Odyssey-3 vs FLUX 3 Video: En simulator och en renderare är inte samma verktyg

Odyssey-3 och FLUX 3 Video jämförs eftersom båda producerar video av en värld som inte existerar, och det är ungefär där likheten slutar. FLUX 3 Video är Black Forest Labs genereringsmodell, allmänt tillgänglig sedan 4 augusti 2026, som omvandlar en prompt eller en startbild till upp till tjugo sekunder av 1080p SDR MP4 med nativt ljud, med prissättning per sekund utdata. Odyssey-3 är Odysseys grundläggande världsmodell, förhandsvisad 15 september 2026 och ännu inte offentligt tillgänglig, som simulerar hur en scen utvecklas under åtgärder och kopplar en inlärd avkodare för att omvandla den simuleringen till motorkommandon för en robotarm, en humanoid, en bil eller en drönare. Den ena är en renderare: den producerar observationer för en person att titta på. Den andra är en simulator: den producerar ett tillstånd som ett program kan agera på. Att ställa dem mot varandra är ändå användbart – inte för att utse en vinnare, utan för att de två saker de producerar är de två olika saker som många team just nu försöker köpa med en enda budgetpost.

Skillnaden är vad som kommer ut ur modellen

Det renaste sättet att upprätthålla åtskillnaden är den taxonomi som World Labs publicerade för världsmodeller, som sorterar system efter vilken del av perceptions-handlingsloopen de matar ut. En renderare matar ut observationer – pixlar, för mänskliga ögon, bedömda utifrån visuell trohet. En simulator matar ut tillstånd – en representation av världen som är tillräckligt geometriskt och fysiskt trogen för att både människor och program ska kunna utföra beräkningar på den. En planerare matar ut handlingar. FLUX 3 Video är utan tvekan en renderare, och en utmärkt sådan. Odyssey-3 siktar mot simulatorkolumnen med en fot i planerarkolumnen, eftersom aktionsavkodaren är det som gör att simuleringen kan driva hårdvara.

Det är ingen marknadsföringsmässig skillnad, och den har ett praktiskt test. Rendera ett rum med en videomodell, gå med din synvinkel ut ur det och vänd dig om: möblerna kanske inte är där du lämnade dem, eftersom modellen förutsade bildruta för bildruta och aldrig höll en beständig värld. Fråga en simulator om samma sak och svaret förväntas vara stabilt, eftersom poängen med modellen är tillståndet bakom bildrutorna. Odysseys eget tillkännagivande bygger på detta – anledningen att bygga en dynamikmodell i stället för en videogenerator är att en policy tränad inuti den kan utvärderas och förbättras, inte bara betraktas.

FLUX 3 Video, närmare bestämt

Black Forest Labs släppte FLUX 3 Video den 4 augusti 2026, och dess specifikationsblad är inriktat på produktionsresultat snarare än simulering. Den genererar upp till tjugo sekunder i en enda omgång i upp till 1080p, i SDR, som MP4, med nativt ljud som genereras tillsammans med bilden. Prissättningen är per sekund genererad video: en utkastnivå på 720p för $0,06 per sekund, en standardnivå på 720p för $0,17 och 1080p för $0,29, där video-till-video-arbete prissätts högre än dessa. Det är leverantörens siffror.

Det enda benchmarknummer som Black Forest Labs har kopplat till den är ett internt Elo på 1 135 för text-till-video, vilket är en utvärdering som körs av leverantören och inte har reproducerats oberoende – FLUX 3 Video finns för närvarande inte med på de oberoende videotopplistorna. Betrakta rankningen som ett påstående. Det som inte ifrågasätts är leveransen: ett prissatt, dokumenterat API per sekund som returnerar en fil, i dag.

Odyssey-3, närmare bestämt

Odyssey-3 är en förhandsvisning med en arkitektur och inget pris. Det är en autoregressiv diffusionstransformer tränad på visuell observation, och dess utmärkande drag är handlingsavkodaren – "en inlärd utdatakomponent kopplad till världsmodellen", med Odysseys egna ord, tränad på observations-handlingspar för att översätta modellens interna representation till de handlingar som en specifik hårdvaruenhet behöver. Odyssey rapporterar att den styr robotarmar utifrån tiotals timmars demonstrationer, humanoida policyer byggda med Flexion i realtid, körning i sluten loop från 20 timmars simulerad data, inomhusflygning med drönare som undviker hinder, och utökad spelning i Grand Theft Auto V med överföring till Red Dead Redemption 2 och Sleeping Dogs utan extra policyträning i dessa titlar. Företaget rapporterar också en jämförande siffra: körpolicyer tränade i simulering tillryggalade cirka 77 % så lång sträcka mellan säkerhetsförares ingripanden som policyer tränade på verkligt videomaterial. Det finns inga oberoende benchmarks, ingen teknisk rapport för Odyssey-3 och inget releasedatum utöver "de kommande veckorna". Varje siffra är Odysseys egen.

Kontrasten, dimension för dimension

• Vad den matar ut — FLUX 3 Video: en MP4-fil med pixlar. Odyssey-3: ett simulerat världstillstånd, plus motoriska åtgärder genom aktionsavkodaren.

