Odyssey-3 so với Kling 3: Một cái bạn có thể gọi ngay hôm nay, còn một cái thì không

Odyssey-3 và Kling 3 rất dễ để đặt cạnh nhau trên một trang, nhưng lại khó so sánh trên thực tế, bởi vì chỉ một trong hai tồn tại dưới dạng thứ mà bạn có thể gọi tới. Kling 3 là mô hình tạo video của Kuaishou, ra mắt vào tháng 2 năm 2026, được cung cấp rộng rãi qua API của nhà cung cấp và ứng dụng Kling, và — điều đáng quan tâm với độc giả của blog này — có thể được định tuyến qua OrcaRouter dưới cả hai dạng kling-v3 và kling-3-turbo. Odyssey-3 là mô hình thế giới nền tảng của Odyssey, được xem trước vào ngày 15 tháng 9 năm 2026, chưa có giá công bố, không có API, và cửa sổ phát hành được nêu là "trong vài tuần tới." Vậy nên câu nói trung thực đầu tiên về cặp đấu này là nó vẫn chưa phải là một cặp đấu: một bên là sản phẩm tính phí theo giây mà bạn có thể thử ngay chiều nay, còn bên kia là bản xem trước nghiên cứu với một năng lực đã được chứng minh và không có cách nào để mua. Câu hỏi hữu ích là mỗi bên dùng để làm gì, và liệu những việc Kling 3 làm tốt có phải là những việc mà một mô hình thế giới sẽ chẳng bao giờ thay thế được hay không.

Kling 3 là một trình kết xuất với một mẹo dựng phân cảnh

Việc Kling 3 ra mắt vào tháng 2 năm 2026 đã đưa nó lên vị trí dẫn đầu trong nhóm các công cụ tạo video của Trung Quốc, và định vị của nó cụ thể một cách bất thường. Nó tạo ra từ ba đến mười lăm giây mỗi clip — mặc định là năm giây — ở 720p, 1080p hoặc 4K tùy theo gói, từ văn bản, một hình ảnh hoặc một cặp khung hình đầu và cuối. Điều tách biệt nó khỏi phần lớn các đối thủ trong lĩnh vực này là chế độ đa cảnh quay của biến thể Omni: một multi_prompt danh sách các cảnh quay theo thời lượng, mỗi cảnh có câu lệnh riêng, cho phép bạn lên kế hoạch cho một chuỗi cắt cảnh trong một lần tạo thay vì ghép nối các clip được tạo riêng lẻ rồi hy vọng ánh sáng khớp nhau. Âm thanh gốc — giọng nói được đồng bộ, âm thanh nền, hiệu ứng, cùng khả năng hỗ trợ giọng địa phương ở nhiều ngôn ngữ — được tạo trong cùng một lượt và có thể tắt đi.

Các điểm mạnh được ghi nhận của nó là chuyển động của con người và điều khiển chuyển động, điều kiện hóa từ ảnh sang video, và kết xuất văn bản trên màn hình có thể đọc được: biển hiệu, logo, nhãn sản phẩm vẫn giữ được sau khi tạo. Các điểm yếu được ghi nhận của nó cũng cụ thể không kém — bàn tay và ngón tay, mô phỏng vật lý và nhiều đối tượng, tính nhất quán giữa nhiều nhân vật trong một clip, và thời gian tạo kéo dài từ khoảng hai đến mười lăm phút tùy thuộc vào độ dài và độ phức tạp.

Dòng điểm yếu cuối cùng đó đáng để dừng lại, bởi vì nó chính xác là dòng mà Odyssey-3 nhắm tới. Kling 3 gặp khó khăn với tương tác vật lý đa đối tượng; toàn bộ luận đề của Odyssey-3 là việc dự đoán trạng thái kế tiếp của một cảnh buộc một mô hình phải học cách các đối tượng tương tác với nhau. Chúng không phải là những tuyên bố cạnh tranh về cùng một tính năng. Kling 3 được yêu cầu giả lập vật lý đủ thuyết phục để người xem không nhận ra; Odyssey-3 được yêu cầu làm đúng vật lý để một bộ điều khiển có thể dựa vào đó.

