Odyssey-3 vs MiniMax H3: ความแตกต่างคือการดาวน์โหลด

เมื่อวันที่ 3 สิงหาคม 2026 เวตของโมเดลวิดีโอ 2K ถูกปล่อยบน Hugging Face ภายใต้ชื่อที่ใครก็สามารถดึงลงมาและรันได้: MiniMax H3 หกสัปดาห์ต่อมา เมื่อวันที่ 15 กันยายน Odyssey ได้เผยแพร่หน้าวิจัยสำหรับ Odyssey-3 — โมเดลโลกพื้นฐานที่ควบคุมแขนหุ่นยนต์ รถยนต์ โดรน และวิดีโอเกมสามเกม — และวางประโยคหนึ่งไว้ตรงที่ลิงก์ดาวน์โหลดควรจะอยู่: มันจะถูกเผยแพร่สู่สาธารณะ "ในอีกไม่กี่สัปดาห์ข้างหน้า" สองประโยคนั้นคือการเปรียบเทียบทั้งหมด หนึ่งในโมเดลเหล่านี้สามารถอยู่ในคลัสเตอร์ของคุณคืนนี้ บนซิลิคอนของคุณเอง ภายใต้สัญญาอนุญาตที่คุณอ่านได้ ส่วนอีกโมเดลหนึ่งไม่สามารถซื้อ เช่า หรือดาวน์โหลดได้โดยใครก็ตามนอกห้องแล็บของบริษัท และบริษัทไม่ได้บอกว่าเมื่อใดเรื่องนั้นจะเปลี่ยนไป ความไม่สมมาตรนั้นไม่ใช่เชิงอรรถของการจับคู่ครั้งนี้ มันคือการจับคู่ครั้งนี้เอง

MiniMax H3 ให้อะไรกับคุณจริง ๆ

H3 เปิดตัวเมื่อวันที่ 31 กรกฎาคม 2026 และเปิดซอร์สเมื่อวันที่ 3 สิงหาคม เป็นโมเดลทั่วไปมากกว่าเป็นเครื่องสร้างวิดีโอสำหรับงานเดียว โดยอ่านข้อความ รูปภาพ วิดีโอ และเสียงเป็นบริบท และสร้างวิดีโอความยาวสูงสุด 15 วินาที ที่ความละเอียดสูงสุด 2K พร้อมเสียงสเตอริโอแบบเนทีฟที่ 32 kHz และ 24 เฟรมต่อวินาที รองรับอัตราส่วนภาพหกแบบ (21:9 ถึง 9:16) และรองรับบทสนทนาได้อย่างเสถียรในสิบเอ็ดภาษา มีสองเวอร์ชันที่เผยแพร่ของฐานแบบเปิด — H3-Base-FL2VA สำหรับการสร้างวิดีโอจากข้อความ และการสร้างจากเฟรมแรก เฟรมสุดท้าย หรือเฟรมแรกและเฟรมสุดท้าย และ H3-Base-Ref2VA ซึ่งรับรูปภาพได้สูงสุดเก้ารูป คลิปวิดีโอสามคลิป และคลิปเสียงสามคลิป โดยจำกัดไฟล์อินพุตไว้ที่สิบสองไฟล์

ส่วนที่สำคัญสำหรับการเปรียบเทียบนี้คือจุดที่ครึ่งที่เปิดเผยหยุดลง ระบบ H3 แบบเต็มเป็นไปป์ไลน์สามขั้นตอน: H3-Context-IR ประมวลผลล่วงหน้าและจัดวางบริบท, H3-Base สร้างที่ 768p และ H3-Regenerate-2K ยกระดับผลลัพธ์เป็น 2K มีเพียงเวตของ H3-Base เท่านั้นที่เปิดเผยต่อสาธารณะ และเผยแพร่ภายใต้ MiniMax H3 Community License ไม่ใช่ Apache หรือ MIT — สัญญาอนุญาตที่มีเงื่อนไขผูกมาด้วย ซึ่งควรอ่านก่อนที่มันจะไปอยู่ในไปป์ไลน์เชิงพาณิชย์ ขั้นตอน Context-IR และโมดูลสร้างใหม่ 2K ทำงานฝั่ง MiniMax ดังนั้น "open weights" ในที่นี้จึงซื้อได้แค่ส่วนกลางของไปป์ไลน์ ทีมที่ดาวน์โหลด H3-Base และโฮสต์เองจะได้การสร้างวิดีโอ 768p และไม่มีทางไปถึง 2K ได้หากไม่เรียกหาผู้จำหน่าย

