Odyssey-3 vs Runway Gen-4.5: สองเดิมพันบนสองคำเดียวกัน

สิ่งที่น่าสนใจในการจับ Odyssey-3มาเทียบกับ Runway Gen-4.5ก็คือ ทั้งสองบริษัทเห็นตรงกันเรื่องปลายทาง แต่ไม่ตรงกันเรื่องเส้นทาง ทั้งคู่ต่างบอกว่าเป้าหมายคือ world model แบบทั่วไป — ระบบที่เรียนรู้ได้ซึ่งจำลองความเป็นจริงได้ดีพอที่จะนำไปใช้ประโยชน์ได้ จุดยืนของ Runway ซึ่ง CTO ของบริษัทระบุไว้อย่างตรงไปตรงมา คือคุณไปถึงจุดนั้นได้ด้วยการสร้างโมเดลวิดีโอที่ดีมาก ๆ ก่อน เพราะการฝึกเครือข่ายให้ทำนายพิกเซลโดยตรงเป็นเส้นทางที่มีแนวโน้มมากที่สุดสู่การจำลองแบบทั่วไป ส่วนจุดยืนของ Odyssey ซึ่งเห็นได้จากทุกการตัดสินใจด้านสถาปัตยกรรมที่บริษัทเผยแพร่เกี่ยวกับ Odyssey-3 คือพิกเซลเป็นเพียงผลพลอยได้ และพลวัตต่างหากที่เป็นประเด็นหลัก Gen-4.5 คือการแสดงออกที่แข็งแกร่งที่สุดในปัจจุบันของการเดิมพันแบบแรก ส่วน Odyssey-3 ซึ่งประกาศเมื่อวันที่ 15 กันยายน 2026 และสัญญาว่าจะเปิดให้ใช้งานทั่วไป "ในอีกไม่กี่สัปดาห์ข้างหน้า" คือการเดิมพันแบบที่สองที่ถูกนำเสนอในฐานะโมเดลเต็มรูปแบบ เมื่ออ่านเทียบกันแล้ว พวกมันไม่ใช่คู่แข่งกันจริง ๆ — พวกมันคือสองคำตอบสำหรับคำถามเดียวกัน และคำถามนั้นก็คือ เส้นทางสู่ world model นั้นต้องผ่านการเรนเดอร์หรือไม่

เดิมพันของ Runway: ได้มาซึ่งเวิลด์โมเดลด้วยการเรนเดอร์

Runway ไม่ได้เข้าสู่กรอบแนวคิดเรื่อง world model แบบช้าเกินไปหรือโดยบังเอิญ บริษัทเปิดตัวโมเดลที่ตนติดป้ายว่าเป็น world model ทั่วไป — GWM-1 ซึ่งได้รับการอธิบายว่าสร้างขึ้นสำหรับการจำลองความเป็นจริงแบบเรียลไทม์ โต้ตอบได้และควบคุมได้ — และมองสิ่งนี้เป็นชั้นที่อยู่เหนือโมเดลวิดีโอของตน ไม่ใช่สิ่งที่จะมาทดแทนโมเดลเหล่านั้น ข้อโต้แย้งคือบันไดขั้นหนึ่ง: สัญญาณการฝึกเดียวกันที่ทำให้โมเดลเก่งในการประคองฉากให้ต่อเนื่องกันตลอดสิบวินาที ก็คือสัญญาณที่สอนให้มันรู้ว่าวัตถุคงอยู่ต่ออย่างไร แสงมีพฤติกรรมอย่างไร การเคลื่อนไหวดำเนินต่ออย่างไร ทำให้เก่งพอในระดับพิกเซลแล้วการจำลองทั่วไปก็จะตามมาเอง

