Apollo World vs Odyssey 3: Hai cách dạy một chiếc xe trong giấc mơ

Odyssey-3 là mô hình duy nhất trong so sánh này có giá được ghi rõ, nên hãy bắt đầu từ đó: khoảng 0,139 USD cho một video được tạo ở độ phân giải 832 x 480, hoặc 0,267 USD ở 1280 x 720 trên gói Pro, được phát hành dưới dạng bản xem trước nghiên cứu miễn phí vào ngày 8 tháng 10 năm 2026 và có thể truy cập qua biểu mẫu liên hệ thay vì khóa tự phục vụ. Apollo World không có giá, vì Baidu chưa đặt giá cho nó. Công ty đã công bố mô hình vào ngày 3 tháng 11 năm 2026 như một trình mô phỏng do tác nhân điều khiển, huấn luyện và chấm điểm đội robotaxi của chính mình, và không công bố endpoint, không trọng số, không số lượng tham số và không điều khoản thương mại. Cả hai đều là mô hình thế giới. Cả hai đã được chứng minh là huấn luyện một chính sách lái xe. Chỉ một trong số chúng là sản phẩm, và đó không phải là sản phẩm do công ty vận hành những chiếc xe xây dựng.

Sự đảo ngược đó chính là câu chuyện. Odyssey là một startup được quỹ đầu tư mạo hiểm hậu thuẫn, bán trí tưởng tượng theo từng clip; Baidu là một nhà vận hành dùng trí tưởng tượng để tránh phải đặt một tài xế an toàn trong một chiếc xe thật. Họ đang giải cùng một bài toán từ hai đầu đối lập của thị trường.

$0.139 thực sự mua được gì

Odyssey-3 là một transformer khuếch tán tự hồi quy với khoảng 14 tỷ tham số, được huấn luyện trên video internet, cảnh quay gameplay với đầu vào được căn chỉnh theo thời gian và các tương tác vật rắn mô phỏng. Nó được chưng cất thành một mô hình vài bước để một người có thể điều hướng đầu ra trong thời gian thực: bạn đưa lời nhắc cho một môi trường, rồi di chuyển trong đó ở góc nhìn thứ nhất hoặc thứ ba, với điều khiển camera độc lập và khả năng kích hoạt sự kiện.

• Gói cơ bản — 832 x 480, khoảng 0,139 USD cho mỗi video được tạo, 16 khung hình/giây trong bộ công cụ đánh giá chuẩn.

• Gói Pro — 1280 x 720, khoảng $0.267 mỗi video.

• Flash — biến thể đứng sau bản demo trình duyệt miễn phí mà bất kỳ ai cũng có thể dùng thử mà không cần tài khoản.

• Truy cập — bản xem trước nghiên cứu công khai miễn phí trên trình duyệt; truy cập API qua biểu mẫu liên hệ; không có khóa tự phục vụ, không có bảng giá theo token được công bố, không có trọng số mở và không có giấy phép.

Việc thiếu khả năng tự phục vụ là một hạn chế thực sự, không chỉ là một chú thích nhỏ. Bạn không thể đánh giá chuẩn Odyssey-3 với khối lượng công việc của riêng mình ngay chiều nay theo cách bạn có thể làm với một mô hình trọng số mở. Bạn có thể dùng thử bản demo và trao đổi với bộ phận kinh doanh. Đối với một nhóm đang đánh giá các mô hình thế giới như cơ sở hạ tầng, đó là một kiểu trở ngại khác so với giá cả.

Thử nghiệm đường bộ 20 giờ tại Ấn Độ

Phần minh chứng quan trọng cho so sánh này là một chính sách lái xe được huấn luyện trên khoảng 20 giờ dữ liệu đường thực tế Ấn Độ với backbone đóng băng, bên trong các thế giới được tạo của Odyssey. Công ty cũng đã trình diễn thao tác bằng cánh tay robot được học từ hàng chục giờ minh họa, bao gồm các hành vi phục hồi không có trong dữ liệu huấn luyện, các chính sách hình người được xây dựng bằng Flexion, điều hướng máy bay không người lái, và một chính sách được huấn luyện bằng GTA V chuyển sang Red Dead Redemption 2.

Những bản demo đó là lập luận mạnh mẽ nhất cho một mô hình thế giới video tổng quát như một nền tảng huấn luyện: nếu một policy có thể học từ cảnh quay của một trò chơi và chuyển giao sang một trò chơi khác, thì mô hình đã nắm bắt được điều gì đó về động lực học thay vì về điểm ảnh. Nhưng chúng là các bản minh họa, không phải các phép đo. Không có tỷ lệ thành công nào được công bố trên tác vụ đường bộ Ấn Độ, không có baseline so với việc huấn luyện trong thế giới thực, và không có ablation cho thấy phần nào của thế giới được tạo ra đã đóng vai trò quyết định. Điều được khẳng định là nó khả thi. Điều không được khẳng định là nó tốt hơn.