สิ่งที่ Odyssey-3 มอบให้คุณแทน

สิ่งที่ Odyssey-3 มอบให้คุณแทนคือข้อกล่าวอ้างและชุดการสาธิต Odyssey อธิบายว่ามันเป็น foundation world model และรายละเอียดทางสถาปัตยกรรมที่เผยแพร่ออกมานั้นเจาะจงพอที่จะตรวจสอบย้อนหลังได้ในภายหลัง นั่นคือ autoregressive diffusion transformer ที่ฝึกบนชุดข้อมูลการสังเกตโลกด้วยภาพจำนวนมาก ซึ่งบริษัทกล่าวว่าให้ความเข้าใจที่เรียนรู้มาเกี่ยวกับฟิสิกส์ พลวัต เหตุและผล และพฤติกรรมมนุษย์ การปรับให้เข้ากับงานทำได้โดยการต่อ action decoder ที่ฝึกบนคู่ observation-action เข้ากับโมเดล โดยที่ pretrained world model ยังคงถูก freeze ไว้ — policy ขนาดเล็กอ่าน representations ของโมเดลที่ถูก freeze แทนที่จะ fine-tune ตัวโมเดลเอง

การสาธิตครอบคลุมหก embodiment ได้แก่ แขนหุ่นยนต์ หลังจากการสาธิตหลายสิบชั่วโมง รวมถึงพฤติกรรมการกู้คืนที่ไม่ได้อยู่ในข้อมูลฝึก — การจัดทิศทางกริปเปอร์ใหม่หลังการจับไม่สำเร็จ นโยบายหุ่นยนต์ฮิวแมนนอยด์ที่สร้างด้วย Flexion จากข้อมูลเทเลโอเปอเรชันหลายสิบชั่วโมง ซึ่ง Odyssey กล่าวว่าสามารถ generalize ได้ดีกว่า baseline ของ VLA ที่นำมาเปรียบเทียบ โดยไม่เปิดเผยตัวเลข การขับขี่แบบ closed-loop ที่เรียนรู้จากข้อมูลจำลองยี่สิบชั่วโมง ซึ่งขับในอินเดีย การบินโดรนหลบหลีกสิ่งกีดขวางในอาคารจากข้อมูลจำลอง สภาพแวดล้อมเกม รวมถึงนโยบายที่ฝึกใน Grand Theft Auto V ซึ่งถ่ายโอนไปยัง Red Dead Redemption 2 และ Sleeping Dogs ได้โดยไม่ต้องฝึกเพิ่มเติมในเกมเหล่านั้น; ฟุตเทจ GTA ประมาณสองชั่วโมงก็เพียงพอที่จะสร้างการเคลื่อนไหวขี่ม้าใน RDR2 และการสร้างสภาพแวดล้อมสำหรับฝึก AI อื่น ๆ ซึ่งเชื่อมโยงกับงาน reinforcement-learning ชื่อ PROWL ของบริษัท