Gen-4.5 คือขั้นล่าสุดในปัจจุบัน เปิดตัวเมื่อวันที่ 1 ธันวาคม 2025 และเปิดให้สมาชิกที่ชำระเงินใช้งานตั้งแต่ 12 ธันวาคม เป็นโมเดลแปลงข้อความเป็นวิดีโอและแปลงภาพเป็นวิดีโอ พร้อมคุณสมบัติที่ Runway สร้างชื่อเสียงมา ได้แก่ คุณภาพการเคลื่อนไหว ความสามารถในการทำตามพรอมป์ต์ ความสม่ำเสมอของตัวละครและตัวแบบ และการควบคุมกล้อง ข้อจำกัดของมันถูกระบุไว้ตรงไปตรงมาไม่แพ้จุดแข็งของมัน คลิปมีความยาว 2 ถึง 10 วินาที — 10 วินาทีคือเพดานสูงสุด ไม่ใช่ค่าเริ่มต้น เอาต์พุตเป็น 720p ที่ 24 หรือ 25 เฟรมต่อวินาที ในหกอัตราส่วนภาพ ไม่มีแทร็กเสียงและไม่มีการทำสตอรีบอร์ดแบบหลายช็อต; ซีเควนซ์หนึ่ง ๆ คือสิ่งที่คุณประกอบขึ้นจากการสร้างแยกกันหลายครั้ง มันคือเครื่องเรนเดอร์ และเป็นเครื่องเรนเดอร์ที่ดีมาก ซึ่งเป็นคำกล่าวอ้างที่บริษัทแม่ของมันจำเป็นต้องให้มันเป็นเช่นนั้นจริง ๆ

Gen-4.5 มีค่าใช้จ่ายเท่าไร และโครงสร้างราคาเป็นอย่างไร

Runway ตั้งราคา Gen-4.5 ไว้ที่ 12 เครดิตต่อวินาทีของวิดีโอที่สร้างขึ้น เครดิตขายในราคาเครดิตละหนึ่งเซนต์ ดังนั้นตัวเลขที่ใช้คำนวณคือ $0.12 ต่อวินาที คลิปความยาวห้าวินาทีเท่ากับ $0.60 คลิปความยาวสิบวินาทีเท่ากับ $1.20 ตัวเลือกเอาต์พุตมีค่าธรรมเนียมเพิ่มบน API — ลำดับ ProRes หรือ PNG เพิ่มห้าเครดิตต่อวินาที และ HDR เพิ่มยี่สิบต่อวินาที ซึ่งเพิ่มขึ้นเป็นสี่สิบเมื่อเกินประมาณสี่เมกะพิกเซล นั่นเป็นตัวเลขในรายการราคาของผู้จำหน่าย และส่วนต่างของราคาสำคัญกว่าตัวเลขพาดหัว: คลิปสิบวินาทีแบบ HDR มีค่าใช้จ่ายมากกว่าคลิปธรรมดาถึงกว่าสามเท่า ดังนั้นโมเดลต้นทุนที่อิงกับ $0.12/วินาทีจะผิดทันทีที่ HDR เข้ามาอยู่ในสเปกของสิ่งที่ต้องส่งมอบ

รายละเอียดเชิงโครงสร้างสองอย่างที่ควรรู้ก่อนที่คุณจะตั้งงบประมาณ เครดิต API และเครดิตการสมัครสมาชิกแอปเป็นยอดคงเหลือที่แยกจากกัน — แผน Standard, Pro หรือ Max ไม่ครอบคลุมค่าใช้จ่ายสำหรับการสร้างผ่าน API — และ API ทำงานแบบอะซิงโครนัส ดังนั้นงานจะถูกส่งคำขอและต้องคอยตรวจสอบสถานะ แทนที่จะได้ผลลัพธ์กลับมาในทันที ทั้งสองเรื่องไม่ใช่การตำหนิ แต่เป็นสิ่งที่ทีมมักค้นพบหลังจากที่他们已经ตัดสินใจผูกพันกับการผสานรวมแล้ว API ยังให้บริการโมเดลวิดีโอจากบุคคลที่สามควบคู่ไปกับโมเดลของ Runway เอง ซึ่งหมายความว่าคีย์ Runway คีย์เดียวสามารถเข้าถึงได้มากกว่าแค็ตตาล็อกของ Runway หากคุณต้องการ

