Odyssey-3：Odyssey 的基础世界模型究竟是什么

关于 Odyssey-3，首先要弄对的是它的名词属性。它并不是一个出于营销原因被贴上“世界模型”标签的视频生成器——Odyssey Systems 在其自己的发布页面上将其描述为“一个习得的动力系统，以自回归扩散 Transformer 实现，用于预测物体如何在空间中移动和相互作用，以及情境如何随时间演变”。此次发布分为两档，832×480 的 Odyssey-3 和 1280×720 的 Odyssey-3 Pro，它是一个你置身其中采取行动的模型，而不是一个你提示一次就一走了之的模型。Odyssey 于 2026 年 9 月 15 日以“通用物理智能”为题宣布了这项工作，并于 2026 年 10 月 8 日开放了公开研究预览；本页是该模型本身的参考条目，而不是对这两个日期的报道。

这在实践中意味着什么：在 Odyssey 自己的页面上，你输入一个提示，模型会构建一个环境，而你在其中穿行——以第一人称、第三人称，或作为一架自由漂浮的摄像机——同时模型持续预测接下来会发生什么。Odyssey 将处于该体验核心的、经过蒸馏的少步变体称作“能够进行实时交互”。它没有定价，没有授权许可，也不提供下载。没有模型卡，没有权重发布，也没有自助式密钥。这一组合正是读者问题的全部所在，而按照决策实际所需的顺序来理解它，是值得的。

Odyssey-3 属于哪一类模型？

搜索“Odyssey 3 world model”的读者把分类搞对了，而且这正是 Odyssey 自己的说法：页面标题称 Odyssey-3 是它“迄今最强大的基础世界模型”。确切的类别比通常所说的“世界模型”更窄。Odyssey-3 是一个交互式、以动作为条件的环境模型——它根据提示生成一个具身环境，然后预测当人或智能体采取行动或引入事件时该环境如何变化，其条件为之前的观测加上最新输入。Odyssey 的表述是，如今的预览版“提供第一人称和第三人称导航，以及独立的摄像机移动。”

为什么在 Odyssey 自己关于其构建方式的叙述中，那是一种不同于视频模型的产物：

• 它被构建为一个多步视频扩散 Transformer，具有按时间解析的提示与控制，然后通过教师强制和因果掩码以自回归方式进行扩展，使其能够从前序观测继续，并以动作输入为条件预测未来状态。

• 一个将分布匹配与对抗蒸馏相结合的后训练流水线，会产出一个少步蒸馏变体——正是这一部分让实时交互真正成为可能，因为每帧需要数十个去噪步骤的扩散模型根本跟不上按键的速度。

• 它的训练数据包括：带有时间定位、经模式验证的事件标注的互联网视频，带有时间对齐的键盘和鼠标输入的游戏玩法录像，以及带有字幕和元数据的模拟刚体交互。游戏玩法和模拟数据源的作用是将动作与观测关联起来；互联网视频则提供了广度。

• 输出为视频，输入面包括文本提示、上传的图像以及连续运动或摄像机控制。它不是语言模型，也不具备 LLM 意义上的上下文窗口；Odyssey 的材料中没有任何内容描述过这样的窗口。

所以正确的一句话答案是：一个世界模型，具体来说是一个输出视频的交互式环境模型——而不是视频生成器，也不是与聊天机器人相近的多模态 LLM。本站上将其与 Seedance、Veo、Kling、Runway 等进行比较的十二个对比页面，是在把一种环境与片段生成器作比较；下方的基准测试才是这种区别真正以数字体现出来的地方。

如今你可以用它做什么

研究预览版现已上线，地址为 experience.odyssey.systems，Odyssey 的页面明确写道：“我们的研究预览版现已推出。”查看预览应用本身，其中的控件包括：