Mức giá bạn thực sự có thể đo lường được

Giá chính thức của Kling 3 được công bố theo giây và bắt đầu ở mức thấp: $0.084 mỗi giây ở 720p, $0.112 ở 1080p và $0.42 ở 4K, với âm thanh gốc cộng thêm khoảng 50% ở 720p và 1080p ($0.126 và $0.168 tương ứng) và không tốn thêm chi phí ở 4K. Những con số đó là của nhà cung cấp và là mức giá ở hạng khởi điểm. Giá của các nhà cung cấp độc lập được theo dõi theo mỗi phút đầu ra cao hơn hẳn so với hàm ý của những con số theo giây đó, vì vậy cách hiểu trung thực là Kling 3 rẻ để bắt đầu và đắt hơn đáng kể khi bạn nâng lên các hạng độ phân giải và âm thanh — hãy kiểm tra con số theo phút cho cấu hình của riêng bạn thay vì mức giá tiêu đề. Phía người tiêu dùng vận hành theo hệ thống tín dụng với các hạng từ hạn mức miễn phí hằng ngày cho đến gói Ultra từ $127.99 trở lên, trong đó hạng miễn phí bị giới hạn ở 720p có hình mờ và không được dùng cho mục đích thương mại.

Odyssey-3 hoàn toàn không có giá. Đó không phải là một thiếu sót nhỏ — đó chính là toàn bộ khác biệt trong so sánh này. Một nhóm có thể tính chi phí của một trăm clip Kling 3 trước khi tạo ra một clip trong số đó. Một nhóm không thể tính chi phí của bất cứ thứ gì trên Odyssey-3, vì không có gì để tính từ đó. Cũng lưu ý rằng nếu hai cái này có bao giờ xuất hiện cạnh nhau về mặt thương mại, chúng có lẽ sẽ không được tính phí theo cùng một cách: tạo video tính theo giây đầu ra, trong khi các mô hình thế giới kiểu mà Odyssey mô tả có xu hướng tính theo giờ mô phỏng, bởi vì người mua là một vòng lặp huấn luyện chứ không phải một hàng đợi kết xuất.

Odyssey-3 đang đuổi theo một cột khác

Odyssey-3 là một transformer khuếch tán tự hồi quy được huấn luyện trên quan sát thị giác, và năng lực nằm ở trung tâm của thông báo này là một bộ giải mã hành động đã được học — một thành phần chuyển đổi biểu diễn nội bộ của mô hình về một cảnh thành các lệnh vận động mà phần cứng cụ thể cần đến. Odyssey báo cáo rằng cùng một xương sống đó điều khiển các cánh tay robot từ hàng chục giờ trình diễn (bao gồm cả những động tác khôi phục tự phát như xoay lại bộ kẹp sau một lần kẹp hụt), các chính sách cho robot hình người được xây dựng bằng Flexion chạy trong thời gian thực, lái xe vòng kín từ 20 giờ dữ liệu mô phỏng, bay drone tránh chướng ngại vật trong nhà, và các phiên chơi Grand Theft Auto V chuyển sang Red Dead Redemption 2 và Sleeping Dogs mà không cần huấn luyện chính sách bổ sung trong những tựa game đó. Con số so sánh duy nhất mà công ty đưa ra là các chính sách lái xe được huấn luyện bằng mô phỏng đi được quãng đường giữa các lần can thiệp của người lái giám sát an toàn chỉ bằng khoảng 77% so với các chính sách được huấn luyện trên cảnh quay thực tế.

Mọi tuyên bố trong số đó đều chưa được tái lập, không có báo cáo kỹ thuật nào về Odyssey-3, và chưa có bên thứ ba nào công bố một con số. Điều đáng chú ý là tuyên bố về mức chênh lệch trên sáu hiện thân; việc thiếu một bảng đánh giá chuẩn là lý do để chỉ nên tin điều đó một cách dè dặt.

Sự tương phản, xét theo từng chiều

• Nó tạo ra gì — Kling 3: một clip đã kết xuất, dài tối đa 15 giây, ở độ phân giải lên tới 4K. Odyssey-3: một trạng thái thế giới mô phỏng cùng các hành động vận động.

• Cấu trúc cảnh quay — Kling 3: dựng phân cảnh nhiều shot thông qua danh sách prompt theo mốc thời gian của biến thể Omni. Odyssey-3: một lượt chạy liên tục duy nhất, không có khái niệm cắt cảnh.

