Odyssey-3 vs MiniMax H3: Skillnaden är en nedladdning

Den 3 augusti 2026 landade vikterna för en 2K-videomodell på Hugging Face under ett namn som vem som helst kan ladda ner och köra: MiniMax H3. Sex veckor senare, den 15 september, publicerade Odyssey en forskningssida för Odyssey-3 — en grundmodell för världen som styr robotarmar, en bil, en drönare och tre videospel — och satte en mening där nedladdningslänken skulle ha stått: den kommer att släppas offentligt "inom de kommande veckorna". De två meningarna är hela jämförelsen. En av dessa modeller kan finnas i ditt kluster i natt, på din egen hårdvara, under en licens du kan läsa. Den andra kan inte köpas, hyras eller laddas ner av någon utanför dess labb, och företaget har inte sagt när det ändras. Den asymmetrin är inte en fotnot till matchen. Det är matchen.

Vad MiniMax H3 faktiskt ger dig

H3 presenterades den 31 juli 2026 och släpptes med öppen källkod den 3 augusti. Det är en generell modell snarare än en videogenerator för en enskild uppgift: den läser text, bilder, video och ljud som kontext och skriver video på upp till 15 sekunder i upp till 2K med inbyggt stereoljud vid 32 kHz och 24 bildrutor per sekund. Sex bildförhållanden stöds (21:9 till 9:16), och dialog stöds stabilt på elva språk. Det finns två publicerade varianter av den öppna basen – H3-Base-FL2VA för text-till-video samt generering från första bildrutan, sista bildrutan eller både första och sista bildrutan, och H3-Base-Ref2VA, som tar emot upp till nio bilder, tre videoklipp och tre ljudklipp, med en gräns på tolv indatafiler.

Den del som spelar roll för den här jämförelsen är var den öppna halvan slutar. Det fullständiga H3-systemet är en pipeline i tre steg: H3-Context-IR förbehandlar och orkestrerar kontexten, H3-Base genererar i 768p och H3-Regenerate-2K lyfter resultatet till 2K. Endast H3-Base:s vikter är offentliga, och de levereras under MiniMax H3 Community License i stället för Apache eller MIT – en licens med villkor, som är värd att läsa innan den hamnar i en kommersiell pipeline. Steget Context-IR och 2K-regenereringsmodulen körs på MiniMax sida. Så "öppna vikter" här köper dig mitten av pipelinen. Ett team som laddar ner H3-Base och självhostar det får videogenerering i 768p och ingen väg till 2K utan att kontakta leverantören.

Vad Odyssey-3 ger dig i stället

Det Odyssey-3 i stället ger dig är ett påstående och en uppsättning demonstrationer. Odyssey beskriver den som en grundmodell för världen, och den arkitekturdetalj som har publicerats är tillräckligt specifik för att kunna kontrolleras senare: en autoregressiv diffusionstransformer tränad på en stor samling visuella observationer av världen, vilket företaget säger ger en inlärd förståelse för fysik, dynamik, orsak och verkan samt mänskligt beteende. Uppgiftsanpassning sker genom att en handlingsavkodare som tränats på observations–handlingspar kopplas på medan den förtränade världsmodellen hålls fryst — en liten policy läser den frysta modellens representationer i stället för att finjustera själva modellen.

Demonstrationerna omfattar sex förkroppsliganden. Robotarmar, efter tiotals timmars demonstrationer, inklusive återhämtningsbeteenden som inte fanns i träningsdatan – att rikta om ett gripdon efter ett missat grepp. Humanoida policyer byggda med Flexion från tiotals timmars teleoperationsdata, som Odyssey säger generaliserar bättre än de VLA-baslinjer man testade mot, utan att publicera någon siffra. Sluten-loop-körning inlärd från tjugo timmars simulerad data, körd i Indien. Drönarflygning inomhus med hinderundvikande från simulerad data. Spelmiljöer, inklusive policyer tränade i Grand Theft Auto V som överfördes till Red Dead Redemption 2 och Sleeping Dogs utan ytterligare träning i dessa titlar; ungefär två timmars GTA-material räckte för att åstadkomma rörelse till häst i RDR2. Och miljögenerering för att träna andra AI:er, kopplad till företagets PROWL-arbete inom förstärkningsinlärning.

Det enda hårda siffran på sidan är en jämförelse mot verkligt filmmaterial: Odyssey rapporterar att simuleringstränade körpolicyer färdades ungefär 77 % så långt mellan ingripanden från säkerhetsförare som policyer tränade på verklig data. Det är en leverantörssiffra, oreproducerad, utan teknisk rapport bakom sig, och ingen tredje part har publicerat ett resultat för Odyssey-3. Det är den typ av siffra som avgör om en världsmodell är användbar, och för närvarande är den bara ett enda företags ord.

Två inlåsningar som inte liknar varandra alls

Det är frestande att kategorisera MiniMax H3 som "den öppna" och Odyssey-3 som "den slutna", men verkligheten kring licensiering är mer intressant än så, och den går åt båda hållen.

MiniMax H3 är öppen i mitten och stängd i kanterna. Du kan hålla generatorn, inspektera den, finjustera den och köra den utan ett nätverksanrop. Du kan inte hålla den kontextorkestrering som gör den till en generell modell, och du kan inte hålla 2K-steget. Om din produkts kvalitetsutfästelse beror på utmatningsupplösningen har din distribution med öppna vikter ett tak som bara leverantörens hostade nivå lyfter.