ตัวเลขที่เป็นรูปธรรมเพียงตัวเดียวในหน้านี้คือการเปรียบเทียบกับฟุตเทจจริง: Odyssey รายงานว่านโยบายการขับขี่ที่ฝึกด้วยการจำลองสามารถวิ่งได้ระยะทางระหว่างการแทรกแซงของคนขับคอยความปลอดภัย คิดเป็นประมาณ 77% ของระยะทางที่นโยบายที่ฝึกด้วยข้อมูลจริงทำได้ นั่นเป็นตัวเลขจากผู้ขายที่ยังไม่มีใครทำซ้ำได้ โดยไม่มีรายงานทางเทคนิครองรับ และยังไม่มีบุคคลที่สามรายใดเผยแพร่ผลลัพธ์เกี่ยวกับ Odyssey-3 มันเป็นตัวเลขประเภทที่ชี้ขาดว่าเวิลด์โมเดลหนึ่ง ๆ จะมีประโยชน์หรือไม่ และตอนนี้มันเป็นเพียงคำกล่าวอ้างของบริษัทเดียว

ล็อกอินสองแบบที่ดูไม่เหมือนกันเลย

มันชวนให้จัด MiniMax H3 เป็น “ตัวเปิด” และ Odyssey-3 เป็น “ตัวปิด” แต่ความจริงด้านการอนุญาตนั้นน่าสนใจกว่านั้น และมันเป็นได้ทั้งสองทาง

MiniMax H3 เปิดตรงกลางและปิดที่ขอบ คุณสามารถถือครองเครื่องมือสร้างได้ ตรวจสอบมัน ปรับแต่งอย่างละเอียด และรันมันได้โดยไม่ต้องเรียกผ่านเครือข่าย คุณไม่สามารถถือครองการประสานบริบทที่ทำให้มันเป็นโมเดลอเนกประสงค์ได้ และคุณไม่สามารถถือครองขั้นตอน 2K ได้ หากคำกล่าวอ้างเรื่องคุณภาพของผลิตภัณฑ์คุณขึ้นอยู่กับความละเอียดของเอาต์พุต การติดตั้งแบบเปิดน้ำหนักของคุณก็มีเพดานที่เฉพาะระดับโฮสต์ของผู้จำหน่ายเท่านั้นที่จะยกขึ้นได้

Odyssey-3 ถูกปิดในทุกระดับ และการวางกรอบของบริษัทเองคือเหตุผลที่ทำให้เรื่องนี้แปลก โมเดลโลกที่นำเสนอสำหรับหุ่นยนต์ โดรน และยานพาหนะ ย่อมนำเสนอต่อผู้ซื้อที่รันการอนุมานบนฮาร์ดแวร์ที่พวกเขาควบคุมเอง — พื้นโรงงาน ยานพาหนะทดสอบ โครงเครื่องบิน ผู้ซื้อเหล่านั้นไม่สามารถใช้ปลายทางแบบโฮสต์สำหรับลูปควบคุมได้ ความหน่วงและการเชื่อมต่อทำให้เป็นไปไม่ได้ ดังนั้นโมเดลธุรกิจสำหรับโมเดลแบบนี้จึงต้องเกี่ยวข้องกับค่าน้ำหนัก ไม่เช่นนั้นก็จะไม่มีลูกค้าในกลุ่มที่ Odyssey เอ่ยชื่อซ้ำ ๆ การไม่มีสัญญาอนุญาตในวันนี้ไม่ใช่การประกาศเจตนามากนัก แต่เป็นการบอกว่าเงื่อนไขเชิงพาณิชย์ยังอยู่ระหว่างการร่าง การระดมทุนรอบ Series B มูลค่า 310 ล้านดอลลาร์ของ Odyssey ซึ่งประกาศในเดือนมิถุนายน 2026 ที่มูลค่าบริษัท 1.45 พันล้านดอลลาร์ โดยมี AWS เป็นคลาวด์ที่เลือกใช้และ Trainium เป็นฐานการประมวลผล คือบริบทที่เงื่อนไขเหล่านั้นจะถูกตัดสิน

ทีละมิติ

• สิ่งที่มันสร้าง — MiniMax H3: คลิปที่เรนเดอร์แล้ว ความยาว 4–15 วินาที สูงสุด 2K พร้อมเสียงสเตอริโอ Odyssey-3: สถานะโลกจำลองพร้อมการกระทำของมอเตอร์สำหรับฮาร์ดแวร์ที่เชื่อมต่อ

