bild-till-video är rankningen annorlunda och leverantörens framställning bör justeras i enlighet därmed: FLUX 3 [large] ligger först med 54,70 (BoN ×8), med Odyssey-3 Pro på andra plats med 54,69 och Odyssey-3 på tredje plats med 52,83. En tiondels poäng är inte ett försprång åt något håll. Odysseys anspråk på att vara state of the art är ett video-till-video-anspråk, och för bild-till-video är den inte ledaren.

• Normaliserad kostnad, som resultattavlan beräknar till 24 fps och utdata i 1280 px bredd, där indata rapporteras: på video-till-video-raderna för bäst av 8 är Odyssey-3 Pro 3,484 $ och Odyssey-3 1,430 $ mot FLUX 3 [large] på 16,430 $; på raderna för enkelgenerering är Odyssey-3 Pro 0,444 $ och Odyssey-3 0,187 $. Observera att tidigare bevakning av denna lansering angav 0,139 $ och 0,267 $ för de två Odyssey-nivåerna — det är bild-till-video-raderna för enkelgenerering på samma tavla, inte video-till-video-raderna, och de två bör inte bytas mot varandra. Siffran ändrades inte; den tillhör en annan samplingsrad.

• Delmått, video-till-video verifierat: Odyssey-3 Pro leder spatialt på 73,19 och viktat spatialt på 65,07; Odyssey-3 leder spatiotemporalt på 70,44. FLUX 3 [large] leder medelkvadratfelet på 57,39, med Odyssey-3 Pro på andra plats på 55,81. Odyssey ligger före på den spatiala sidan och inte när det gäller fel.

WorldMark-anspråket har ett svagare stöd, och det här är delen du bör läsa noga. WorldMark är en verklig, offentlig benchmarksvit från Alaya Lab, University of Tokyo och Shanghai Innovation Institute: den kör tio modeller utifrån en gemensam WASD-liknande handlingsvokabulär över 500 standardiserade fall och poängsätter nio deterministiska mätvärden inom handlingsdynamik, världsminne och visuell kvalitet. Odysseys inramning är att "i vår utvärdering, med hjälp av benchmarkens egna bildtexter och medelvärdet av dess 13 rapporterade mätvärdespoäng, rankas Odyssey-3 först i förstapersons-stiliserade, tredjepersons-realistiska och tredjepersons-stiliserade miljöer." Tre saker följer av primärmaterialet:

• Det är en egenutförd utvärdering. Odyssey körde benchmarken och rapporterade resultatet; WorldMarks författare publicerade det inte.

• Odyssey-3 förekommer inte i benchmarkens egna publicerade resultat. När man läser WorldMarks resultatsida den 13 oktober 2026 listar de fyra delarna tio modeller – AlayaWorld, DreamX-World, HY-GameCraft 1.0, HY-World 1.5, LingBot-World, Lyra 2.0, Matrix-Game 2.0, Matrix-Game 3.0, SANA-WM och Yume 1.5 – och Odyssey-3 finns inte bland dem. Därför kan rankningen inte kontrolleras mot benchmarkens egna siffror, eftersom det inte finns några på den offentliga resultattavlan.

• Antalet metriker som Odyssey beskriver skiljer sig från benchmarkens egen beskrivning. WorldMarks sida beskriver ”nio deterministiska metriker” i tre kategorier; Odyssey beskriver ”medelvärdet av sina 13 rapporterade metrikpoäng.” Båda kan vara sanna för olika vyer av sviten, men en läsare kan inte få dem att stämma överens utifrån, och siffran som ändras är huvudsiffran.

• Den enda delmängden där Odyssey-3 inte vinner i sin egen utvärdering är den som ligger närmast produktpitchen: förstapersonsmiljöer i verkligheten, där Odysseys siffra på 80,6 ligger efter Lyra 2.0 på 84,4 och AlayaWorld på 83,0. Modellens angivna försprång är koncentrerat till stiliserade världar och tredjepersonsvärldar.

