Odyssey-3 vs Runway Gen-4.5: Två satsningar på samma två ord

Det intressanta med att ställa upp Odyssey-3 mot Runway Gen-4.5 är att de två företagen är överens om målet och oense om vägen. Båda säger att målet är en generell världsmodell – ett inlärt system som simulerar verkligheten tillräckligt väl för att vara användbart. Runways hållning, klart uttalad av företagets CTO, är att man kommer dit genom att först bygga en mycket bra videomodell, eftersom att lära ett nätverk att förutsäga pixlar direkt är den mest lovande vägen till generell simulering. Odysseys hållning, synlig i varje arkitekturval som företaget har publicerat om Odyssey-3, är att pixlarna är biprodukten och dynamiken är poängen. Gen-4.5 är det starkaste aktuella uttrycket för den första satsningen. Odyssey-3, som tillkännagavs den 15 september 2026 och utlovades för offentlig lansering "under de kommande veckorna", är den andra satsningen formulerad som en komplett modell. Lästa sida vid sida är de egentligen inte konkurrenter – de är två svar på samma fråga, och frågan är om vägen till en världsmodell går genom rendering.

{{1}}Runways satsning: tjäna världsmodellen genom rendering{{/1}}

Runway kom inte sent eller av en slump till världsmodell-inramningen. Företaget levererar en modell som det kallar en allmän världsmodell – GWM-1, beskriven som byggd för realtidssimulering av verkligheten, interaktiv och styrbar – och behandlar den som lagret ovanför sina videomodeller snarare än som en ersättning för dem. Argumentet är en stege: samma träningssignal som gör en modell bra på att hålla ihop en scen i tio sekunder är signalen som lär den hur objekt består, hur ljus beter sig, hur rörelse fortsätter. Blir man tillräckligt bra på pixlarna följer allmän simulering på köpet.

Gen-4.5 är den aktuella nivån. Den annonserades den 1 december 2025 och rullades ut till betalande prenumeranter från och med den 12 december. Det är en text-till-video- och bild-till-video-modell med de egenskaper som Runway har byggt sitt rykte på: rörelsekvalitet, promptföljsamhet, konsekvens hos karaktärer och motiv samt kamerakontroll. Dess begränsningar anges lika rakt på sak som dess styrkor. Klipp är två till tio sekunder långa – tio är taket, inte standarden. Utdata är 720p vid 24 eller 25 bilder per sekund i sex olika bildförhållanden. Det finns inget ljudspår och ingen storyboarding för flera tagningar; en sekvens är något man sätter samman av separata genereringar. Det är en renderare, och en mycket bra sådan, vilket är precis det påstående som dess moderbolag behöver att den ska vara.

Vad Gen-4.5 kostar, och hur prissättningen är strukturerad

Runway prissätter Gen-4.5 till 12 credits per sekund genererad video. Credits säljs för en cent styck, så arbetstalet är $0,12 per sekund: ett femsekundersklipp kostar $0,60, ett tio sekunder långt klipp $1,20. Utdataalternativ medför tilläggsavgifter i API:et – ProRes- eller PNG-sekvenser lägger till fem credits per sekund, och HDR lägger till tjugo per sekund, vilket stiger till fyrtio över ungefär fyra megapixlar. Det är leverantörens listpriser, och spridningen spelar större roll än rubriksiffran: ett HDR-klipp på tio sekunder kostar mer än tre gånger så mycket som ett vanligt, så en kostnadsmodell byggd på $0,12/sekund är fel i samma stund som HDR kommer in i leveransspecifikationen.

Två strukturella detaljer är värda att känna till innan du budgeterar. API-krediter och appprenumerationskrediter är separata saldon — ett Standard-, Pro- eller Max-abonnemang betalar inte för API-genereringar — och API:et är asynkront, så en uppgift skickas in och pollas i stället för att returneras direkt. Inget av detta är kritik; båda är saker som team upptäcker efter att de har bundit sig till en integration. API:et betjänar också videomodeller från tredje part vid sidan av Runways egna, vilket innebär att en Runway-nyckel kan nå mer än Runways katalog om du vill det.