• สิ่งที่คุณดาวน์โหลดได้ — MiniMax H3: เวต H3-Base, สัญญาอนุญาตสำหรับชุมชน, 768p Odyssey-3: ไม่มีอะไรเลย ไม่มีเวต ไม่มีสัญญาอนุญาต ไม่มีรีโพซิทอรี

• สิ่งที่ผู้ขายยังเก็บไว้เอง — MiniMax H3: H3-Context-IR และ H3-Regenerate-2K สองโมดูลที่ทำให้มันใช้งานได้ทั่วไปและทำให้รองรับ 2K Odyssey-3: ทุกอย่าง

• ราคา — MiniMax H3: มีการประกาศอัตราค่าบริการต่อวินาที ประมาณ $0.08 ที่ 768p และ $0.13 ที่ 2K บวกอีก $0.05 ต่อวินาทีของผลลัพธ์ที่สร้างใหม่ (ตัวเลขจากผู้ขาย) Odyssey-3: ไม่มีการประกาศที่ไหนเลย

• ความพร้อมใช้งาน — MiniMax H3: เปิดให้ใช้งานตั้งแต่ 3 สิงหาคม 2026 เรียกใช้ได้แล้ว Odyssey-3: ประกาศเมื่อ 15 กันยายน 2026 "ในอีกไม่กี่สัปดาห์ข้างหน้า" ไม่ระบุวันที่

• หลักฐานจากบุคคลที่สาม — MiniMax H3: จัดอยู่ในอันดับหนึ่งในด้านการตัดต่อวิดีโอ และอันดับสองหรือสามในด้านข้อความเป็นวิดีโอและภาพเป็นวิดีโอจากการประเมินโดยบุคคลที่สาม ส่วน Odyssey-3: มีเพียงตัวเลขจากผู้ขายรายเดียว และไม่มีการทดสอบจากภายนอกเลยแม้แต่ครั้งเดียว

ถ้าคุณต้องสร้างอะไรบางอย่างในเดือนนี้

ผลลัพธ์ในทางปฏิบัติก็คือ มีเพียงหนึ่งในสองสิ่งนี้เท่านั้นที่เป็นการตัดสินใจที่คุณลงมือทำได้ MiniMax H3 ถูกจัดเส้นทางบน OrcaRouter ในชื่อ minimax/minimax-h3 ในราคาตามรายการของผู้ให้บริการ โดยมีมาร์กอัป 0% — ดังนั้นอัตราของผู้ขายก็คืออัตราที่คุณจ่าย และเมื่อ MiniMax ปรับตัวเลข ค่าบริการของคุณก็จะเปลี่ยนตามในวันเดียวกัน แทนที่จะรอถึงรอบต่ออายุ สิ่งนี้สำคัญกับโมเดลวิดีโอที่คิดค่าบริการเป็นวินาทีมากกว่าสิ่งอื่น ๆ ส่วนใหญ่ เพราะช่องว่างระหว่าง 768p ถึง 2K นั้นเกือบสองต่อหนึ่ง และความแตกต่างระหว่างต้นแบบกับการเปิดตัวอาจเป็นความแตกต่างระหว่างสองระดับนั้น

มีเหตุผลประการที่สองที่ต้องเลือกใช้เราเตอร์แทนการผสานรวมผู้ขายโดยตรง ครึ่งเปิดของ H3 มีประโยชน์ในตัวเองจริงๆ และทีมที่มีแนวโน้มจะสนใจเรื่องนี้มากที่สุดคือทีมที่มี GPU และมีความคิดเห็นเกี่ยวกับ GPU เหล่านั้น ทีมเหล่านั้นลงเอยด้วยการตั้งค่าแบบผสม: H3-Base ที่โฮสต์เองสำหรับงานปริมาณมาก, เส้นทางแบบโฮสต์สำหรับการสร้างใหม่ 2K และโมเดลอื่นอีกหนึ่งหรือสองตัวสำหรับสิ่งที่ไปป์ไลน์ต้องการรอบๆ วิดีโอ คีย์เดียวและการสลับใช้งานอัตโนมัติเมื่อเกิดข้อผิดพลาดข้ามผู้ให้บริการมีค่ามากกว่าในรูปแบบนั้นเมื่อเทียบกับสแต็กโมเดลเดียว และ DSL การกำหนดเส้นทางจะประกอบโมเดลที่เกี่ยวข้อง — โมเดลพรอมต์, โมเดลรูปภาพสำหรับเฟรมเริ่มต้น, โมเดลวิดีโอ — ให้เป็นการเรียกครั้งเดียวแทนที่จะเป็นสามการผสานรวม

