Odyssey-3 vs Luma Ray 3.2: โลกที่ให้เข้าไป หรือไฟล์ที่ให้เกรด

Luma Ray 3.2 ทำสิ่งที่แทบไม่มีอะไรอื่นในวงการสร้างวิดีโอทำได้: มันมอบเฟรม HDR ขนาด 10-, 12-, และ 16-บิต ในมาตรฐาน ACES2065-1 EXR ซึ่งเป็นรูปแบบที่นักปรับสีต้องการจริง ๆ และเป็นเหตุผลที่โมเดลนี้มีอยู่ในรูปแบบปัจจุบัน Odyssey-3 ทำสิ่งที่โมเดลวิดีโอไม่มีตัวใดทำเลย: มันรับแอ็กชันเป็นอินพุตและคาดการณ์ว่าโลกจะทำอะไรต่อไป จากนั้นแปลงคำคาดการณ์นั้นเป็นคำสั่งมอเตอร์สำหรับแขนหุ่นยนต์ ฮิวแมนนอยด์ รถยนต์ หรือโดรน Luma Ray 3.2 เปิดตัวโดย Luma AI เมื่อวันที่ 9 มิถุนายน 2026 เป็นเครื่องมือสร้างที่อยู่ใกล้ขั้นตอน finishing พร้อม API สำหรับนักพัฒนา Odyssey-3 ซึ่ง Odyssey เปิดพรีวิวเมื่อวันที่ 15 กันยายน 2026 เป็น foundation world model ที่ยังไม่เปิดตัว ไม่มีราคา และไม่มีกำหนดวัน การเปรียบเทียบทั้งสองจึงไม่ใช่การประลองชิงชัยเท่าไรนัก แต่เป็นวิธีถามว่าเอาต์พุตสองแบบที่ต่างกันมากนี้ แบบไหนที่ไปป์ไลน์ของคุณขาดอยู่จริง ๆ — เฟรมที่ผ่านการเกรดสี หรือโลกที่ตอบสนองต่อการควบคุม

Ray 3.2 ถูกสร้างขึ้นโดยยึดสิ่งที่ต้องส่งมอบเป็นศูนย์กลาง

การเปิดตัว Ray 3.2 โดดเด่นน้อยกว่าในเรื่องคุณภาพการสร้าง และโดดเด่นมากกว่าในเรื่องจุดที่มันหยุด มันสร้างที่ 540p, 720p และ 1080p เป็นคลิปความยาว 5 หรือ 10 วินาที ในอัตราส่วนภาพ 6 แบบที่ครอบคลุมแนวตั้ง จัตุรัส และไวด์สกรีน และรับข้อความ เฟรมเริ่มต้น เฟรมสิ้นสุด หรือวิดีโอที่มีอยู่สำหรับแก้ไข เส้นทาง HDR คือจุดที่ทำให้แตกต่าง และมาพร้อมข้อจำกัดจริงที่ควรระบุให้ชัดเจน: เอาต์พุต HDR 10, 12 และ 16 บิตใน ACES2065-1 EXR ใช้ได้เฉพาะที่ 720p และ 1080p และเฉพาะคลิป 5 วินาทีเท่านั้น การส่งออก EXR ต้องร้องขอโดยการเปิดใช้งาน HDR เอาต์พุตมาตรฐานคือ MP4 การวนซ้ำแบบไร้รอยต่อใช้กับคลิป 5 วินาที คีย์เฟรมสูงสุด 16 คีย์เฟรมต่อคลิปมอบการควบคุมระดับช็อตที่ใกล้เคียงกับแอนิเมชันมากกว่าการพรอมป์ต์ และการติดตามการแสดงออกทางสีหน้าครอบคลุมได้สูงสุดแปดใบหน้า

