Odyssey-3 vs Kling 3：一个你今天就能调用，一个不能

在纸面上把 Odyssey-3 和 Kling 3 并列排版很容易，但在实践中却很难真正比较，因为两者之中只有一个以可供调用的形式存在。Kling 3 是快手（Kuaishou）的视频生成模型，于 2026 年 2 月发布，可通过厂商 API 和 Kling 应用正式使用，而且——对本博客的读者而言尤其相关——可以同时以 kling-v3 和 kling-3-turbo 的形式通过 OrcaRouter 路由。Odyssey-3 是 Odyssey 的基础世界模型，于 2026 年 9 月 15 日预览，没有公布价格，没有 API，且宣称的发布窗口是"未来几周"。因此，关于这场对比，最诚实的第一句话就是：它目前还称不上是一场对比——一个是按秒计费的计量型产品，你今天下午就能测试；另一个是研究预览版，展示了一项能力，却无从购买。真正有用的问题是：它们各自是用来做什么的，以及 Kling 3 擅长的事情，是否会是世界模型终将取代的事情。

Kling 3 是一款带有分镜技巧的渲染器

Kling 3 于 2026 年 2 月发布，这使其走在中国视频生成领域的前列，而且它的定位异常具体。它能为每个片段生成 3 到 15 秒——默认 5 秒——根据套餐不同，以 720p、1080p 或 4K 生成，并可基于文本、单张图像或首尾帧对生成。它区别于该领域大多数产品的地方在于 Omni 变体的多镜头模式：一个 multi_prompt 列表，列出按时间编排的镜头，每个镜头都有自己的提示词，让你能在一次生成中规划一系列剪辑，而不是拼接分别生成的片段并指望光照匹配。原生音频——同步语音、环境声、音效，并支持多种语言的地区口音——会在同一次生成过程中一并产生，且可以关闭。

其已记录的强项包括人体动作与动作控制、图像到视频的条件化生成，以及渲染清晰可读的屏幕文字：招牌、标识、产品标签，这些在生成后依然可辨。其已记录的弱项同样具体——手部与手指、物理及多物体模拟、单个片段中多角色的一致性，以及视时长和复杂度而定、大约两到十五分钟的生成时间。

最后那一行弱点值得停下来细想，因为它正是 Odyssey-3 所瞄准的那一行。Kling 3 在多物体物理交互方面表现不佳；Odyssey-3 的整个核心论点是，预测场景的下一个状态会迫使模型学习物体之间如何交互。它们并不是针对同一特性的相互竞争的主张。对 Kling 3 的要求是，把物理效果伪造得足够逼真，让观众察觉不到；而对 Odyssey-3 的要求则是，把物理规律做对，以便控制器能够依赖它。

你能真正衡量的价格

Kling 3 的官方费率按秒公布，起步价很低：720p 为每秒 $0.084，1080p 为 $0.112，4K 为 $0.42；原生音频在 720p 和 1080p 下会增加约 50%（分别为 $0.126 和 $0.168），而在 4K 下不额外收费。这些数字来自供应商，且属于入门级费率。独立服务商按每分钟输出量追踪的定价，远高于那些按秒数字所暗示的水平，因此诚实的解读是：Kling 3 起步便宜，但一旦提升分辨率和音频档位，价格就会高得多——应查看你自己配置的每分钟价格，而不是宣传价。消费端采用积分系统，档位从每日免费额度一直到 $127.99 及以上的 Ultra 套餐，其中免费档仅限带水印的 720p，且不可商用。

Odyssey-3 完全没有价格。这不是一个小疏漏——这正是本次对比中的全部差异。一个团队可以在生成哪怕一个 Kling 3 片段之前，就算出一百个 Kling 3 片段的成本。而团队无法计算 Odyssey-3 上任何东西的成本，因为根本没有可供计算的依据。还要注意，如果这两者将来真的在商业上并排出现，它们的计费方式很可能不会相同：视频生成按输出的秒数计量，而 Odyssey 所描述的那类世界模型往往按模拟的小时数计量，因为买家是训练循环，而不是渲染队列。