Odyssey-3 นั้น พูดให้ชัดเจนคือไม่ได้ถูกจัดเส้นทางโดย OrcaRouter หรือโดยใครอื่นใด ไม่มีปลายทางให้จัดเส้นทางไปถึง และไม่มีราคาให้ส่งผ่าน บทความนี้ไม่ได้อ้างเป็นอย่างอื่น

คำถามที่ควรถามผู้ขายทั้งสองราย

MiniMax ได้ตอบคำถามที่น่าสนใจเกี่ยวกับ H3 ไปแล้ว และคำตอบคือ “ตรงกลาง ที่ 768p ภายใต้ใบอนุญาตของเรา” หากคุณกำลังประเมิน H3 สิ่งที่ต้องทดสอบคือว่า ฐานแบบเปิดบวกโครงสร้างพื้นฐานของคุณเองชนะเส้นทาง 2K แบบโฮสต์ในแง่ต้นทุนต่อวินาทีที่ใช้งานได้หรือไม่ — และควรทดสอบก่อนที่คุณจะสร้างคำกล่าวอ้างผลิตภัณฑ์บนเอาต์พุต 2K

Odyssey ยังไม่ได้ตอบเรื่องเวอร์ชันของตัวเอง เมื่อช่วงเปิดตัวปิดลง คำถามแรกไม่ใช่เรื่องเบนช์มาร์ก แต่เป็นเรื่องสัญญาอนุญาต: ในเอมบอดิเมนต์ทั้งหกนี้ แบบใดคือดีพลอยเมนต์ที่ได้รับการสนับสนุน บนฮาร์ดแวร์ของใคร ในราคาเท่าใด และตัวถอดรหัสการกระทำ (action decoder) ที่ทำให้เวิลด์โมเดลแบบแช่แข็งขับเคลื่อนแขนหุ่นยนต์ได้นั้น เป็นสิ่งที่ลูกค้าเทรนเองหรือเป็นสิ่งที่ Odyssey ส่งมอบให้ เวิลด์โมเดลที่ครอบคลุมถึงแขนหุ่นยนต์ ฮิวแมนนอยด์ รถยนต์ โดรน และเกมสามเกมด้วยแบ็กโบนเดียว เป็นการอ้างความทั่วไป และความเป็นทั่วไปนี่แหละคือสิ่งที่ทำให้มันเป็น foundation model ไม่ใช่ policy — ซึ่งเป็นเหตุผลว่าทำไมข้อกำหนดทางการค้า ไม่ใช่รีลสาธิต จึงจะเป็นตัวตัดสินว่าใครจะใช้มันได้

จนถึงตอนนั้น กระดานคะแนนที่ตรงไปตรงมาก็อ่านได้ว่า โมเดลหนึ่งที่คุณดึงมาได้ โมเดลหนึ่งที่คุณเฝ้าดูได้ ให้ดูที่รีโพซิทอรีและสัญญาอนุญาตก่อน แล้วค่อยดูเบนช์มาร์กเป็นอันดับสอง — ตามลำดับนั้น เพราะถ้าไม่มีสองอย่างแรก อย่างที่สามก็ตรวจสอบยืนยันไม่ได้

วางไปป์ไลน์ทั้งหมดไว้หลัง คีย์ API เพียงคีย์เดียวพร้อมการสลับสำรองอัตโนมัติ แทนที่จะเป็นสามการผสานรวมแยกกัน