เดิมพันของ Odyssey: สิ่งสำคัญไม่ใช่{{1}}ภาพ{{/1}}

Odyssey-3 ถูกผู้สร้างอธิบายว่าเป็นโมเดลโลกพื้นฐานที่สามารถขับเคลื่อนหุ่นยนต์ ขับรถ ฝึก AI บังคับโดรน และเล่นวิดีโอเกมได้ ในเชิงสถาปัตยกรรม มันเป็น autoregressive diffusion transformer ที่ฝึกบนชุดข้อมูลการสังเกตเชิงภาพจำนวนมาก และ Odyssey กล่าวว่าผลลัพธ์ที่ได้มีความเข้าใจเรื่องฟิสิกส์ พลศาสตร์ เหตุและผล และพฤติกรรมมนุษย์ที่เรียนรู้มา รายละเอียดที่เผยให้เห็นการเดิมพันคือวิธีปรับงานให้เข้ากับโมเดล แทนที่จะ fine-tune โมเดล Odyssey กลับติด action decoder ที่ฝึกบนคู่ observation-action และคงโมเดลโลกที่ผ่านการฝึกไว้ในสภาพแช่แข็งตลอดกระบวนการ policy ขนาดเล็กจะอ่าน internal representation ของโมเดลที่แช่แข็ง แล้วเปลี่ยนให้เป็นคำสั่งการเคลื่อนไหว

การออกแบบนั้นจะสมเหตุสมผลก็ต่อเมื่อคุณเชื่อว่า representation — ไม่ใช่เฟรมที่เรนเดอร์ออกมา — คือสินทรัพย์ การสาธิตต่าง ๆ สนับสนุนเรื่องนี้ในหกแบบ embodied โดยทั้งหมดเป็นข้อมูลที่ผู้ขายรายงานเอง แขนหุ่นยนต์จากข้อมูลการสาธิตหลายสิบชั่วโมง รวมถึงพฤติกรรมการกู้คืนที่ไม่มีใครใส่ไว้ในข้อมูล เช่น การปรับทิศทางกริปเปอร์ใหม่หลังการจับพลาด นโยบายสำหรับหุ่นยนต์ฮิวแมนนอยด์ที่สร้างด้วย Flexion จากข้อมูลเทเลโอเปอเรชันหลายสิบชั่วโมง ซึ่ง Odyssey กล่าวว่าสามารถ generalise ได้ดีกว่าเบสไลน์ VLA ที่ตนทดสอบ โดยไม่เปิดเผยตัวเลข การขับขี่แบบ closed-loop ในอินเดียจากข้อมูลจำลอง 20 ชั่วโมง การบินโดรนในร่มจากข้อมูลจำลอง นโยบายจาก Grand Theft Auto V ที่ถ่ายโอนไปยัง Red Dead Redemption 2 และ Sleeping Dogs โดยไม่ต้องฝึกเพิ่มเติมในเกมเหล่านั้น — ฟุตเทจ GTA ประมาณสองชั่วโมงก็เพียงพอสำหรับการเคลื่อนไหวขี่ม้าใน RDR2 และการสร้างสภาพแวดล้อมสำหรับฝึก AI อื่น ๆ ซึ่งเชื่อมโยงกับงานด้าน reinforcement learning ชื่อ PROWL ของ Odyssey

มีการเผยแพร่ตัวเลขหนึ่งค่า Odyssey รายงานว่านโยบายการขับขี่ที่ฝึกในสภาพจำลองเดินทางได้ระยะทางระหว่างการแทรกแซงของผู้ขับขี่เพื่อความปลอดภัย คิดเป็นประมาณ 77% ของระยะทางของนโยบายที่ฝึกด้วยภาพจริง ข้อกล่าวอ้างทุกข้อในย่อหน้าข้างต้นยังไม่ถูกทำซ้ำ ไม่มีรายงานทางเทคนิค และไม่มีบุคคลที่สามรายใดได้รันโมเดลนี้ ความกว้างที่ครอบคลุมหกรูปแบบ embodiment คือข้อกล่าวอ้างที่น่าสนใจ; การไม่มีตาราง benchmark คือเหตุผลที่ควรจับข้อกล่าวอ้างนี้ไว้หลวม ๆ