มีอีกสองข้อเท็จจริงที่ส่งผลต่อการตัดสินใจซื้อ Ray 3.2 เป็นโมเดลแรกในตระกูล Ray ที่มี API สำหรับนักพัฒนาแบบเต็มรูปแบบ — โมเดล Ray รุ่นก่อนหน้าเป็นแบบสมัครสมาชิกเท่านั้น — โดยแบ่งออกเป็นระดับ Build แบบจ่ายตามการใช้งาน และระดับ Scale แบบจองทรูพุตพร้อม SLA และมันไม่สร้างเสียงที่ซิงโครไนซ์สำหรับงาน text-to-video หรือ image-to-video; เสียงจะคงอยู่เฉพาะในเส้นทาง modify และ reframe เท่านั้น Luma ได้ทำการประเมินของตนเองโดยอ้างว่าทัดเทียมกับ Veo 3 ของ Google และเหนือกว่าคู่แข่งหลายราย แต่สิ่งเหล่านั้นเป็นการเปรียบเทียบที่ผู้ขายจัดทำเองโดยไม่มีคะแนนตัวเลขเผยแพร่ และควรอ่านเป็นการวางตำแหน่งผลิตภัณฑ์มากกว่าการวัดผล

Odyssey-3 ถูกสร้างขึ้นโดยมีคอนโทรลเลอร์เป็นศูนย์กลาง

ศูนย์กลางการออกแบบของ Odyssey-3 คือปลายอีกด้านของไปป์ไลน์ มันเป็น autoregressive diffusion transformer ที่ฝึกบนการสังเกตภาพของโลก และองค์ประกอบที่โดดเด่นของมันคือตัวถอดรหัสการกระทำที่เรียนรู้ได้ — ในถ้อยคำของ Odyssey "องค์ประกอบเอาต์พุตที่เรียนรู้ได้ซึ่งแนบอยู่กับแบบจำลองโลก" ที่แปลการแทนค่าภายในของแบบจำลองเป็นการกระทำที่ฮาร์ดแวร์ชิ้นหนึ่งต้องการ Odyssey รายงานว่าแบ็กโบนเดียวกันควบคุมแขนหุ่นยนต์จากการสาธิตหลายสิบชั่วโมง ขับเคลื่อนนโยบายฮิวแมนนอยด์ที่สร้างด้วย Flexion ในเวลาจริง ผลิตเวย์พอยต์การขับขี่แบบวงปิดจากแบ็กโบนที่แช่แข็งซึ่งฝึกบนข้อมูลจำลอง 20 ชั่วโมง บินโดรนในอาคารรอบสิ่งกีดขวาง และเล่น Grand Theft Auto V โดยถ่ายโอนไปยัง Red Dead Redemption 2 และ Sleeping Dogs โดยไม่ต้องฝึกนโยบายเพิ่มเติมที่นั่น

ตัวเลขเปรียบเทียบเพียงตัวเดียวที่ Odyssey เปิดเผยคือ นโยบายการขับขี่ที่ฝึกด้วยการจำลองเดินทางได้ระยะทางระหว่างการแทรกแซงของผู้ขับขี่เพื่อความปลอดภัยประมาณ 77% ของระยะทางที่นโยบายซึ่งฝึกด้วยภาพจริงทำได้ ไม่มีตารางเกณฑ์มาตรฐาน ไม่มีรายงานทางเทคนิค Odyssey-3 ไม่มีการประเมินโดยอิสระ และไม่มีวันที่พร้อมใช้งานนอกเหนือจาก "อีกไม่กี่สัปดาห์ข้างหน้า" มันเป็นเพียงพรีวิว และไม่มีราคาเพราะยังซื้อไม่ได้

ความแตกต่าง ทีละมิติ

• สิ่งที่ได้ออกมา — Luma Ray 3.2: MP4 พร้อมไฟล์ EXR แบบ ACES2065-1 ระดับ 10/12/16-bit เมื่อเปิดใช้งาน HDR Odyssey-3: สถานะโลกจำลองพร้อมการกระทำของมอเตอร์

• ขีดจำกัดรูปแบบ — Luma Ray 3.2: ACES2065-1 EXR ที่ 720p และ 1080p คลิป 5 วินาทีเท่านั้น Odyssey-3: ไม่ใช่รูปแบบไฟล์; เอาต์พุตคือการทยอยเปิดใช้งาน

• ความละเอียดและความยาว — Luma Ray 3.2: สูงสุด 1080p, 5 วินาที หรือ 10 วินาที (10 วินาทีใช้ได้กับ text-to-video เท่านั้น) Odyssey-3: ต่อเนื่อง ในอัตราใดก็ได้ตามที่การติดตั้งใช้งานต้องการ