Cách tiếp cận của Baidu là phiên bản công nghiệp của cùng ý tưởng đó, với việc đánh giá được hướng vào bên trong. Apollo World mô hình hóa mọi người tham gia giao thông như một tác nhân tự đưa ra quyết định thay vì một đối tượng chạy theo kịch bản, nên khi một robotaxi phanh hoặc nhường đường, nó sẽ gây ra phản ứng từ các xe và người đi bộ xung quanh. Hệ thống tạo dữ liệu camera và lidar theo thời gian thực, để ngăn xếp đang được kiểm thử cảm nhận thành phố ảo qua đúng giao diện mà nó dùng trên đường. Và nó khép kín các chuyến đi từ đầu đến cuối — đặt xe, đón khách, trả khách — trên các điểm xuất phát và điểm đến bất kỳ.

Tuyên bố về quy mô là khoảng 100.000 km lái mô phỏng mỗi ngày, mà Baidu diễn giải là khoảng ba năm thử nghiệm liên tục của một chiếc xe có tài xế an toàn. Bối cảnh vận hành là Apollo Go: 28 thành phố, hơn 23 triệu chuyến đi, 350 triệu km tự hành và hơn 240 triệu km hoàn toàn không người lái. Mọi con số đó đều do chính Baidu đưa ra, và không con số nào được kiểm toán độc lập.

Phép tính chuẩn mực đáng để học hỏi

Odyssey đã công bố một con số nổi bật cho Odyssey-3 Pro trên Physics-IQ Verified, một benchmark suy luận vật lý video-to-video: 66.1, được mô tả là state of the art. Điều cần lưu ý nằm ở phương pháp. Điểm số đó đến từ một lần chạy duy nhất sử dụng lựa chọn best-of-eight, trong khi quy định của benchmark yêu cầu bốn lần chạy kèm độ lệch chuẩn được báo cáo. Nếu không có lựa chọn, trung bình bốn lần chạy là 63.37.

Cả hai con số đều là của Odyssey. Khoảng cách giữa chúng — 2,73 điểm — là cái giá của việc chọn mẫu tốt nhất trong tám mẫu và gọi đó là điểm số. Theo thước đo của chính benchmark về mức cải thiện ròng so với điểm trung bình của track, Odyssey-3 Pro xếp thứ hai với +11,15 điểm phần trăm, sau FLUX 3 [large] với +12,27. Trên WorldMark, đánh giá của chính Odyssey, mô hình đứng đầu ở ba trong bốn hạng mục — 77,2 ngôi thứ nhất cách điệu, 79,0 ngôi thứ ba thực tế, 76,3 ngôi thứ ba cách điệu — và đứng thứ ba ở hạng mục ngôi thứ nhất thực tế với 80,6, sau Lyra 2.0 với 84,4 và AlayaWorld với 83,0.

{{1}}Không có gì trong số này là bê bối.{{/1}} {{2}}Việc công bố một con số tốt nhất trong tám lần và trung bình bốn lần chạy, như bài đưa tin của Odyssey đã làm, là mức minh bạch cao hơn hầu hết các phòng thí nghiệm đưa ra.{{/2}} Nhưng đó là lý do khiến không thể so sánh Odyssey-3 và Apollo World trên điểm chuẩn: một bên có các con số với phương pháp được ghi chép rõ ràng và một tranh cãi về việc lựa chọn, còn bên kia không có con số nào cả. Bảng trung thực sẽ có một cột giá trị và một cột dấu gạch ngang, mà một bảng có một cột dấu gạch ngang thì không phải là một sự so sánh.

Hai định nghĩa về thời gian thực

Cả hai mô hình đều tuyên bố hoạt động trong thời gian thực, và hai tuyên bố đó không cùng một đại lượng. Odyssey-3 chạy ở 16 khung hình/giây trong bộ khung đánh giá chuẩn của nó ở độ phân giải 832 x 480 — đủ nhanh để một người điều khiển camera xuyên qua thế giới mà không phải chờ đợi, đúng như nhu cầu của sản phẩm. Apollo World được xây dựng quanh chu kỳ quyết định một phần ba mươi giây, tức khoảng 33 mili giây, vì một phương tiện đường bộ đang chạy ở tốc độ cao không thể chờ lâu hơn mức đó để hành động.