จุดที่การเดิมพันทั้งสองกลายเป็นสิ่งที่ทดสอบได้

ความขัดแย้งเกี่ยวกับกลยุทธ์จะมีประโยชน์ก็ต่อเมื่อมันก่อให้เกิดการทำนาย และกรณีนี้ก็ทำได้ ถ้า Runway ถูก — ถ้าความเที่ยงตรงของการเรนเดอร์คือหนทาง — คุณภาพทางฟิสิกส์ของโมเดลวิดีโอควรดีขึ้นเป็นฟังก์ชันของความเก่งด้านวิดีโอของมัน และลีดเดอร์บอร์ดทั้งสองควรขยับไปด้วยกัน ถ้า Odyssey ถูก ควรมีกรณีที่โมเดลที่เรนเดอร์ออกมาสวยงามกลับไร้ประโยชน์ และโมเดลที่เรนเดอร์ออกมาหยาบ ๆ กลับมีประโยชน์ เพราะคุณสมบัติที่มีประโยชน์คือว่าสถานะถัดไปคาดเดาได้มากพอให้ตัวควบคุมลงมือทำหรือไม่

มีสัญญาณอยู่แล้วว่าเรื่องนี้จะเอนไปทางไหน และมันไม่ได้ทำให้ฝ่ายใดดูดีขึ้น การที่ Runway เองระบุจุดอ่อนของ Gen-4.5 — ซึ่งรวมถึงฟิสิกส์ — เป็นเครื่องเตือนใจว่าเรนเดอเรอร์ถูกปรับให้เหมาะสมเพื่อโน้มน้าวผู้ชม และผู้ชมก็ผ่อนปรนในแบบที่ลูปควบคุมไม่ผ่อนปรน ในขณะเดียวกัน ตัวเลขเดียวที่ Odyssey เผยแพร่ คือ 77% ของสมรรถนะการขับขี่จากฟุตเทจจริง ซึ่งเป็นการแพ้ให้กับข้อมูลจริง ไม่ใช่ชัยชนะ ไม่มีบริษัทใดอ้างว่าถนนเส้นนี้เสร็จสมบูรณ์แล้ว สิ่งที่แตกต่างคือสิ่งที่แต่ละบริษัทวัด

จุดที่การเดิมพันแตกต่างกันอย่างแท้จริงคือการมีตัวตน ไม่มีอะไรในการออกแบบหรือการกำหนดราคาของ Gen-4.5 ที่คำนึงถึงพื้นที่การกระทำ มันเป็นฟังก์ชันจากข้อความหรือภาพไปยังคลิป ไม่มีอะไรในเอกสารของ Odyssey-3 ที่คำนึงถึงไฟล์ที่ส่งมอบได้ มันเป็นฟังก์ชันจากสถานะโลกและการกระทำไปยังสถานะโลกระยะถัดไป สิ่งเหล่านั้นเป็นผลิตภัณฑ์ที่แตกต่างกันกับผู้ซื้อที่แตกต่างกัน และไม่มีความก้าวหน้าใด ๆ ในฝ่ายใดฝ่ายหนึ่งที่จะเปลี่ยนสิ่งหนึ่งให้เป็นอีกสิ่งหนึ่งได้ เพราะอินเทอร์เฟซคือสิ่งที่แตกต่างกัน

เคียงข้างกัน

• มันคืออะไร — Runway Gen-4.5: ตัวเรนเดอร์แบบข้อความเป็นวิดีโอและภาพเป็นวิดีโอ Odyssey-3: โมเดลโลกที่ทำนายสถานะถัดไปและส่งออกการกระทำของมอเตอร์