• เสียง — Luma Ray 3.2: ไม่มีสำหรับ T2V/I2V; ยังคงไว้ในโหมดแก้ไขและปรับกรอบภาพ Odyssey-3: ไม่มี เนื่องจากไม่ใช่เครื่องมือสร้างสื่อ

• ราคา — Luma Ray 3.2: ต่อวิดีโอตามความละเอียด ช่วงไดนามิก และระยะเวลา โดยการส่งออก HDR และ EXR จะคูณต้นทุนของคลิป; รายการจากบุคคลที่สามระบุว่าคลิป 5 วินาที 720p อยู่ที่ประมาณ $0.30 และ 1080p อยู่ที่ประมาณ $1.20 Odyssey-3: ยังไม่เผยแพร่

• ความพร้อมใช้งาน — Luma Ray 3.2: เปิดตัวเมื่อ 2026-06-09 โดยมีระดับ API แบบ Build และ Scale ส่วน Odyssey-3: พรีวิว "ในอีกไม่กี่สัปดาห์ข้างหน้า"

สิ่งที่ต้องส่งมอบกับสภาพแวดล้อม

เหตุผลที่การจับคู่นี้ให้ความรู้มากกว่าจะเป็นเรื่องตามอำเภอใจก็คือ โมเดลทั้งสองจบลงที่จุดต่างกัน Ray 3.2 จบลงที่ไฟล์ซึ่งถูกส่งต่อไปยังผู้ปรับสี (colourist), ผู้ประกอบภาพ (compositor), หรือ finishing house — เส้นทาง EXR มีอยู่ก็เพื่อให้ภาพที่สร้างขึ้นสามารถผ่านการเกรด การคอมโพสิต และการเกรดซ้ำได้โดยไม่แตกสลาย นั่นเป็นการตัดสินใจด้านเวิร์กโฟลว์ และนี่คือเหตุผลที่ Ray 3.2 แข่งขันโดยตรงกับเครื่องมือโพสต์โปรดักชันมากกว่ากับเครื่องมือสร้างภาพอื่น ๆ

Odyssey-3 ไม่ได้สิ้นสุดในความหมายเชิงไฟล์เลย เอาต์พุตของมันคือสถานะจำลองที่ยังทำงานต่อไปเรื่อย ๆ และผู้บริโภคของมันคือโปรแกรม การทดสอบว่ามันทำงานได้หรือไม่ ไม่ใช่ว่าเฟรมดูถูกต้องหรือไม่ แต่เป็นว่านโยบายที่ฝึกภายในมันถ่ายโอนไปยังฮาร์ดแวร์ได้หรือไม่ นั่นเป็นเกณฑ์ความสำเร็จที่แตกต่างกัน ซึ่งวัดโดยคนละกลุ่ม และไม่ว่าความละเอียดจะมากเพียงใดในฝั่งใดฝั่งหนึ่ง ก็ไม่ได้ทำให้มันเทียบกันได้

จุดที่ทั้งสองเชื่อมต่อกันได้คือเส้นทางจากพรีวิชวลไลเซชันไปจนถึงการ finishing เวิลด์โมเดลเป็นเครื่องมือตามธรรมชาติสำหรับการสำรวจพื้นที่แบบอินเทอร์แอกทีฟ — การเปลี่ยนการเคลื่อนกล้อง การจัดบล็อกฉากใหม่ การเห็นผลลัพธ์ที่เกิดขึ้นทันที ซึ่งเป็นสิ่งที่คลิปที่สร้างขึ้นแบบตายตัวทำไม่ได้เลย โมเดลอย่าง Ray 3.2 เป็นเครื่องมือตามธรรมชาติสำหรับเปลี่ยนผลลัพธ์ที่เลือกไว้ให้เป็นสิ่งที่ส่งมอบได้ในรูปแบบ HDR ทุกวันนี้ เส้นทางนั้นมีช่องว่างตรงกลาง เพราะ Odyssey-3 ไม่พร้อมใช้งาน และไม่ผลิตรูปแบบไฟล์ใดที่ไปป์ไลน์ finishing นำไปใช้ได้