Odysseys satsning: det viktiga är inte bilden

Odyssey-3 beskrivs av sin skapare som en grundläggande världsmodell som kan driva robotar, styra bilar, träna AI:er, pilotera drönare och spela videospel. Arkitektoniskt är det en autoregressiv diffusions-transformator tränad på en stor samling visuella observationer, och Odyssey säger att resultatet bär på en inlärd förståelse för fysik, dynamik, orsak och verkan samt mänskligt beteende. Detaljen som avslöjar satsningen är hur uppgifter anpassas: i stället för att finjustera modellen fäster Odyssey en åtgärdsavkodare tränad på par av observationer och åtgärder och håller den förtränade världsmodellen fryst hela tiden. En liten policy läser den frysta modellens interna representation och omvandlar den till motoriska kommandon.

Den designen är bara meningsfull om man tror att representationen – inte den renderade bildrutan – är tillgången. Demonstrationerna styrker det över sex förkroppsliganden, alla leverantörsrapporterade. Robotarmar från tiotals timmar av demonstrationer, inklusive återhämtningsbeteenden som ingen lade in i datan, till exempel att rikta om en gripare efter ett missat grepp. Humanoida policyer byggda med Flexion från tiotals timmar av teleoperationsdata, vilka Odyssey säger generaliserar bättre än de VLA-baslinjer man testade, utan att publicera siffror. Körning i sluten loop i Indien från tjugo timmar simulerad data. Drönarflygning inomhus från simulerad data. Policyer för Grand Theft Auto V som överfördes till Red Dead Redemption 2 och Sleeping Dogs utan ytterligare träning i dessa titlar – omkring två timmar GTA-material räckte för rörelse till häst i RDR2. Och miljögenerering för träning av andra AI:er, kopplad till Odysseys PROWL-arbete med förstärkningsinlärning.

Ett tal har publicerats. Odyssey rapporterar att körpolicyer tränade i simulering tillryggalade ungefär 77 % av den sträcka som policyer tränade på verkligt videomaterial tillryggalade mellan ingripanden från säkerhetsförare. Varje påstående i stycket ovan är oreproducerat, det finns ingen teknisk rapport, och ingen tredje part har kört modellen. Bredden över sex förkroppsliganden är det intressanta påståendet; avsaknaden av en benchmark-tabell är skälet att hålla det löst.

Där de två satsningarna blir testbara

En oenighet om strategi är bara användbar om den leder till en förutsägelse, och det gör den här. Om Runway har rätt – om renderingskvaliteten är vägen – bör en videomodells fysikkvalitet förbättras som en funktion av hur bra den är på video, och de två topplistorna bör följas åt. Om Odyssey har rätt bör det finnas fall där en modell som renderar vackert är oanvändbar och en modell som renderar grovt är användbar, eftersom den användbara egenskapen är huruvida nästa tillstånd är tillräckligt förutsägbart för att en styrenhet ska kunna agera på det.

Det finns redan en antydan om åt vilket håll detta lutar, och den smickrar inte någon av sidorna. Runways egen lista över Gen-4.5:s svagheter – fysik bland dem – är en påminnelse om att en renderare är optimerad för att vara övertygande för en betraktare, och en betraktare är förlåtande på sätt som en reglerslinga inte är. Samtidigt är Odysseys enda publicerade siffra, 77 % av körprestandan på verkligt filmmaterial, en förlust gentemot verklig data, inte en vinst. Inget av företagen hävdar att vägen är färdig. Det som skiljer sig är vad var och en av dem mäter.

Punkten där satsningarna verkligen går isär är förkroppsligandet. Inget i Gen-4.5:s design eller prissättning förutser ett handlingsutrymme; det är en funktion från text eller en bild till ett klipp. Inget i Odyssey-3:s material förutser en levererbar fil; det är en funktion från ett världstillstånd och en handling till nästa världstillstånd. Det är olika produkter med olika köpare, och ingen mängd framsteg på endera sidan gör den ena till den andra, eftersom gränssnittet är det som skiljer sig.

Sida vid sida

• Vad det är — Runway Gen-4.5: en renderare för text-till-video och bild-till-video. Odyssey-3: en världsmodell som förutsäger nästa tillstånd och avger motoriska åtgärder.

