Odyssey-3 vs Kling 3: En du kan ringa idag, en du inte kan

Odyssey-3 och Kling 3 är lätta att ställa upp på en sida och svåra att jämföra i praktiken, eftersom bara en av dem existerar som något man kan anropa. Kling 3 är Kuaishous videogenereringsmodell, släppt i februari 2026, allmänt tillgänglig via leverantörens API och Kling-appen, och – relevant för läsarna av den här bloggen – dirigerbar via OrcaRouter som både kling-v3 och kling-3-turbo. Odyssey-3 är Odysseys grundläggande världsmodell, förhandsvisad den 15 september 2026, utan publicerat pris, utan API och med ett angivet lanseringsfönster på "de kommande veckorna". Så den första ärliga meningen om den här jämförelsen är att det ännu inte är en jämförelse: den ena är en avgiftsbelagd produkt med prissättning per sekund som du kan testa redan i eftermiddag, och den andra är en forskningsförhandsvisning med en demonstrerad förmåga och inget sätt att köpa den. Den användbara frågan är vad var och en är till för, och huruvida det som Kling 3 gör bra är sådant som en världsmodell någonsin skulle ersätta.

Kling 3 är en renderare med ett storyboardknep.

Kling 3:s lansering i februari 2026 placerade den i täten för det kinesiska videogenereringsfältet, och dess positionering är ovanligt konkret. Den genererar tre till femton sekunder per klipp – fem sekunder som standard – i 720p, 1080p eller 4K beroende på nivå, från text, en enskild bild eller ett par med första och sista bildrutan. Det som skiljer den från större delen av fältet är Omni-variantens multi-shot-läge: en multi_prompt-lista med tidsatta tagningar, var och en med sin egen prompt, låter dig planera en sekvens av klipp i en enda generering i stället för att sy ihop separat genererade klipp och hoppas att ljuset matchar. Inbyggt ljud – synkroniserat tal, omgivningsljud, effekter, med stöd för regionala accenter på flera språk – genereras i samma omgång och kan stängas av.

Dess dokumenterade styrkor är mänsklig rörelse och rörelsekontroll, betingning för bild-till-video och rendering av läsbar text på skärmen: skyltar, logotyper, produktetiketter som överlever genereringen. Dess dokumenterade svagheter är lika specifika – händer och fingrar, fysisk simulering och simulering av flera objekt, konsistens mellan flera karaktärer i ett klipp, samt genereringstider som ligger på ungefär två till femton minuter beroende på längd och komplexitet.

Den sista raden av svagheter är värd att stanna upp vid, för det är precis den raden som Odyssey-3 riktar in sig på. Kling 3 har svårt med fysisk interaktion mellan flera objekt; hela tesen bakom Odyssey-3 är att förutsägelsen av nästa tillstånd i en scen tvingar en modell att lära sig hur objekt interagerar. De är inte konkurrerande påståenden om samma egenskap. Kling 3 ombeds att fejka fysik tillräckligt övertygande för att en tittare inte ska märka det; Odyssey-3 ombeds att få fysiken rätt så att en styrenhet kan förlita sig på den.

Priset du faktiskt kan mäta

Kling 3:s officiella priser publiceras per sekund och börjar lågt: $0,084 per sekund vid 720p, $0,112 vid 1080p och $0,42 vid 4K, där inbyggt ljud lägger till cirka 50 % vid 720p och 1080p ($0,126 respektive $0,168) och inte kostar något extra vid 4K. Dessa siffror är leverantörens, och de är instegspriserna. Oberoende leverantörsprissättning mätt per minut av utdata ligger långt över vad dessa siffror per sekund antyder, så den ärliga tolkningen är att Kling 3 är billigt att börja med och betydligt mindre billigt när man går upp till högre upplösnings- och ljudnivåer – kontrollera siffran per minut för din egen konfiguration i stället för rubrikpriset. Konsumentsidan bygger på ett kreditsystem med nivåer från en kostnadsfri daglig kvot hela vägen upp till ett Ultra-abonnemang från $127,99 och uppåt, där gratissnivån är begränsad till vattenmärkt 720p och ingen kommersiell användning.

Odyssey-3 har inget pris alls. Det är inte en liten utelämning – det är hela skillnaden i den här jämförelsen. Ett team kan beräkna kostnaden för hundra Kling 3-klipp innan man genererar ett av dem. Ett team kan inte beräkna kostnaden för något på Odyssey-3, eftersom det inte finns något att beräkna det från. Notera också att om dessa två någonsin dyker upp sida vid sida kommersiellt, kommer de förmodligen inte att debiteras på samma sätt: videogenerering mäter sekunder av utdata, medan världsmodeller av det slag som Odyssey beskriver tenderar att mäta timmar av simulering, eftersom köparen är en träningsloop snarare än en renderingskö.