• 一个提示框（“描述你希望 AI 模拟的内容”）、一个图像上传功能，以及一个建议场景库，你可以用方向键浏览，并按回车键选择。

• 三种起始摄像机意图——"世界视图"，在界面中被描述为"未附带玩家的自由浮动摄像机"；"第一人称视角"，"通过可游玩主体的眼睛观察"；以及"第三人称视角"。

• 一个启动控件，用于开始模拟；之后你可以在环境中移动，并在生成过程中引入事件，观察模型如何响应。

关于访问权限，有两件事你不该等到吃了苦头才发现。第一，预览中的按钮写着“Try Odyssey-3 Flash”——这个层级名称在网站上其他地方从未出现。Odyssey 明确命名的层级只有两个：Odyssey-3 和 Odyssey-3 Pro，并且没有发布任何名为 Flash 的规格、大小或分辨率。在 Odyssey 给出说明之前，请把这个标签视为未解释。第二，API 通道并非自助式。“Get API Access”链接指向 developer.odyssey.ml，而该页面目前写着：“Odyssey-2 Max 正在向现有 API 用户逐步开放。如果你已经拥有我们的账户，请继续。否则，请前往此处申请优先访问。”如今所宣传的开发者入口是 Odyssey-2 Max，而不是 Odyssey-3。对构建者来说，通往 Odyssey-3 的途径是 Odyssey 自己网站上的联系表单，而对它最诚实的描述就是：一个队列。

Odyssey 所记录的极限——以及它未记录的极限

这正是参考页面体现其价值之处，因为空白之处与数字本身同样关乎决策。

• 分辨率 — Odyssey-3 832×480；Odyssey-3 Pro 1280×720。厂商公布，直接标注在公告页面上。

• 帧率——Odyssey 未公布。在一手材料中，唯一出现的帧率数字是 Physics-IQ Verified 排行榜的“Output FPS”列，其中每个 Odyssey 条目都列为 16，而 FLUX 3 [large] 为 24。那是第三方榜单上的第三方字段，并非厂商规格，而且它是该榜单用来归一化成本的数字。

• 片段时长——未公布。Odyssey 没有记录任何最大生成长度、片段长度或会话长度。Odyssey 在论述世界模型质量时引用的基准 WorldMark，其自身测试用例的运行时长分别为 20 秒、40 秒和 60 秒——这些是该基准的探测长度，并非有文档记载的 Odyssey-3 限制，将二者混为一谈是错误的。

• 交互性限制——未作为限制项公布。Odyssey 记录了可用的模式（第一人称、第三人称、自由摄像机、生成中途事件），但没有公布任何延迟数值、最大并发操作数，也没有说明一次会话在world开始退化之前能运行多久。

• 成本模型——Odyssey 公布的唯一一项财务数字是一项假设，而非价格：它在计算其 Physics-IQ 图表的成本轴时，“假设每 MI355X GPU 小时 1 美元，不含提示词重写费用”。截至今日，Odyssey 的任何页面上都没有价目表、没有按秒计费的费率，也没有积分方案。

权重、代码和许可证：三者均无

直截了当的回答，三点都是。没有任何权重被发布——在 Hugging Face 上搜索 Odyssey Systems 的模型，找不到该公司的任何结果，而且 Odyssey 的任何页面都没有提到检查点、仓库或下载。没有发布任何训练或推理代码。Odyssey-3 也没有发布任何许可证；网站上唯一一份形似许可证与条款的文件是 API 条款页面，最后更新于 2026-01-22，它仍然约束着“Odyssey-2 应用程序编程接口的原型”——这份文件比 Odyssey-3 早了两个模型世代，并且没有点名它。

如果任何地方的某个页面告诉你 Odyssey-3 是开放权重的，或者引用了它的许可证，那么那个页面是在猜测。Odyssey 自己的资料目前不支持这两种说法。

Odyssey 声称的内容，以及实际测量到的结果

Odyssey 提出了一项引人注目的基准测试声明：“Odyssey-3 Pro 在 Physics-IQ Verified 的视频到视频基准测试中树立了新的最先进水平，取得了 66.1，为已报告的最高分”，以及第二项声明：Odyssey-3“在我们的评估中于 WorldMark 的 4 个类别中的 3 个排名第 1”。这两项声明依据不同，应分开解读。

Physics-IQ Verified 是一个真正的第三方榜单。它由 Anates Labs 与 DeepMind 共同运营，目前收录了来自 16 家实验室的 41 个模型；它的评分方式是向模型展示真实物理实验的视频——流体力学、光学、固体力学、磁学、热力学——并衡量模型给出的续接结果与真实发生情况的吻合程度。于 2026-10-13 读取该视频到视频验证榜单：