Utöver de två benchmarkarna är varje kapacitetspåstående leverantörsrapporterat och inte oberoende reproducerat, och referenssidan bör säga det utan att tona ner det. Odyssey rapporterar en aktionsavkodare för robotarm tränad på "endast tiotals timmar av robotdemonstrationer" som gav återhämtningsbeteenden som saknades i demonstrationerna, inklusive att omorientera ett gripdon efter ett misslyckat grepp. Det rapporterar styrpolicyer för humanoider byggda av Flexion på Odyssey-3 som överträffade de testade VLA-baslinjerna under miljöförändringar, och fortsatte under belysningsförändringar som fick dessa baslinjer att misslyckas. Det rapporterar en körpolicy tränad på 20 timmars kördata med Odyssey-3-stommen hållen fryst, som körde i sluten loop på verkliga vägar i Indien — och den enda jämförande siffran i det arbetet är att policyer som endast tränats i simulering färdades cirka 77 % så långt mellan säkerhetsförarens ingripanden som policyer tränade på verkligt filmmaterial. Det rapporterar multisensorgenerering, där en Odyssey-3-checkpoint producerade de tre främre kameravyerna i ett kördataset tillsammans efter 100 träningssteg. Inget av detta har körts om av någon utanför Odyssey, och ingen tredje part har publicerat en siffra för Odyssey-3 som Odyssey inte har tillhandahållit.

Det finns inte heller, än så länge, någon direkt jämförelse att luta sig mot. Ingen har kört Odyssey-3 mot FLUX 3 [large] eller någon annan modell med matchad harness och matchad sampling utanför själva Physics-IQ-inlämningen, och Physics-IQ-tabellen är precis där valet av sampling — best-of-8 kontra enkel generering, anpassade prompts kontra benchmark-prompts — flyttar resultatet med tio punkter. Betrakta varje rangordning som inte anger sin sampling-rad som oinformativ.

Hur man får det, och vad man kan göra under tiden

I dag är vägarna webbläsarförhandsvisningen på experience.odyssey.systems och kontaktformuläret på odyssey.systems för API-åtkomst. Det är den fullständiga listan; det finns ingen prissida, ingen dokumentation om anropsgränser och ingen självbetjäningsnyckel. Odyssey-3 är inte heller något vi kan routa åt dig – det finns inget anropbart API att peka på än, så alla tillgänglighetsbesked riktade till utvecklare är för tidiga.

Om det lämnar dig med behov av något du kan anropa redan den här veckan, är det användbara draget arkitektoniskt snarare än redaktionellt: håll modellen bakom ett gränssnitt som du kontrollerar, så att det att lägga in Odyssey-3 senare blir en konfigurationsändring i stället för en omskrivning. Det är just det fallet som routningslager finns till för, och det är också rätt sätt att utvärdera en modell vars benchmarksiffror rör sig tio punkter beroende på sampling – du vill kunna A/B-testa den riktiga modellen mot din befintliga modell på dina egna prompts, med en enda nyckel, utan ett andra avtal. OrcaRouter sätter mer än 200 modeller bakom en enda slutpunkt, förmedlar leverantörens listpris vidare med 0 % påslag, och växlar automatiskt över mellan leverantörer — vilket spelar störst roll för precis den situation som Odyssey-3 befinner sig i: en modell du ännu inte kan få tag på, bredvid modeller som du kan få tag på.

Vad man konkret bör hålla utkik efter, i ordning efter hur mycket det skulle förändra svaret: ett publicerat pris och en självbetjäningsnyckel; en licens och ett viktsläpp, eller ett uttryckligt uttalande om att ingetdera är på väg; en specifikation av bildfrekvens och varaktighet från Odyssey snarare än från en kolumn i en resultattavla; och att Odyssey-3 förekommer i WorldMarks egna publicerade resultat, vilket skulle förvandla en egenhändigt framtagen rankning till en kontrollerbar sådan. Tills åtminstone den första och den sista av dessa har landat är den korrekta beskrivningen av Odyssey-3 en genuint intressant grundläggande världsmodell – en interaktiv miljömodell som matar ut video, inte en videogenerator – med ett starkt tredjepartsbenchmarkresultat under best-of-8-sampling, ett mycket blygsammare sådant under benchmarkens egna prompter, och ingen kommersiell yta alls.