• Âm thanh — Kling 3: gốc, được đồng bộ, đa ngôn ngữ, tùy chọn, giá thấp hơn 4K 50%. Odyssey-3: không có; đây không phải là công cụ tạo media.

• Giá — Kling 3: $0,084/giây ở 720p, $0,112/giây ở 1080p, $0,42/giây ở 4K (nhà cung cấp; âm thanh tính thêm phí ở dưới 4K). Odyssey-3: chưa công bố.

• Truy cập — Kling 3: chính thức (GA) từ tháng 2 năm 2026 qua API và ứng dụng của nhà cung cấp, và được định tuyến trên OrcaRouter. Odyssey-3: chỉ ở dạng xem trước, "trong vài tuần tới."

• Bằng chứng — Kling 3: mười hai tháng sử dụng công khai và tài liệu về giá từ bên thứ ba. Odyssey-3: chỉ có các buổi trình diễn của nhà cung cấp.

OrcaRouter thực sự phù hợp ở đâu — và ở đây nó không phải là một chú thích nhỏ

Lần này, đây không phải là một phần nói về stack xung quanh. Kling 3 là một trong những mô hình mà OrcaRouter cung cấp, dưới dạng kling-v3 và kling-3-turbo, nên việc so sánh giữa hai hạng Kling diễn ra trên một key duy nhất thay vì hai hợp đồng nhà cung cấp, và bạn có thể thử cả hai mà không cần viết thêm một tích hợp thứ hai. Giá được chuyển nguyên qua theo giá niêm yết của nhà cung cấp với mức markup 0%, điều này càng quan trọng hơn mức thông thường ở một mô hình có mức giá theo giây được công bố cùng phụ phí âm thanh: khi nhà cung cấp thay đổi một con số, hóa đơn của bạn thay đổi theo ngay trong cùng ngày thay vì đợi đến kỳ gia hạn. Tự động chuyển đổi dự phòng giữa các nhà cung cấp nghĩa là hàng đợi tạo sinh không bị đình trệ chỉ vì một endpoint bị suy giảm — và các endpoint tạo video suy giảm đủ thường xuyên đến mức đây là mối lo về lập lịch, chứ không phải chuyện lý thuyết. Với những pipeline cần nhiều mô hình, DSL định tuyến kết hợp một mô hình prompt, một mô hình hình ảnh cho khung hình bắt đầu và mô hình video vào một lời gọi duy nhất, gần đúng với hình dạng của bất kỳ quy trình video thực tế nào.

Ngược lại, Odyssey-3 không được OrcaRouter hay bất kỳ ai khác phục vụ, và bài viết này không hề khẳng định là có. Hiện chưa có gì để định tuyến tới cả.

Bản án

Nếu bạn cần video trong quý này, Kling 3 chính là câu trả lời và cuộc so sánh đã kết thúc từ lâu — nó đã có giá, đã sẵn sàng và có thể định tuyến, và mức giá 720p được công bố là 0,084 USD mỗi giây khiến gói khởi điểm trở nên vừa túi tiền để liên tục thử nghiệm. Chế độ multi-shot của nó là một lợi thế thực sự về quy trình so với việc tạo từng clip đơn lẻ, và những điểm yếu đã biết về vật lý đa vật thể ít quan trọng hơn đối với công việc mà hầu hết các nhóm thực sự đang làm, đó là video dạng ngắn, nơi người xem sẽ chẳng ngồi kiểm tra vật lý.

Nếu bạn cần một bộ điều khiển hoạt động trên phần cứng, Odyssey-3 là cái đang nhắm thẳng vào vấn đề của bạn và vẫn chưa có gì để mua. Lý do cụ thể để quan tâm nằm ở độ bao phủ: một bộ trọng số vươn tới tay máy, robot hình người, ô tô, drone và ba trò chơi là một tuyên bố về tính tổng quát, và tính tổng quát là thứ khiến một mô hình trở thành mô hình nền tảng thay vì một chính sách. Lý do cụ thể để chờ đợi là chưa có ai ngoài Odyssey chạy thử nó. Hãy để ý đến giá và một đánh giá độc lập, theo đúng thứ tự đó.