• Odyssey-3 Pro，BoN ×8 采样 — 66.10，排名 01。Odyssey-3，BoN ×8 — 64.43，排名 02。FLUX 3 [large]，BoN ×8 — 64.35 ± 0.22，排名 03。厂商的 66.1 这个数字与榜单第一行一致，因此，在榜单自身当前的排名中，“报告的最高分”这一说法是站得住脚的。

• 单次生成的行更低且彼此更接近：Odyssey-3 Pro 63.37 ± 0.63，Odyssey-3 61.56 ± 1.20，FLUX 3 [large] 61.11 ± 0.55。在不同采样之间，这一排序并不稳定。在 best-of-8 下，基础模型的 64.43 领先 FLUX 3 的 64.35 达 0.08 分，而 Pro 的 66.10 则领先 1.75 分。在单次生成下，FLUX 3 落在两个 Odyssey 行之间——比 Odyssey-3 的 61.56 低 0.45，比 Pro 的 63.37 低 2.26。

• 对于持怀疑态度的读者来说，最重要的一行在更下面。Odyssey-3 也出现在提示来源标记为“BPP”——基准提供的提示，未经 LLM 改写——的一行中，成绩为 51.76 ± 0.69，排名 08。其自定义提示那一行为 61.56。在基准自带的提示上，该模型的验证得分比使用自家提示时大约低十个百分点。排行榜明确指出，生成成本归一化之后，会额外加上单独的 LLM/提示成本，并且 Odyssey API 的提示改写费用估计为每段提交视频 $0.01，而每次 best-of-8 运行共享同一个改写后的提示。

• 在图生视频验证榜上，排名有所不同，厂商的表述也应相应调整：FLUX 3 [large] 以 54.70（BoN ×8）领先，Odyssey-3 Pro 以 54.69 位居第二，Odyssey-3 以 52.83 位居第三。0.1 分无论对哪一方都算不上领先。Odyssey 对最先进水平的宣称是视频到视频方面的说法，而在图生视频上，它并不是领先者。

• 归一化成本，董事会在输入所报告的配置下按 24 fps 和 1280 宽输出计算：在视频到视频 best-of-8 行中，Odyssey-3 Pro 为 $3.484，Odyssey-3 为 $1.430，而 FLUX 3 [large] 为 $16.430；在单次生成行中，Odyssey-3 Pro 为 $0.444，Odyssey-3 为 $0.187。请注意，本次发布此前的报道曾引用两个 Odyssey 档位为 $0.139 和 $0.267——那是同一张板上的图到视频单次生成行，而不是视频到视频行，二者不应互换。该数字并未变动；它属于另一采样行。

• 子指标，经视频到视频验证：Odyssey-3 Pro 在空间指标上以 73.19 领先，在加权空间指标上以 65.07 领先；Odyssey-3 在时空指标上以 70.44 领先。FLUX 3 [large] 在均方误差上以 57.39 领先，Odyssey-3 Pro 以 55.81 位居第二。Odyssey 在空间方面领先，在误差方面并不领先。

WorldMark 的说法依据较弱，而这一部分需要仔细阅读。 WorldMark 是来自 Alaya Lab、the University of Tokyo 和 Shanghai Innovation Institute 的一个真实、公开的基准测试套件：它用一套共享的 WASD 式动作词表驱动十个模型，在 500 个标准化案例上运行，并针对动作动态、世界记忆和视觉质量给出九项确定性指标的评分。Odyssey 的说法是：“在我们的评测中，使用该基准自带的描述文本及其所报告的 13 项指标得分的均值，Odyssey-3 在第一人称风格化、第三人称写实以及第三人称风格化环境中均排名第一。”从一手材料可以得出三点：

• 这是一项自行开展的评估。Odyssey 运行了该基准测试并报告了结果；WorldMark 的作者们并未公布这一结果。

• Odyssey-3 并未出现在该基准自身发布的结果中。查阅 WorldMark 于 2026 年 10 月 13 日的结果页面，四个分榜共列出十个模型——AlayaWorld、DreamX-World、HY-GameCraft 1.0、HY-World 1.5、LingBot-World、Lyra 2.0、Matrix-Game 2.0、Matrix-Game 3.0、SANA-WM 和 Yume 1.5——其中并不包含 Odyssey-3。因此，这一排名无法与该基准自己的数字进行核对，因为在公开榜单上根本没有这些数字。