Mười sáu khung hình mỗi giây tương đương 62,5 mili giây mỗi khung hình. Đó không phải là lời chỉ trích Odyssey, vốn không tự nhận là trình mô phỏng phương tiện; đó là minh họa cho thấy hai hệ thống được đặc tả khác nhau đến mức nào. Một mô hình mà con người khám phá có thể chịu được việc trễ một chút. Một mô hình khép vòng điều khiển với một chiếc xe hai tấn thì không thể.

Sự phân tách tương tự cũng xuất hiện ở tính bền vững. Đánh giá của chính Odyssey xếp nó ở vị trí thứ ba trong các cảnh thực tế góc nhìn thứ nhất, và sự trôi dạt theo thời gian dài là lỗi kinh điển của video tự hồi quy: thế giới dần dần không còn khớp với chính nó. Baidu liệt kê tính bền vững là một trong ba thuộc tính được đánh giá theo bậc và định nghĩa đó là việc không có sự trôi dạt ở các vật thể và chi tiết trong các lần chạy dài, một đặc tả được viết bởi người đã chứng kiến một mô phỏng suy giảm dần qua mười giờ.

Ai có thể sử dụng cái nào và chi phí ra sao

Odyssey-3 hiện có thể được bất kỳ ai có trình duyệt sử dụng, và bất kỳ ai có một cuộc trao đổi bán hàng. Ở mức $0,139 đến $0,267 mỗi video, kinh tế đơn vị là rõ ràng đối với công việc nội dung và đối với nghiên cứu cần vài nghìn clip. Đây là một sản phẩm thương mại có gói miễn phí, và việc không có trọng số mở là một lựa chọn có chủ đích chứ không phải sơ suất.

Hiện nay, không ai ngoài Baidu có thể sử dụng Apollo World. Không có dấu hiệu nào trong tài liệu ngày 3 tháng 11 cho thấy điều này sẽ thay đổi, và nội dung công bố được trình bày hoàn toàn xoay quanh việc Apollo Go tự thử nghiệm và xác thực.

Do đó, việc so sánh giá giữa hai bên không phải là so sánh tương đương trên bất kỳ khía cạnh nào. Odyssey tính phí theo từng video được tạo; Baidu không tính phí ai cả. Còn với những mô hình mà chúng tôi cung cấp, quy tắc của OrcaRouter rất đơn giản — mức markup 0%, giá niêm yết của nhà cung cấp được chuyển nguyên, nên thay đổi giá từ nhà cung cấp có hiệu lực ngay trong cùng ngày. Odyssey-3 không nằm trong danh mục đó, vì vậy không có mức giá chuyển nguyên nào để báo, và bài viết này sẽ không tự bịa ra một mức.

Phán quyết, dù sao đi nữa

Nếu bạn muốn huấn luyện một policy trong tưởng tượng trong quý này và bạn không làm việc tại {{1}}Baidu{{/1}}, thì Odyssey-3 là công cụ dễ tiếp cận hơn, với lưu ý rằng “dễ tiếp cận” nghĩa là một bản demo và một biểu mẫu liên hệ. Phần trình diễn policy lái xe của nó là bằng chứng công khai có liên quan trực tiếp nhất cho thấy một mô hình thế giới video tổng quát có thể đóng vai trò nền tảng huấn luyện cho điều khiển có thân, và việc công ty sẵn lòng công bố cả kết quả nổi bật lẫn mức trung bình của bốn lần chạy là một điểm có lợi cho họ.

Nếu bạn đang đặc tả một trình mô phỏng thay vì mua một cái, bộ tiêu chí 2+3 của Apollo World là thứ có giá trị hơn: nhân quả, tính tương tác, độ chính xác vật lý, tính bền bỉ và độ trễ dưới độ phức tạp. Hãy hỏi Odyssey, hoặc bất kỳ nhà cung cấp nào, mô hình của họ đạt điểm thế nào về tính bền bỉ trong một lần chạy mười giờ, và liệu con số điểm chuẩn vật lý được chọn lọc hay lấy trung bình. Câu trả lời sẽ cho bạn biết nhiều hơn bất kỳ vị trí nào trên bảng xếp hạng.

Điều có thể phân xử cuộc so sánh này là một bên thứ ba chạy cả hai trên cùng một nhiệm vụ lái xe, với cùng chính sách và cùng thước đo. Chưa ai làm vậy, và cả hai công ty đều chưa đề xuất điều đó. Cho đến lúc đó, bản tóm tắt chính xác là: một startup bán thước phim giấc mơ theo từng clip và một nhà vận hành dùng những giấc mơ để giữ xe của mình khỏi mặt đường — ý tưởng tương tự, mô hình kinh doanh trái ngược, và không có bảng điểm chung.