Odyssey-3 vs Luma Ray 3.2: En värld att träda in i eller en fil att gradera

Luma Ray 3.2 gör något som nästan inget annat inom videogenerering gör: det ger dig HDR-bildrutor på 10, 12 och 16 bitar i standarden ACES2065-1 EXR, vilket är formatet en colorist faktiskt vill ha och anledningen till att modellen finns i sin nuvarande form. Odyssey-3 gör något som ingen videomodell alls gör: den tar en handling som indata och förutsäger vad världen gör härnäst, och omvandlar sedan den förutsägelsen till motorkommandon för en robotarm, en humanoid, en bil eller en drönare. Luma Ray 3.2, som släpptes av Luma AI den 9 juni 2026, är ett genereringsverktyg som gränsar till finishing med ett API för utvecklare. Odyssey-3, som förhandsvisades av Odyssey den 15 september 2026, är en ännu inte släppt foundation-världsmodell utan pris och utan datum. Att jämföra dem är mindre en bake-off än ett sätt att ställa frågan om vilken av två mycket olika utdata din pipeline faktiskt saknar – en graderad bildruta, eller en värld som svarar på styrning.

Ray 3.2 är uppbyggd kring leverabeln.

Släppet av Ray 3.2 är mindre anmärkningsvärt för sin genereringskvalitet än för var det stannar. Den genererar i 540p, 720p och 1080p, i 5- eller 10-sekundersklipp, i sex bildförhållanden som täcker vertikalt, kvadratiskt och widescreen, och den accepterar text, en startbildruta, en slutbildruta eller en befintlig video för modifiering. HDR-vägen är det som skiljer ut den, och den kommer med verkliga begränsningar som är värda att formulera exakt: 10-, 12- och 16-bitars HDR-utdata i ACES2065-1 EXR finns endast vid 720p och 1080p, och endast för 5-sekundersklipp. EXR-export måste begäras genom att aktivera HDR. Standardutdata är MP4. Sömlös loopning gäller 5-sekundersklipp. Upp till 16 nyckelbildrutor per klipp ger kontroll på tagningnivå som ligger närmare animering än promptning, och spårning av ansiktsperformance omfattar upp till åtta ansikten.

Två andra fakta påverkar köpbeslutet. Ray 3.2 är den första modellen i Ray-familjen med ett fullständigt utvecklar-API – tidigare Ray-modeller var enbart prenumerationsbaserade – uppdelat i en användningsbaserad Build-nivå och en Scale-nivå med reserverad genomströmning och SLA. Och den genererar inte synkroniserat ljud för text-till-video eller bild-till-video; ljud finns endast kvar i modifierings- och omramningsflödena. Luma har genomfört en egen utvärdering där de hävdar paritet med Googles Veo 3 och ett försprång framför flera konkurrenter, men det är leverantörsdrivna jämförelser utan publicerade numeriska poäng och bör betraktas som positionering snarare än mätning.

Odyssey-3 är uppbyggd kring handkontrollen.

Odyssey-3:s designcentrum ligger i den motsatta änden av pipelinen. Det är en autoregressiv diffusionstransformator tränad på visuell observation av världen, och dess utmärkande komponent är en inlärd handlingsavkodare – med Odysseys formulering, "en inlärd utdatakomponent fäst vid världsmodellen" som översätter modellens interna representation till de handlingar som en given hårdvaruenhet kräver. Odyssey rapporterar att samma stamnät styr robotarmar från tiotals timmars demonstrationer, driver humanoida policyer byggda med Flexion i realtid, producerar körvägpunkter i sluten slinga från ett fryst stamnät 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 ytterligare policyträning där.

Det enda jämförelsetal som Odyssey publicerade är att körpolicyer tränade i simulering färdades ungefär 77 % så långt mellan ingripanden från säkerhetsförare som policyer tränade på verkligt videomaterial. Det finns ingen benchmarktabell, ingen teknisk rapport om Odyssey-3, ingen oberoende utvärdering och inget tillgänglighetsdatum utöver ”de kommande veckorna”. Det är en förhandsvisning, och den är prissatt till ingenting eftersom den inte kan köpas.

Kontrasten, dimension för dimension

• Vad som kommer ut — Luma Ray 3.2: MP4, plus 10/12/16-bitars ACES2065-1 EXR när HDR är aktiverat. Odyssey-3: ett simulerat världstillstånd plus motoriska handlingar.

• Formattak – Luma Ray 3.2: ACES2065-1 EXR vid 720p och 1080p, endast 5-sekundersklipp. Odyssey-3: inte ett filformat; utdata är en utrullning.