• วิธีป้อนคำสั่งให้มันทำงาน — Runway Gen-4.5: ใช้พรอมต์หรือภาพนิ่ง ผ่าน API แบบอะซิงโครนัส ส่วน Odyssey-3: ตัวถอดรหัสแอ็กชันบวกนโยบายขนาดเล็กที่อ่านค่าจากแบ็กโบนที่หยุดการฝึกไว้

• เอาต์พุต — Runway Gen-4.5: คลิป 2–10 วินาที, 720p, 24/25 fps, อัตราส่วนภาพหกแบบ, ไม่มีเสียง Odyssey-3: ไม่มีผลงานที่เรนเดอร์แล้วให้ส่งมอบ; สถานะจำลองในหกแบบตัวตนเชิงกายภาพ

• ราคา — Runway Gen-4.5: 12 เครดิตต่อวินาที, 0.12 ดอลลาร์สหรัฐ/วินาที บวกอีก 5 เครดิต/วินาทีสำหรับ ProRes หรือ PNG และ 20 สำหรับ HDR (รายการจากผู้ขาย) Odyssey-3: ยังไม่เปิดเผย โดยไม่มีข้อกำหนดทางการค้าที่ประกาศไว้

• ความสมบูรณ์ของผลิตภัณฑ์ — Runway Gen-4.5: อยู่ในตลาดตั้งแต่เดือนธันวาคม 2025 มี API ที่พร้อมใช้งานและมีสื่อบุคคลที่สามรายงานครอบคลุม Odyssey-3: ประกาศเมื่อวันที่ 15 กันยายน 2026 เผยแพร่สู่สาธารณะ "ในอีกไม่กี่สัปดาห์ข้างหน้า"

• หลักฐาน — Runway Gen-4.5: ผลงานที่เผยแพร่ต่อสาธารณะเป็นเวลาแปดเดือน Odyssey-3: ตัวเลขจากผู้จำหน่ายเพียงรายเดียว ไม่มีการทดสอบโดยอิสระ

ทั้งสองอย่างนี้ไม่ได้อยู่ในคีย์ของเรา และนั่นคือเวอร์ชันที่ตรงไปตรงมา

OrcaRouter ไม่ได้จัดเส้นทางให้โมเดลทั้งสองตัวนี้ และบทความนี้จะไม่แสร้งทำเป็นอย่างอื่น: Runway Gen-4.5 ให้บริการผ่าน API ของ Runway เอง และ Odyssey-3 ไม่มีปลายทางให้เรียกเลยแม้แต่จุดเดียว สิ่งที่มุมมองด้านการจัดเส้นทางมีประโยชน์จริง ๆ ในการเปรียบเทียบแบบนี้คือไปป์ไลน์ที่อยู่รายรอบพวกมัน เวิร์กโฟลว์ Gen-4.5 ที่สมจริงไม่ใช่โมเดลเดียว — มันคือโมเดลพรอมป์ต์ที่ขยายบรีฟ โมเดลภาพที่สร้างเฟรมแรก ตัวโมเดลวิดีโอเอง และอะไรบางอย่างปลายน้ำไว้ให้คะแนนหรือใส่คำบรรยายผลลัพธ์ การประกอบสิ่งเหล่านั้นให้เป็นการเรียกครั้งเดียวผ่าน routing DSL บนคีย์เดียว ในราคาตามรายการของผู้ให้บริการ โดยบวกเพิ่ม 0% คือส่วนของสแต็กที่ OrcaRouter แบกออกจากไหล่คุณได้จริงในวันนี้ การสลับไปใช้ตัวสำรองอัตโนมัติสำคัญตรงนี้ด้วยเหตุผลง่าย ๆ: API วิดีโอแบบอะซิงโครนัสต้องคอยโพลล์ คิวก็ถาโถมเข้ามา และไปป์ไลน์ที่ติดขัดอยู่ที่ปลายทางหนึ่งที่เสื่อมประสิทธิภาพก็จะติดขัดไปจนถึงชิ้นงานส่งมอบ