• Odyssey 所描述的指标数量与基准测试自身的描述并不一致。WorldMark 的页面描述的是三个类别下的“九个确定性指标”；Odyssey 描述的则是“其 13 个已报告指标分数的平均值”。就测试套件的不同视图而言，两者都可能成立，但外部读者无法将二者对应起来，而且发生变化的是那个最顶层的数字。

• Odyssey-3 在其自身评估中唯一没有胜出的细分项，恰恰最接近产品宣传定位：第一人称真实环境，其中 Odyssey 的 80.6 分落后于 Lyra 2.0 的 84.4 分和 AlayaWorld 的 83.0 分。该模型所宣称的优势集中在风格化世界和第三人称世界中。

除了这两项基准测试之外，每一项能力主张都是由厂商报告的，且未经独立复现，参考页应当如实说明这一点，而不应加以淡化。Odyssey 报告称，一个机械臂动作解码器基于“仅数十小时的机器人演示”训练，却产生了演示中并不存在的恢复行为，包括在抓取失败后重新调整夹爪方向。它报告称，Flexion 基于 Odyssey-3 构建的人形机器人控制策略在环境变化下表现优于所测试的 VLA 基线，并在使这些基线失效的光照变化下继续运行。它报告称，一个基于 20 小时驾驶数据训练的驾驶策略，其中 Odyssey-3 主干网络保持冻结，在印度真实道路上进行闭环驾驶——而该工作中唯一的对比数字是：仅用仿真训练的策略在两次安全员干预之间行驶的距离，约为基于真实录像训练的策略的 77%。它报告称多传感器生成，其中一个 Odyssey-3 检查点在 100 个训练步骤后，同时生成某个驾驶数据集的前三个摄像头视图。这些内容没有一项被 Odyssey 之外的任何人重新运行过，也没有任何第三方发布过 Odyssey 未提供的 Odyssey-3 数字。

而且，目前也还没有可以直接依赖的正面对比。在 Physics-IQ 提交本身之外，还没有人在匹配的测试框架和匹配的采样设置下，将 Odyssey-3 与 FLUX 3 [large] 或任何其他模型进行过对比；而 Physics-IQ 表格恰恰是采样选择——best-of-8 对单次生成、自定义提示词对基准提示词——会让结果相差十个点的地方。任何未标明其采样行的排名都应视为没有信息量。

如何获取，以及在此期间该做什么

目前可用的入口是 experience.odyssey.systems 上的浏览器预览，以及 odyssey.systems 上用于申请 API 访问权限的联系表单。这就是完整清单；没有定价页面，没有速率限制文档，也没有自助服务密钥。Odyssey-3 也不是我们能替你路由的东西——目前还没有可调用的 API 可以指向，因此任何面向开发者的可用性说明都为时过早。

如果这意味着你这周就需要一个能调用的东西，那么有用的做法是架构层面的，而不是编辑层面的：把模型放在你自己掌控的接口之后，这样以后把 Odyssey-3 接进来只是改配置，而不是重写。这正是路由层存在的意义，也是评估一个基准分数会因采样方式而波动十点的模型的正确方式——你希望能用自己的一套提示词、一把密钥，把真东西和你现有的模型做 A/B 对比，而不用再签一份合同。OrcaRouter 把200 多个模型放在同一个端点之后，以 0% 加价透传供应商标价，并且跨供应商自动故障转移——这一点恰恰最契合 Odyssey-3 所处的处境：一个你还拿不到的模型，紧挨着你能拿到的那些模型。

具体要关注什么，以及按它们会在多大程度上改变答案来排序：一个已发布的价格和一个自助式密钥；一份许可证和一次权重发布，或明确声明两者都不会到来；来自 Odyssey 而非排行榜某一列的帧率和时长规格；以及 Odyssey-3 出现在 WorldMark 自己发布的结果中，这会把一个自行运行的排名变成可核查的排名。至少在其中的第一个和最后一个落地之前，对 Odyssey-3 的准确描述是：一个真正有趣的基础世界模型——一个输出视频的交互式环境模型，而不是视频生成器——它在 best-of-8 采样下有一个强有力的第三方基准测试结果，在基准测试自己的提示下则有一个远为逊色的结果，并且完全没有商业入口。