• Vem använder det — FLUX 3 Video: en person som tittar, eller en redigerare som färdigställer en klippning. Odyssey-3: en robotstyrenhet, en körpolicy eller en RL-agent som tränas.

• Maximal utdata — FLUX 3 Video: upp till 20 s i en enda körning, upp till 1080p SDR, nativt ljud. Odyssey-3: kontinuerlig rollout så länge simuleringen håller, oavsett vilken bildfrekvens driftsättningen kräver.

• Pris — FLUX 3 Video: 0,06 USD/s utkast 720p, 0,17 USD/s 720p, 0,29 USD/s 1080p (leverantör). Odyssey-3: inga publicerade.

• Tillgänglighet — FLUX 3 Video: allmänt tillgänglig sedan 2026-08-04. Odyssey-3: förhandsversion, offentligt "inom de kommande veckorna."

• Benchmarkresultat — FLUX 3 Video: leverantörens Elo 1 135 T2V, ej reproducerad, saknas i oberoende jämförelser. Odyssey-3: ingen benchmark-tabell, en enda leverantörssiffra för sim-to-real.

Prisasymmetrin är den ärliga rubriken

En av dessa har ett pris och den andra har inget, och det enda faktumet säger dig mer om hur du väljer mellan dem än något påstående om kapacitet. FLUX 3 Video har en mätbaserad kostnad per sekund utdata, så ett team kan beräkna kostnaden för hundra klipp innan det första genereras. Odyssey-3 har inget publicerat pris, inget API och inget datum, så kostnaden för att använda det är för närvarande omöjlig att veta — och detsamma gäller räkningens utformning. Världsmodeller av det slag som Odyssey beskriver faktureras vanligtvis mycket annorlunda än videogenerering: inte per sekund vackra pixlar utan per timme simulering, eftersom konsumenten är en träningsloop som kan köra i miljontals steg. Att jämföra $0,29 per sekund med ingenting är ingen jämförelse, och varje sida som presenterar det som en fyller en lucka med en gissning.

Där de faktiskt skulle mötas

De två är inte utbytbara mot varandra, och den mer intressanta frågan är om de kan kombineras. FLUX 3 Video är det bättre verktyget för allt där det som ska levereras är en fil som en människa tittar på: en produktbild, en annonsvariant, en kortversion för sociala medier, en förvisualisering. Odyssey-3, om det håller vad det lovar, är det bättre verktyget för allt där det som ska levereras är en policy som måste fungera i den fysiska världen, eller en scen som ett program måste resonera kring. I en film- eller spelproduktionskedja är det rimliga upplägget inte antingen-eller – en världsmodell genererar en interaktiv miljö, och en renderingsmotor producerar de polerade bildrutorna som lämnar byggnaden.

Det finns en verklig begränsning för den kompositionen idag, och det är SDR-begränsningen. FLUX 3 Video matar ut SDR MP4. Odyssey-3 matar ut en simulerad miljö, inte en graderad fil. Ingen av dem är ett HDR-finishingverktyg, så en pipeline som slutar i en broadcast- eller biografleverans behöver fortfarande ett masteringsteg efter båda.

Routning, och vad den omfattar och inte omfattar här

Ingen av modellerna är routbar via OrcaRouter i dag. FLUX 3 Video levereras från Black Forest Labs eget API och flera tredjepartsplattformar; Odyssey-3 finns inte tillgänglig hos någon, eftersom den inte är släppt. Där ett routinglager förtjänar sin plats i en pipeline som den här är i lagret ovanför videomodellen – språkmodellen som tar fram taglistan, visionsmodellen som kontrollerar den genererade bildrutan mot briefen, transkriberingsmodellen som omvandlar en inspelad voiceover till undertexter. Det är vanliga routade arbetsbelastningar, och de ligger på ett API över 200+ modeller till leverantörens listpris med 0 % påslag, så en leverantörsprissänkning når din faktura samma dag i stället för vid nästa avtalsförnyelse. Routing-DSL:en är den del som spelar roll för en flerstegspipeline: flera modeller sammansatta till ett enda anrop, med automatisk failover när en leverantör försämras, så att ett renderingssteg inte misslyckas för att promptmodellens endpoint har en dålig eftermiddag. Inget av detta hostar FLUX 3 Video eller Odyssey-3, och den här artikeln påstår inte något annat.

Vilken, för vem

Om det du ska leverera är en fil – ett klipp, en kortversion, en previsualisering – är FLUX 3 Video det du kan köpa i dag, till ett publicerat pris per sekund, med native-ljud och tjugosekunders utdata i ett enda pass, och leverantörens Elo-påstående är en rimlig bonus snarare än skälet att välja det. Om det du ska leverera är en styrenhet som måste fungera på hårdvara, är Odyssey-3 den som är riktad mot ditt problem, och det ärliga rådet är att vänta: det finns inget pris, inget datum och ingen oberoende siffra ännu, och sim-to-real-siffran på 77 % är Odysseys egen och inte reproducerad.

Det man bör hålla ögonen på är inte vilken modell som vinner, för de tävlar inte. Det är huruvida Odyssey-3:s aktionsavkodare generaliserar över de sex förkroppsliganden som tillkännagivandet räknar upp, när externa grupper kan köra den. Det är påståendet med störst uppsida om det håller, och de nuvarande bevisen för det är en lista med demonstrationer snarare än en mätning.