• Upplösning och längd — Luma Ray 3.2: upp till 1080p, 5 s eller 10 s (10 s endast text-till-video). Odyssey-3: kontinuerlig, i den takt som driftsättningen kräver.

• Ljud — Luma Ray 3.2: inget för T2V/I2V; bevaras vid ändring och omramning. Odyssey-3: inget; den är inte en mediegenerator.

• Pris — Luma Ray 3.2: per video beroende på upplösning, dynamiskt omfång och varaktighet, där HDR- och EXR-export multiplicerar klippkostnaden; tredjepartslistningar anger ett 5-sekunders 720p-klipp till nära 0,30 USD och 1080p till nära 1,20 USD. Odyssey-3: ej publicerad.

• Tillgänglighet — Luma Ray 3.2: släppt 2026-06-09, API-nivåerna Build och Scale. Odyssey-3: förhandsvisning, "inom de kommande veckorna."

Leverabel kontra miljö

Anledningen till att denna parkoppling är lärorik snarare än godtycklig är att de två modellerna slutar på olika platser. Ray 3.2 slutar i en fil som går till en colorist, en compositor eller ett finishinghus – EXR-vägen finns just för att den genererade bilden ska kunna genomgå grading, compositing och ny grading utan att falla sönder. Det är ett arbetsflödesbeslut, och det är därför Ray 3.2 konkurrerar mer direkt med postproduktionsverktyg än med andra generatorer.

Odyssey-3 avslutas inte alls i filbemärkelse. Dess utdata är ett simulerat tillstånd som fortsätter att köra, och dess konsument är ett program. Testet på om det fungerade är inte huruvida bildrutorna ser rätt ut utan huruvida en policy som tränats inuti det överförs till hårdvara. Det är olika framgångskriterier som mäts av olika personer, och ingen mängd upplösning på endera sidan gör dem jämförbara.

Där de skulle kunna mötas är vägen från previsualisering till finishing. En världsmodell är det naturliga verktyget för att utforska ett rum interaktivt — att ändra en kamerarörelse, blocka om en scen, se konsekvensen omedelbart, vilket är precis vad ett fast genererat klipp inte kan göra. En modell som Ray 3.2 är det naturliga verktyget för att förvandla det valda resultatet till något som kan levereras i HDR. I dag har den vägen ett hål i mitten, eftersom Odyssey-3 inte är tillgänglig och inte producerar något filformat som en finishing-pipeline konsumerar.

Routar runt båda två

Varken Luma Ray 3.2 eller Odyssey-3 tillhandahålls av OrcaRouter, och den här artikeln hävdar inte att någon av dem är det. Vad som är värt att notera är hur stor del av en sådan här pipeline som inte utgörs av någon av modellerna. Promptmodellen som utformar en tagningbeskrivning, visionsmodellen som kontrollerar en bildruta mot briefen, transkriberingsmodellen som återskapar dialog från ett referensspår – de körs ständigt, till en bråkdel av videomodellens kostnad per klipp, och det är de delar som går sönder vid olägliga tider. Att köra dem på ett API över 200+ modeller till leverantörens listpris med 0 % påslag håller det lagret på en nyckel och en faktura, och automatisk failover innebär att en försämrad prompt-endpoint dirigeras om i stället för att blockera kön bakom den. När en leverantör sänker priset på en videomodell innebär vidarebefordran att sänkningen är aktiv här samma dag – men för de modeller vi faktiskt tillhandahåller, vilket i dag inte inkluderar någon av dessa två.

Vad var och en är värd att vänta på

Ray 3.2 är tillgänglig nu, och anledningen att välja den är specifik: om din leverabel passerar genom en färgpipeline är ACES2065-1 EXR-vägen en funktion som de flesta generatorer helt enkelt inte erbjuder, och upplösnings- och varaktighetsbegränsningarna – 1080p-tak, 5-sekundersklipp för HDR, inget inbyggt ljud – är inträdespriset. Om du behöver synkroniserat ljud är detta fel modell och du bör titta på en som genererar det.

Odyssey-3 är värt att titta på av en anledning, och det är inte någon av Ray 3.2:s dimensioner. Om en uppsättning vikter verkligen driver armar, humanoida robotar, en bil, en drönare och tre spel från tiotals timmar data vardera, är det ett påstående om generalitet som ingen renderare gör, och det är påståendet med störst uppsida inom det nuvarande fältet. Problemet är att bevisningen för det, idag, är Odysseys egen demonstrationsrulle och en enda sim-till-real-siffra. Det som skulle ändra bedömningen är inte en bättre demo — det är ett pris, ett datum och en siffra mätt av någon som inte arbetar där.