• Hur du styr den — Runway Gen-4.5: en prompt eller en stillbild, via ett asynkront API. Odyssey-3: en aktionsavkodare plus en liten policy som läser en fryst stomme.

• Utdata — Runway Gen-4.5: 2–10 s klipp, 720p, 24/25 fps, sex bildformat, inget ljud. Odyssey-3: ingen renderad leverabel; simulerade tillstånd över sex förkroppsliganden.

• Pris — Runway Gen-4.5: 12 krediter per sekund, $0,12/sekund, plus 5 krediter/sekund för ProRes eller PNG och 20 för HDR (leverantörslista). Odyssey-3: opublicerad, utan offentliggjorda kommersiella villkor.

• Mognad — Runway Gen-4.5: på marknaden sedan december 2025, med ett etablerat API och stöd från tredje part. Odyssey-3: tillkännagavs den 15 september 2026, offentlig lansering ”inom de närmaste veckorna”.

• Bevis — Runway Gen-4.5: åtta månader av offentliga resultat. Odyssey-3: en siffra från leverantören, inga oberoende körningar.

Ingen av dessa finns på vår nyckel, och det är den ärliga versionen.

OrcaRouter dirigerar ingen av modellerna, och den här artikeln låtsas inte något annat: Runway Gen-4.5 serveras via Runways eget API, och Odyssey-3 har ingen endpoint alls. Vad routing-vinkeln faktiskt är bra för i en jämförelse som den här är pipelinen runt dem. Ett realistiskt Gen-4.5-arbetsflöde är inte en modell – det är en promptmodell som expanderar en brief, en bildmodell som producerar den första bildrutan, videomodellen själv och något nedströms som poängsätter eller förser utdata med bildtext. Att komponera dessa till ett enda anrop via routing-DSL:en, på en enda nyckel, till leverantörens listpris med 0 % påslag, är den del av stacken som OrcaRouter faktiskt kan avlasta dig med idag. Automatisk failover spelar roll här av en vardaglig anledning: asynkrona video-API:er pollar, köer byggs upp, och en pipeline som fastnar på en försämrad endpoint fastnar hela vägen fram till leveransen.

När Odyssey-3 väl släpps kommer routingfrågan att vara annorlunda och svårare. En modell vars säljargument är att den körs mot hårdvara du äger är inte alls en självklar routingkandidat, och den intressanta frågan för en router kommer att vara vad som omger den – sim-to-real-verktygen, policyträningen, utvärderingen – snarare än själva modellanropet.

Vem som har rätt är en fråga för 2027

Om du behöver video det här kvartalet är Gen-4.5 svaret och det finns inget att väga: priset är satt, dokumentationen finns och den har varit i offentligt bruk i åtta månader, och till $0.12 per sekund är kostnaden för att ta reda på om den passar ditt arbete liten. Budgetera för tilläggsavgifterna och för det separata API-kreditsaldot, och betrakta taket på tio sekunder som en hård designbegränsning snarare än en siffra du kommer att arbeta dig runt.

Om du bygger en styrenhet — vad som helst där en inlärd modell måste tala om för hårdvaran vad som ska göras härnäst — är Gen-4.5 inte med i diskussionen till något pris, och Odyssey-3 är den som är riktad mot ditt problem, men det finns inget sätt att få tag på den. Det konkreta skälet att bry sig är resultatet med fryst stamnät: om en enda förtränad modell kan styra armar, humanoider, en bil, en drönare och tre spel via en liten avkodare, är det ett uttalande om hur mycket fysisk förståelse som överförs, och det är påståendet som skulle göra världsmodeller till ett grundlager i stället för en policy per uppgift. Det konkreta skälet att vänta är att ingen utanför Odyssey har kört den.

Vad man bör hålla utkik efter, i tur och ordning: en teknisk rapport, sedan en licens, sedan en tredje part som reproducerar siffran 77 % på sin egen hårdvara. Runways väg och Odysseys väg leder båda fram till en allmän världsmodell. Bara en av dem har för närvarande en betalstation man kan gå fram till.

Dirigera promptmodellen, bildmodellen och videomodellen genom en enda slutpunkt med automatisk redundansväxling i stället för tre integrationer.