Odyssey-3 vs Google Veo 3.1: Fysik i framkant mot tio månaders produktion

Jämförelsen mellan Odyssey-3 och Veo 3.1 är egentligen en jämförelse mellan två datum. Veo 3.1 har varit allmänt tillgänglig sedan den 17 november 2025 – tio månaders produktionsanvändning, publicerad prissättning per sekund, native 4K och en serving-stack som har genomgått en företagsgranskning minst en gång. Odyssey-3 förhandsvisades av Odyssey den 15 september 2026, har inget publicerat pris, ingen API-dokumentation, inget oberoende benchmarktest och ett lanseringsfönster på "de kommande veckorna". Att ställa dem sida vid sida är fortfarande värt att göra, eftersom anledningen till att de nämns tillsammans är verklig: Veo 3.1 renderar vacker video, och Odyssey-3 försöker simulera en värld som beter sig korrekt under kontroll. Det är de två olika produkterna som team ständigt sammanblandar under ordet "video", och gapet mellan dem är exakt där inköpsbeslutet ligger.

Vad tio månader av att leverera ger dig

Veo 3.1:s fördel är inte en funktion, det är tiden som har gått. Modellen har varit i händerna på betalande kunder sedan oktober 2025 som förhandsversion och sedan den 17 november som en GA-produkt, med en Lite-nivå som tillkom den 31 mars 2026 och en gratisnivå den 2 april. Den historien ger saker som en förhandsversion inte kan: en dokumenterad API-yta, en etablerad uppsättning felmoder som yrkesverksamma redan har kartlagt, och en kostnadskurva som ett ekonomiteam kan modellera.

Specifikationsbladet återspeglar samma mognad. Veo 3.1 genererar i 720p, 1080p och nativ 4K, vid 24 bilder per sekund, i nativa längder på 4, 6 eller 8 sekunder, med längre utdata rapporterade i 1080p och kedjning av scenförlängning utöver det. Den tar emot upp till tre referensbilder för karaktärs- och scenkonsistens, samt kontroller för seed och negativ prompt. Utdata bär proveniensmetadata från SynthID och C2PA. För varumärkes-, broadcast- eller storskärmsarbete är den nativa 4K-vägen den enda kapaciteten som större delen av konkurrensfältet helt enkelt inte har — och det är anledningen till att Veo 3.1 fortsätter vinna projekt som det inte vinner på pris.

Standardljudet som i tysthet snedvrider varje jämförelse

Veo 3.1 genererar inbyggt 48 kHz stereoljud – dialog, omgivningsljud, foley – tillsammans med bilden, vilket verkligen är en av dess starkaste funktioner. I API:et är ljudparametern dock avstängd som standard, och generering utan ljud har lägre pris än generering med ljud. Enligt Googles publicerade Standard-nivå blir det ungefär 0,20 USD per sekund utan ljud mot ungefär 0,40 USD per sekund med ljud. Två konsekvenser följer. För det första beror det effektiva priset för ett Veo-klipp helt på en flagga som de flesta aldrig ändrar, så en siffra på "0,20 USD per sekund" och en siffra på "0,40 USD per sekund" kan båda vara korrekta för samma modell. För det andra, och mer subtilt, innebär det att en stor mängd direktjämförelser du har läst ställde en Veo 3.1 utan ljud mot konkurrenter vars ljud alltid är på, och sedan poängsatte dem på en ljudmedveten ranglista. Om din utdata behöver ljud är den ärliga siffran att planera efter den med ljud aktiverat.

Vad Odyssey-3 egentligen påstår

Odyssey-3 är inte en bättre videogenerator och gör inte anspråk på att vara det. Det är en autoregressiv diffusionstransformer tränad på visuella iakttagelser av världen, och förmågan i centrum för tillkännagivandet är en aktionsavkodare – "en inlärd utdatakomponent kopplad till världsmodellen" – som omvandlar modellens interna scenrepresentation till motorkommandon för specifik hårdvara. Odyssey rapporterar att den styr robotarmar utifrån tiotals timmars demonstrationer, kör policyer för humanoider byggda med Flexion i realtid, producerar körvägpunkter i sluten loop från ett fryst basnätverk tränat på 20 timmars simulerad data, flyger drönare inomhus runt hinder och spelar Grand Theft Auto V med överföring till Red Dead Redemption 2 och Sleeping Dogs utan extra policyträning där. Den enda jämförande siffra som offentliggjorts är att simuleringstränade körpolicyer färdades omkring 77 % så långt mellan ingripanden från säkerhetsförare som policyer tränade på verkligt videomaterial.

Lägg märke till vilken typ av påståenden det är. Inget av dem handlar om hur utdata ser ut. Vart och ett handlar om vad ett program nedströms modellen kan göra med den.

