Odyssey-3 vs ByteDance Seedance 2: Một môi trường bạn hành động bên trong đối đầu với một clip bạn xem

Đặt Odyssey-3 và ByteDance Seedance 2 cạnh nhau và điều đầu tiên dễ nhận thấy là chúng không cạnh tranh cho cùng một yêu cầu. Odyssey-3, được Odyssey phát hành vào ngày 8 tháng 10 năm 2026, tạo ra một môi trường từ một lời nhắc rồi tiếp tục dự đoán nó trong thời gian thực khi bạn di chuyển qua đó hoặc kích hoạt một sự kiện — nó là một trình mô phỏng với một camera do bạn điều khiển. ByteDance Seedance 2 là một trình tạo clip với ghế đạo diễn: đầu vào là văn bản, hình ảnh, âm thanh và video tham chiếu, đầu ra là một video hoàn chỉnh, dài tối đa mười lăm giây, được tạo trong một lượt và được giao đi như một đối tượng cố định. Một trong hai có đầu vào điều khiển; cái còn lại có dòng thời gian. Dù vậy, việc so sánh vẫn đáng thực hiện, bởi vì cả hai đang hội tụ về cùng một người mua, và bởi vì chúng đặt cược theo hướng ngược nhau vào việc giá trị của một mô hình video tạo sinh nằm ở đâu.

Chỉ có một bảng điểm chung duy nhất, và nó mỏng hơn vẻ ngoài. Bản thân Seedance 2 không xuất hiện trên Physics-IQ Verified, bảng điểm của Anates Labs và DeepMind chấm điểm mức độ một mô hình dự đoán các thí nghiệm vật lý thực tế. Seedance 2.5, phiên bản kế nhiệm ngày 31 tháng 7 năm 2026, thì có. Vì vậy, con số bên thứ ba duy nhất đặt bất cứ thứ gì thuộc dòng này cạnh Odyssey-3 là một so sánh xuyên hai thế hệ mô hình ở một phía, điều đáng nói rõ trước khi bất kỳ ai trích dẫn nó như một cuộc so tài công bằng.

Hai cơ chế

Odyssey-3 là một transformer khuếch tán tự hồi quy. Mô tả của chính Odyssey: một mô hình khuếch tán video nhiều bước được mở rộng theo kiểu tự hồi quy với teacher forcing và mặt nạ nhân quả, để nó tiếp tục từ các quan sát trước đó và dự đoán các trạng thái tương lai được điều kiện hóa trên đầu vào hành động, sau đó một lượt hậu huấn luyện gồm khớp phân phối và chưng cất đối kháng tạo ra một biến thể vài bước đủ nhanh để tương tác. Đầu ra không phải là một cảnh phát; đó là một cảnh phản hồi. Bản xem trước trình bày điều hướng góc nhìn thứ nhất, điều hướng góc nhìn thứ ba và di chuyển camera độc lập — ba cách khác nhau để tác động lên cùng một dự đoán và xem nó làm gì.

B​yteDance Seedance 2 là một mô hình tạo chung âm thanh-video đa phương thức hợp nhất. Nó nhận văn bản, hình ảnh, âm thanh và video làm tham chiếu và tạo clip trong một lượt, dài tối đa mười lăm giây, với âm thanh được tạo đồng thời chứ không phải lồng ghép về sau. Trang của B​yteDance mô tả các tham chiếu hình ảnh, âm thanh và video cho phép kiểm soát diễn xuất, ánh sáng, bóng đổ và chuyển động máy quay, đó là ngôn ngữ của sản xuất hơn là mô phỏng: bạn đang chỉ định một cảnh quay, chứ không phải điều khiển một thế giới. Ra mắt ngày 12 tháng 2 năm 2026, nó lan truyền nhanh chóng trong vài ngày nhờ các clip về diễn viên thật và phim hiện có — và đó cũng là điều tạo nên cơn bão bản quyền, với các thư yêu cầu chấm dứt từ Disney và Netflix, sự lên án từ Hiệp hội Điện ảnh và SAG-AFTRA, cùng một lá thư tháng 3 năm 2026 từ hai thượng nghị sĩ Hoa Kỳ yêu cầu B​yteDance dừng nó. B​yteDance cho biết vào tháng 2 năm 2026 rằng họ đang tăng cường các biện pháp bảo vệ. Lịch sử đó là một phần trong đặc tả của mô hình nếu bạn đang phát hành bất cứ thứ gì mang tính thương mại.