Odyssey-3正在追逐不同的列

Odyssey-3 是一个在视觉观察数据上训练的自回归扩散变换器，而此次发布的核心能力是一个学习到的动作解码器——该组件将模型对场景的内部表示转换为特定硬件所需的运动指令。Odyssey 报告称，同一主干能够用数十小时的演示驱动机器人手臂（包括在抓取失败后重新调整夹爪方向等未经提示的恢复动作），使用 Flexion 构建的人形机器人策略可实时运行，基于 20 小时模拟数据的闭环驾驶，室内避障无人机飞行，以及 Grand Theft Auto V 中的游戏过程可迁移到 Red Dead Redemption 2 和 Sleeping Dogs，而无需在这些作品中额外进行策略训练。该公司给出的唯一一个对比数字是：模拟训练的驾驶策略在两次安全驾驶员介入之间行驶的距离约为真实录像训练策略的 77%。

所有这些说法无一被复现，没有 Odyssey-3 技术报告，也没有任何第三方公布过数字。六个实施例之间的差异才是有意思的说法；缺少基准测试表，正是应当对它持保留态度的原因。

逐维度对比

• 产出内容 — Kling 3：渲染后的视频片段，最长 15 秒，最高可达 4K。Odyssey-3：模拟世界状态加运动动作。

• 镜头结构 — Kling 3：通过 Omni 变体的定时提示词列表实现多镜头分镜。Odyssey-3：单次连续生成，无剪辑概念。

• 音频 — Kling 3：原生、同步、支持多语言、可选，价格比 4K 低 50%。Odyssey-3：无；它不是媒体生成器。

• 价格 — Kling 3：720p 为 $0.084/秒，1080p 为 $0.112/秒，4K 为 $0.42/秒（厂商；4K 以下音频另计）。Odyssey-3：未公布。

• 可用性 — Kling 3：自 2026 年 2 月起通过供应商的 API 和应用正式可用（GA），并已在 OrcaRouter 上完成接入。Odyssey-3：仅提供预览版，"将在未来几周内推出"。

• 证据——Kling 3：十二个月的公开使用及第三方定价文档。Odyssey-3：仅有厂商演示。

OrcaRouter 究竟适合用在哪里——而它在这里绝不是无关紧要的脚注

这一次，本节难得地不是关于周边技术栈的内容。Kling 3 是 OrcaRouter 所服务的模型之一，以kling-v3和kling-3-turbo的形式提供，因此两个 Kling 层级之间的比较只需在一个密钥上完成，而无需对接两份供应商合同，你也不必再写第二套集成就能把两者都测一遍。定价按供应商标价，0% 加价原样透传，这一点在这样一个公布了按秒计费价格、并且还有音频附加费的模型上，比通常更为重要：当供应商调整某个数字时，你的账单当天就会随之变化，而不是等到续约时才变。跨供应商的自动故障转移意味着生成队列不会因为某个端点性能下降而停滞——而视频生成端点性能下降的频率足够高，所以这是一个调度层面的现实问题，而非理论问题。对于需要多个模型的流水线，路由 DSL 可以把提示词模型、用于起始帧的图像模型和视频模型组合成一次调用，这基本上就是任何真实视频工作流的形态。

相比之下，Odyssey-3 并不由 OrcaRouter 或任何其他方提供服务，本文也未声称它如此。目前还没有可供路由的对象。

裁决

如果你本季度需要视频，Kling 3 就是答案，而且这场比较早已结束——它有定价、可获取、可路由，其公布的 720p 价格为每秒 0.084 美元，让入门档位足以支撑反复迭代。它的多镜头模式相比单片段生成是真正的工作流优势，而它在多物体物理方面的已知弱点，对大多数团队实际在做的工作影响较小——也就是短视频，观众不会去做什么物理检查。

如果你需要一个能在硬件上运行的控制器，Odyssey-3 就是针对你的问题而来的那个，但目前仍然买不到。值得关注的具体理由是覆盖面：一套权重就能覆盖机械臂、人形机器人、一辆汽车、一架无人机和三款游戏，这是一种关于通用性的主张，而通用性正是让一个模型成为基础模型而非策略的关键。值得等待的具体理由是，Odyssey 之外还没有人运行过它。要留意价格和独立评估，按这个顺序。