Dimensionerna som inte överlappar

• Utdata — Google Veo 3.1: ett renderat klipp, upp till nativ 4K, med valfritt 48 kHz-stereoljud. Odyssey-3: ett simulerat världstillstånd, plus motoriska handlingar via åtgärdsavkodaren.

• Konsument — Google Veo 3.1: en tittare eller en redigerare. Odyssey-3: en robotstyrenhet, en körpolicy eller en träningsloop.

• Klipplängd — Google Veo 3.1: 4/6/8 s inbyggt, längre vid 1080p, förlängningskedjor därutöver. Odyssey-3: kontinuerlig utrullning, inget klippbegrepp.

• Pris — Google Veo 3.1: ~0,20 $/s tyst, ~0,40 $/s med ljud på Standard; nivåerna Fast och Lite ligger under det. Odyssey-3: inga publicerade.

• Tillgänglighet — Google Veo 3.1: allmänt tillgänglig sedan 2025-11-17. Odyssey-3: förhandsvisades 2026-09-15, offentlig "inom de kommande veckorna."

• Bevis — Google Veo 3.1: tio månaders produktionsanvändning och oberoende placering på rankinglistor. Odyssey-3: leverantörsdemonstrationer, ingen benchmark-tabell, ingen teknisk rapport.

Där fysikpåståendet faktiskt lönar sig – och där det inte gör det

Det är frestande att anta att en modell med bättre fysik ger bättre video, och det är inte vad Odyssey säljer. Ett videoteams problem är nästan aldrig att världen i klippet är fysiskt inkonsekvent – det är att tagningen behöver vara i 4K, eller att karaktären behöver se likadan ut i tre olika uppsättningar, eller att leveransen behöver proveniensmetadata bifogad innan juridiken godkänner. Veo 3.1 svarar på de frågorna idag. En fysikaliskt korrekt simulator svarar på en annan fråga: kan jag träna något här inne som fungerar där ute. Om du inte tränar något är den fysikaliska noggrannheten hos Odyssey-3 en funktion utan köpare i ditt arbetsflöde.

Där de två verkligen möts är previsualisering. En regissör som vill utforska en plats interaktivt – gå med en kamera genom en scenografi, ändra ett val av blocking, se konsekvensen – vill ha precis det som en världsmodell erbjuder och som ett renderat klipp inte kan, eftersom klippet är fixerat i samma stund som det genereras. Det är ett verkligt användningsfall, och det är också ett sådant där en osläppt förhandsvisning inte är ett alternativ än.

Att köra detta i produktion utan att satsa på en enda slutpunkt

Anledningen till att produktionsteam bryr sig om arkitekturen runt modellen är att en videopipeline sällan är ett enda anrop. En promptmodell tar fram tagninglistan, en bildmodell producerar startbilden, en visionsmodell kontrollerar resultatet mot briefen, en transkriberingsmodell hanterar voiceovern. Var och en av dessa är ett beroende som kan fallera klockan 2 på natten, och var och en är en separat integration om du köper dem var för sig. Att lägga det lagret på ett enda API över 200+ modeller till leverantörens listpris med 0 % påslag kollapsar integrationerna, och automatisk failover innebär att ett avbrott hos promptmodellen dirigeras om i stället för att stoppa renderingskön. Routing-DSL:en spelar större roll här än i ett arbetsflöde med en enda modell, eftersom det är sammansättningen av flera modeller i ett enda anrop som gör att en pipeline i flera steg kan misslyckas smidigt steg för steg i stället för som helhet. För att vara tydlig med omfattningen: OrcaRouter betjänar inte Google Veo 3.1 eller Odyssey-3, och ingen av modellerna går att nå via den.

Vem bör agera nu, och vem bör vänta?

Om din deadline är det här kvartalet och din leverans är en fil är Google Veo 3.1 det försvarbara valet, och priset – ungefär $0.40 per sekund vid 1080p med ljud, lägre på nivåerna Fast och Lite – är kostnaden för en modell som har varit i produktion tillräckligt länge för att vara tråkig. Budgetera medvetet för ljudflaggan i stället för att upptäcka den senare.

Om ditt problem är en policy som måste fungera på hårdvara är Odyssey-3 riktad till dig, och det finns fortfarande inget att köpa. Vänta på tre saker: ett publicerat pris, ett releasedatum som är ett datum snarare än ett fönster, och en oberoende siffra. Siffran 77 % för sim-to-real är Odysseys egen, och tills någon utanför företaget kör om den är den korrekta hållningen intresse snarare än planering. Under tiden är den omgivande stacken den del du kan bygga, och att bygga den så att en ny modell kan sättas in senare är den billigaste positionen att hålla.