Routing around both of them

ทั้ง Luma Ray 3.2 และ Odyssey-3 ต่างก็ไม่ได้ให้บริการผ่าน OrcaRouter และบทความนี้ไม่ได้กล่าวอ้างว่าตัวใดตัวหนึ่งเป็นเช่นนั้น สิ่งที่ควรค่าแก่การสังเกตคือ pipeline แบบนี้มีสัดส่วนที่ไม่ใช่โมเดลทั้งสองนี้อยู่มากเพียงใด โมเดลพรอมป์ที่ร่างคำอธิบายช็อต โมเดลวิชันที่ตรวจเฟรมเทียบกับบรีฟ โมเดลถอดเสียงที่กู้บทสนทนากลับมาจากแทร็กอ้างอิง — พวกนี้ทำงานตลอดเวลา ด้วยต้นทุนต่อคลิปเพียงเศษเสี้ยวของโมเดลวิดีโอ และเป็นส่วนที่พังในเวลาที่ไม่สะดวก การรันพวกมันบนAPI เดียวที่ครอบคลุมโมเดลกว่า 200 รายการ ในราคาตามที่ผู้ให้บริการประกาศ โดยบวกเพิ่ม 0%ช่วยให้เลเยอร์นั้นอยู่บนคีย์เดียวและบิลเดียว และการสลับไปใช้ระบบสำรองอัตโนมัติหมายความว่า endpoint พรอมป์ที่ทำงานบกพร่องจะถูกเปลี่ยนเส้นทางแทนที่จะทำให้คิวที่ต่อท้ายอยู่หยุดชะงัก เมื่อผู้ให้บริการลดราคาโมเดลวิดีโอ การส่งต่อราคานั้นหมายความว่าราคาที่ลดแล้วมีผลที่นี่ในวันเดียวกัน — แต่สำหรับโมเดลที่เราให้บริการจริง ซึ่งวันนี้ยังไม่รวมสองตัวนี้

แต่ละสิ่งคุ้มค่าที่จะรอหรือไม่

Ray 3.2 เปิดให้ใช้งานแล้ว และเหตุผลที่ควรเลือกนั้นเจาะจงมาก: หากสิ่งที่คุณต้องส่งมอบต้องผ่านไปตามไปป์ไลน์สี (colour pipeline) เส้นทาง ACES2065-1 EXR ถือเป็นความสามารถที่เครื่องมือสร้างวิดีโอส่วนใหญ่ไม่มีให้เลย และข้อจำกัดด้านความละเอียดและความยาว — เพดานที่ 1080p, คลิปยาว 5 วินาทีสำหรับ HDR, ไม่มีเสียงในตัว — คือเงื่อนไขที่ต้องยอมรับ หากคุณต้องการเสียงที่ซิงก์กันได้ นี่คือรุ่นที่ไม่เหมาะ และคุณควรไปดูรุ่นที่สร้างเสียงได้

Odyssey-3 น่าจับตามองด้วยเหตุผลเดียว และไม่ใช่เพราะมิติใด ๆ ของ Ray 3.2 ถ้าชุดน้ำหนักชุดหนึ่งขับเคลื่อนแขนกล หุ่นยนต์ฮิวแมนนอยด์ รถยนต์ โดรน และเกมสามเกมได้จริง จากข้อมูลอย่างละหลายสิบชั่วโมง นั่นคือข้ออ้างเรื่องความสามารถทั่วไปที่ไม่มีเรนเดอเรอร์ใดกล่าวอ้าง และเป็นข้ออ้างที่มีอัพไซด์มากที่สุดในวงการตอนนี้ ปัญหาคือ หลักฐานสำหรับเรื่องนี้ในวันนี้ คือรีลสาธิตของ Odyssey เอง กับตัวเลข sim-to-real เพียงตัวเดียว สิ่งที่จะเปลี่ยนการตีความไม่ใช่เดโมที่ดีขึ้น แต่เป็นราคา วันวางจำหน่าย และตัวเลขหนึ่งตัวที่วัดโดยคนที่ไม่ได้ทำงานอยู่ที่นั่น