Từng chiều một

• Đầu ra của nó — một môi trường tương tác mà bạn hành động bên trong, dựa trên một clip cố định dài tối đa mười lăm giây. Mọi thứ ở phía sau hàng này đều thay đổi.

• Bề mặt điều khiển — điều hướng trực tiếp và các sự kiện giữa quá trình tạo, dựa trên prompt cùng các tham chiếu hình ảnh, âm thanh và video được chỉ định trước. Một bên được điều hướng trong khi tạo; bên kia được chỉ đạo trước khi tạo.

• Âm thanh — Seedance 2 tạo ra nó cùng với video, trong cùng một mô hình. Tài liệu ra mắt của Odyssey-3 không đề cập gì đến âm thanh cả.

• Độ phân giải — Odyssey-3 chạy ở 832×480, còn Odyssey-3 Pro ở 1280×720. Trang của B​yteDance dành cho Seedance 2 không công bố độ phân giải đầu ra, và con số 1080p đang lưu truyền thuộc về dòng Seedance 1.0 trước đó.

• Chi phí — Odyssey-3 được niêm yết ở mức 0,139 đô la Mỹ cho mỗi video được tạo trong cột chi phí đã chuẩn hóa của Physics-IQ và Odyssey-3 Pro ở mức 0,267 đô la Mỹ, cả hai đều không bao gồm việc xử lý lời nhắc. Seedance 2 không công bố mức giá niêm yết theo giây hay theo clip nào mà chúng tôi có thể xác minh; phiên bản kế nhiệm Seedance 2.5 của nó được niêm yết trên cùng bảng đó ở mức 2,838 đô la Mỹ mỗi video.

• Chấm điểm độc lập — không có màn đối đầu trực tiếp nào từ bên thứ ba dành cho kết quả do chính mỗi mô hình tạo ra. Kết quả đã công bố của Seedance 2.0 là SeedVideoBench-2.0 nội bộ của B​yteDance; còn của Odyssey-3 là một bài nộp benchmark cùng với một đánh giá do nhà cung cấp thực hiện trên tập dữ liệu của bên khác.

• Trọng số — đóng ở cả hai phía. Odyssey chưa từng phát hành checkpoint nào, còn Seedance thì chưa bao giờ mở.

• Định hướng thương mại — Odyssey-3 là bản xem trước nghiên cứu với biểu mẫu liên hệ để truy cập API và không có bảng giá. Seedance 2 được bán qua các nền tảng riêng của ByteDance và, bên ngoài Trung Quốc, qua CapCut dưới tên Dreamina Seedance 2.0.

Con số duy nhất thực sự so sánh chúng

Physics-IQ Verified chấm điểm các mô hình dựa trên mức cải thiện ròng về tính hợp lý vật lý so với trung bình của track, theo điểm phần trăm, và nó ghi lại bộ prompt nào đã được sử dụng. Trên chính các prompt của benchmark, Seedance 2.5 đứng thứ bảy với +3,59 pp, với chi phí chuẩn hóa là 2,838 USD mỗi video. Odyssey-3, trên cùng bộ prompt đó, đứng thứ tám với +2,15 pp, ở mức 0,129 USD mỗi video. Đọc kỹ thì đó là khoảng cách 1,44 điểm nghiêng về phía Seedance và mức chênh lệch chi phí khoảng gấp hai mươi hai lần bất lợi cho nó.

Hàng tiêu đề của Odyssey-3 dùng một cột khác. Khi gửi kèm các prompt tùy chỉnh, Odyssey-3 đạt +9.99 pp và Odyssey-3 Pro đạt +11.15 pp — lần lượt đứng thứ ba và thứ hai trên bảng, sau FLUX 3 [large] với +12.27 pp. Cùng một họ mô hình xuất hiện hai lần trên cùng một bảng xếp hạng dưới hai chế độ prompt khác nhau với điểm số rất khác nhau, và đây là điều hữu ích nhất cần hiểu để biết cách đọc bảng này: con số phần nào phản ánh đặc tính của mô hình và phần nào phản ánh đặc tính của người viết prompt.

Odyssey cũng báo cáo 66,1 trên hạng mục video sang video cho Odyssey-3 Pro, mức điểm cao nhất mà hãng tuyên bố, và 54,7 cho Odyssey-3 Pro ở hạng mục hình ảnh sang video. Cả hai đều là số liệu do chính nhà cung cấp đọc từ một bảng xếp hạng mà họ đã gửi sản phẩm tới, chứ không phải một lượt chạy độc lập.