Odyssey-3 jagar en annan kolumn

Odyssey-3 är en autoregressiv diffusionstransformer tränad på visuella observationer, och förmågan i centrum för tillkännagivandet är en inlärd aktionsavkodare – en komponent som översätter modellens interna representation av en scen till de motoriska kommandon som specifik hårdvara behöver. Odyssey rapporterar att samma stomnätverk driver robotarmar från tiotals timmar av demonstrationer (inklusive opromptade återhämtningsrörelser som att rikta om ett gripdon efter ett missat grepp), humanoida policyer byggda med Flexion som körs i realtid, körning i sluten loop från 20 timmars simulerad data, inomhusdrönarflygning med hinderundvikande, och Grand Theft Auto V-sessioner som överförs till Red Dead Redemption 2 och Sleeping Dogs utan extra policyträning i dessa titlar. Företagets enda jämförande siffra är att körpolicyer tränade i simulering färdades ungefär 77 % så långt mellan ingripanden från säkerhetsförare som policyer tränade på verkligt bildmaterial.

Vart och ett av dessa påståenden är oreproducerat, det finns ingen teknisk rapport om Odyssey-3, och ingen tredje part har publicerat en siffra. Spridningen över sex utföringsformer är det intressanta påståendet; avsaknaden av en benchmarktabell är anledningen till att hålla det löst.

Kontrasten, dimension för dimension

• Vad den producerar — Kling 3: ett renderat klipp, upp till 15 s, i upp till 4K. Odyssey-3: ett simulerat världstillstånd plus motoriska handlingar.

• Tagningsstruktur — Kling 3: storyboard för flera tagningar via Omni-variantens tidsstyrda promptlista. Odyssey-3: en enda kontinuerlig generering utan klippbegrepp.

• Ljud – Kling 3: native, synkroniserat, flerspråkigt, valfritt, prissatt 50 % lägre än 4K. Odyssey-3: inget; den är inte en mediegenerator.

• Pris — Kling 3: 0,084 $/s vid 720p, 0,112 $/s vid 1080p, 0,42 $/s vid 4K (leverantörsuppgift; ljud kostar extra under 4K). Odyssey-3: ej publicerad.

• Tillgång — Kling 3: allmänt tillgänglig sedan februari 2026 via leverantörens API och app, och dirigeras via OrcaRouter. Odyssey-3: endast förhandsversion, ”under de kommande veckorna”.

• Underlag — Kling 3: tolv månaders offentlig användning och dokumentation av prissättning från tredje part. Odyssey-3: endast leverantörens demonstrationer.

Var OrcaRouter faktiskt passar in — och det är inte en fotnot här

För en gångs skull handlar detta avsnitt inte om den omgivande stacken. Kling 3 är en av modellerna som OrcaRouter tillhandahåller, som kling-v3 och kling-3-turbo, så jämförelsen mellan de två Kling-nivåerna sker på en enda nyckel i stället för två leverantörsavtal, och du kan testa båda utan att skriva en andra integration. Prissättningen går rakt igenom till leverantörens listpris med 0 % påslag, vilket spelar större roll än vanligt för en modell med ett publicerat pris per sekund och ett ljudtillägg: när leverantören ändrar en siffra ändras din faktura samma dag i stället för vid förnyelsen. Automatisk redundans mellan leverantörer innebär att en genereringskö inte stannar av eftersom en slutpunkt är försämrad — och slutpunkter för videogenerering försämras tillräckligt ofta för att detta ska vara en schemaläggningsfråga, inte en teoretisk sådan. För pipelines som behöver flera modeller komponerar routnings-DSL:en en promptmodell, en bildmodell för startbildrutan och videomodellen till ett enda anrop, vilket ungefär är formen hos ett verkligt videoworkflow.

Odyssey-3, däremot, tillhandahålls inte av OrcaRouter eller av någon annan, och den här artikeln hävdar inte att den gör det. Det finns ännu inget att routa till.

Domen

Om du behöver video det här kvartalet är Kling 3 svaret och jämförelsen är redan avgjord — den är prissatt, tillgänglig och routbar, och dess publicerade 720p-pris på 0,084 USD per sekund gör instegsnivån överkomlig att iterera mot. Dess multi-shot-läge är en genuin arbetsflödesfördel jämfört med generering av enstaka klipp, och dess kända svagheter inom fysik för flera objekt spelar mindre roll för det arbete de flesta team faktiskt utför, vilket är kortformatvideo där tittaren inte kommer att göra en fysikkontroll.

Om du behöver en styrenhet som fungerar på hårdvara är Odyssey-3 den som är riktad mot ditt problem, och det finns fortfarande inget att köpa. Det konkreta skälet att bry sig är bredden: en uppsättning vikter som når armar, humanoida robotar, en bil, en drönare och tre spel är ett påstående om generalitet, och generalitet är det som gör en modell till en grundmodell i stället för en policy. Det konkreta skälet att vänta är att ingen utanför Odyssey har kört den. Håll utkik efter ett pris och en oberoende utvärdering, i den ordningen.