เมื่อ Odyssey-3 เปิดตัวจริง คำถามเรื่องการเลือกเส้นทาง (routing) จะแตกต่างออกไปและยากขึ้น โมเดลที่มีจุดขายว่าทำงานบนฮาร์ดแวร์ที่คุณเป็นเจ้าของนั้นไม่ใช่ตัวเลือกที่ชัดเจนสำหรับการทำ routing เลย และคำถามที่น่าสนใจสำหรับ router จะเป็นเรื่องสิ่งที่อยู่รอบ ๆ มัน กล่าวคือ เครื่องมือ sim-to-real การฝึกนโยบาย (policy training) และการประเมินผล มากกว่าจะเป็นตัวการเรียกใช้โมเดลเอง

ใครถูกเป็นคำถามของปี 2027

หากคุณต้องการวิดีโอในไตรมาสนี้ Gen-4.5 คือคำตอบ และไม่มีอะไรต้องชั่งน้ำหนัก: มีการกำหนดราคา มีเอกสารประกอบ และเปิดใช้งานสาธารณะมาแปดเดือนแล้ว และที่ $0.12 ต่อวินาที ค่าใช้จ่ายในการค้นหาว่ามันเหมาะกับงานของคุณหรือไม่นั้นต่ำ กันงบไว้สำหรับค่าธรรมเนียมเพิ่มเติมและสำหรับยอดเครดิต API แยกต่างหาก และให้ถือเพดานสิบวินาทีเป็นข้อจำกัดการออกแบบที่ตายตัว ไม่ใช่ตัวเลขที่คุณจะหาทางหลบเลี่ยง

ถ้าคุณกำลังสร้างคอนโทรลเลอร์ — อะไรก็ตามที่โมเดลที่เรียนรู้มาจะต้องบอกฮาร์ดแวร์ว่าต้องทำอะไรต่อไป — Gen-4.5 ไม่ถูกพูดถึงในวงสนทนาไม่ว่าจะราคาเท่าไร และ Odyssey-3 คือตัวที่เล็งมาที่ปัญหาของคุณโดยไม่มีหนทางจะได้มา เหตุผลที่เป็นรูปธรรมที่ควรสนใจคือผลลัพธ์แบบ frozen-backbone: ถ้าโมเดลที่ผ่านการฝึกมาแล้วตัวเดียวสามารถขับเคลื่อนแขน ฮิวแมนนอยด์ รถ โดรน และเกมสามเกมผ่านดีโคเดอร์ขนาดเล็กได้ นั่นคือข้อความเกี่ยวกับว่าความเข้าใจทางกายภาพถ่ายโอนได้มากแค่ไหน และมันคือข้ออ้างที่ทำให้เวิลด์โมเดลเป็นชั้นรากฐานแทนที่จะเป็นนโยบายเฉพาะงาน เหตุผลที่เป็นรูปธรรมที่ควรรอคือยังไม่มีใครนอก Odyssey ได้รันมัน

สิ่งที่ต้องจับตาดู ตามลำดับ: รายงานทางเทคนิค ตามด้วยสัญญาอนุญาต จากนั้นคือบุคคลที่สามที่จำลองตัวเลข 77% ซ้ำบนฮาร์ดแวร์ของตนเอง เส้นทางของ Runway และเส้นทางของ Odyssey ต่างก็ลงเอยที่โมเดลโลกแบบทั่วไปเหมือนกัน แต่ในปัจจุบันมีเพียงรายเดียวเท่านั้นที่มีด่านเก็บค่าผ่านทางให้คุณเดินเข้าไปได้

กำหนดเส้นทางโมเดลพรอมป์ต์ โมเดลภาพ และโมเดลวิดีโอผ่าน ปลายทางเดียวที่มีการสลับไปใช้ระบบสำรองอัตโนมัติ แทนที่จะเป็นสามการเชื่อมต่อ