Nơi mỗi cái thực sự giành chiến thắng

Nếu vấn đề của bạn là "Tôi cần một cảnh quay," thì thiết kế của Seedance 2 đang trả lời chính xác điều đó: tham chiếu đa phương thức nghĩa là bạn có thể đưa cho nó ngoại hình của diễn viên, nền âm thanh và chuyển động máy quay, rồi nhận về một clip hoàn chỉnh kèm âm thanh. Không có gì trong bản xem trước của Odyssey-3 làm được điều đó, và không có gì trong tài liệu ra mắt của nó gợi ý rằng nó sẽ làm được. Giới hạn mười lăm giây là một hạn chế thực sự, nhưng bản triển khai mô hình thế giới năm giây không có âm thanh cũng vậy.

Nếu vấn đề của bạn là “Tôi cần biết điều gì xảy ra tiếp theo,” thì sự đánh đổi lại đi theo hướng ngược lại. Seedance 2 không thể được hỏi về một tình huống phản thực — bạn chỉ có một clip, và để xem một kết quả khác, bạn phải gợi ý lại và nhận được một clip không liên quan. Toàn bộ tiền đề của Odyssey-3 là trạng thái tiếp theo phụ thuộc vào hành động bạn vừa thực hiện, và chính điều đó khiến nó dùng được cho một chính sách lái xe, một cánh tay robot hay một môi trường huấn luyện, nơi trình tự quan trọng hơn cú máy.

Bằng chứng về độ chính xác vật lý ủng hộ Odyssey-3 về mặt cơ chế ngay cả khi cột điểm không ủng hộ: mô hình đang được đánh giá trên các phần tiếp nối sau một nhiễu động, vốn là cùng năng lực mà bản xem trước tương tác đang quảng bá. Mức +3.59 pp của Seedance 2.5 trên cùng bảng xếp hạng là một kết quả mạnh đối với một trình tạo clip và, đáng chú ý, còn tốt hơn mức của Odyssey-3 trên tập prompt được ghép cặp — đó là lý do lời tóm tắt trung thực là mô hình video của B​yteDance có tính hợp lý vật lý cao hơn mức mà một mô hình video đáng lẽ có thể có, chứ không phải là Odyssey-3 đã bị đánh bại trên chính sân chơi của nó.

Đi đến một trong hai

Hôm nay, cả hai mô hình đều không thể được gọi từ đây. OrcaRouter không lưu trữ Odyssey-3 hay ByteDance Seedance 2 — Odyssey-3 không có mức giá nào được công bố để bất kỳ ai định tuyến, còn Seedance được bán qua các nền tảng riêng của ByteDance.

Những gì một khóa OrcaRouter duy nhất thực sự truy cập được là phần còn lại của ngăn xếp video: MiniMax-H3 ở mức $0,08 mỗi giây đầu ra 768P, dòng video K​ling ở mức $0,084 đến $0,28 mỗi yêu cầu, và tổng cộng hơn 200 mô hình, tất cả đều theo giá niêm yết của nhà cung cấp với mức markup 0%, nên biến động giá của nhà cung cấp được cập nhật trực tiếp trên hóa đơn của bạn ngay trong ngày thay vì đến kỳ gia hạn. Chuyển đổi dự phòng tự động giữ cho một đợt quét đánh giá vẫn chạy khi một upstream bị suy giảm, và DSL định tuyến đặt nhiều mô hình video sau một giao diện duy nhất, nên việc thử nghiệm một trình tạo mới chỉ là thay đổi cấu hình thay vì phải tích hợp. Khi một trong hai dịch vụ này mở endpoint tự phục vụ, đó chính là dạng để bạn đưa nó vào.

Xem gì

Hai điều sẽ thay đổi so sánh này hơn bất kỳ bản cập nhật benchmark nào. Thứ nhất là âm thanh: nếu thế hệ tiếp theo của Odyssey-3 tạo âm thanh đồng thời theo cách Seedance làm, thì “môi trường mà bạn hành động bên trong” không còn là một hạng mục hẹp hơn nữa. Thứ hai là một harness độc lập — bên thứ ba chạy Seedance 2.0 và Odyssey-3 song song trên cùng các clip, thay vì một mô hình xuất hiện trên một bảng mà mô hình kia chưa từng được gửi lên. Cho đến lúc đó, cách hiểu đúng về Odyssey-3 so với ByteDance Seedance 2 là chúng không phải hai ứng viên cho cùng một công việc. Chúng là hai câu trả lời cho hai câu hỏi khác nhau, và câu hỏi bạn đang đặt ra sẽ chọn mô hình cho bạn.