Odyssey-3 är sluten i alla lager, och det är företagets egen inramning som gör att det är märkligt. En världsmodell som riktas mot robotar, drönare och fordon riktas mot köpare som kör inferens på hårdvara de själva kontrollerar – fabriksgolv, testfordon, flygkroppar. Dessa köpare kan inte använda en hostad slutpunkt för styrloopen; latens och uppkoppling gör det omöjligt. Så affärsmodellen för en modell som den här måste involvera vikter, annars har den inga kunder i de segment som Odyssey fortsätter att nämna. Avsaknaden av en licens i dag är mindre ett uttryck för avsikt än ett konstaterande att de kommersiella villkoren fortfarande håller på att skrivas. Odysseys Serie B på 310 miljoner dollar, som tillkännagavs i juni 2026 till en värdering på 1,45 miljarder dollar, med AWS som föredragen molnleverantör och Trainium som beräkningssubstrat, är sammanhanget där dessa villkor kommer att fastställas.

Dimension för dimension

• Vad den producerar — MiniMax H3: ett renderat klipp, 4–15 s, upp till 2K med stereoljud. Odyssey-3: ett simulerat världstillstånd plus motoriska åtgärder för ansluten hårdvara.

• Vad du kan ladda ner — MiniMax H3: H3-Base-vikter, community-licens, 768p. Odyssey-3: ingenting; inga vikter, ingen licens, inget arkiv.

• Det som stannar hos leverantören — MiniMax H3: H3-Context-IR och H3-Regenerate-2K, de två modulerna som gör den generell och som ger den 2K. Odyssey-3: allt.

• Pris — MiniMax H3: publicerade priser per sekund, ungefär $0,08 vid 768p och $0,13 vid 2K, plus $0,05 per sekund för regenererad utdata (leverantörens siffror). Odyssey-3: inga publicerade någonstans.

• Tillgänglighet — MiniMax H3: öppen sedan 3 augusti 2026, kan anropas nu. Odyssey-3: tillkännagavs 15 september 2026, "inom de kommande veckorna", inget datum.

• Tredjepartsbevis — MiniMax H3: rankad först inom videoredigering och tvåa eller trea inom text-till-video och bild-till-video i tredjepartsutvärderingar. Odyssey-3: en siffra från leverantören och inga externa körningar alls.

Om du behöver bygga något den här månaden

Den praktiska konsekvensen är att bara en av dessa två är ett beslut du kan agera på. MiniMax H3 routas på OrcaRouter som minimax/minimax-h3 till leverantörens listpris, med 0 % påslag — så leverantörens pris är priset du betalar, och när MiniMax ändrar en siffra ändras din faktura med den samma dag i stället för vid förnyelsen. Det spelar större roll för en video-modell med per-sekund-prissättning än för de flesta andra saker, eftersom spannet mellan 768p och 2K är nästan två till ett och skillnaden mellan en prototyp och en lansering kan vara skillnaden mellan dessa två nivåer.

Det finns en andra anledning att ta till en router här i stället för en direkt leverantörsintegration. H3:s öppna halva är verkligen användbar i sig, och de team som med störst sannolikhet bryr sig om det är de som har GPU:er och åsikter om dem. De teamen hamnar i en blandad miljö: självhostad H3-Base för volymarbetet, en hostad väg för 2K-regenereringen och en eller två andra modeller för vad pipelinen än behöver runt videon. En nyckel och automatisk failover mellan leverantörer är värt mer i den formen än i en enmodellsstack, och routing-DSL:en komponerar de omkringliggande modellerna – en promptmodell, en bildmodell för startrutan, videomodellen – till ett anrop i stället för tre integrationer.

Odyssey-3, för att vara tydlig, dirigeras inte av OrcaRouter eller av någon annan. Det finns ingen slutpunkt att dirigera till och inget pris att passera igenom. Den här artikeln påstår inte något annat.

Frågan som är värd att ställa till båda leverantörerna

MiniMax har redan svarat på den intressanta frågan om H3, och svaret är "mitten, vid 768p, under vår licens." Om du utvärderar H3 är det du bör testa huruvida den öppna basen plus din egen infrastruktur slår den hostade 2K-vägen på kostnad per användbar sekund — och att testa det innan du bygger ett produktpåstående på 2K-utdata.

Odyssey har ännu inte svarat på sin version. När lanseringsfönstret stängs är den första frågan inte ett benchmark, utan en licens: vilken av dessa sex förkroppsliganden som är en driftsättning som stöds, på vems hårdvara, till vilket pris, och om aktionsavkodaren som får en fryst världsmodell att driva en robotarm är något som en kund tränar eller något som Odyssey levererar. En världsmodell som når robotarmar, humanoider, bilar, drönare och tre spel med en enda stomme är ett anspråk på generalitet, och generalitet är det som gör den till en grundmodell snarare än en policy — vilket är precis varför de kommersiella villkoren, inte demonstrationsrullen, kommer att avgöra vem som kan använda den.

Fram till dess lyder den ärliga resultattavlan: en modell du kan hämta, en modell du kan bevaka. Håll utkik efter ett kodförråd och en licens först, och ett riktmärke sedan – i den ordningen, för utan de två första går den tredje inte att verifiera.

Sätt hela pipelinen bakom en API-nyckel med automatisk failover i stället för tre separata integrationer.