PAN 2 對比 Odyssey 3：這裡唯一附有價格標籤的世界模型，也公布了它最差的數字

關於物理推理的兩項主張，相隔三週發表，而兩者之間的差別不在分數。PAN 2 是 Institute of Foundation Models 的 290 億參數開放權重世界模型——Apache-2.0 權重於 2026 年 10 月 7 日發布，程式碼於 11 月 5 日，Day-0 vLLM-Omni 支援於 11 月 10 日——它能從起始影格與一段動作描述，生成最多二十秒、704×1248、每秒 24 影格的影片。Odyssey 3 則是 Odyssey 約 140 億參數的自回歸擴散 Transformer，於 2026 年 10 月 8 日以免費研究預覽版發布，基礎方案每支生成影片約 0.139 美元，Pro 方案則約 0.267 美元。一個是可下載的檢查點，沒有價格。另一個是按用量計費的產品，沒有權重。而這組對照值得寫成一篇文章、而非一段文字的原因在於：付費的那個發布了一項多數實驗室會隱而不宣的基準測試但書，免費的那個則完全沒有人做過基準測試。

那種反轉才是有用的部分。人的本能會把「開放權重」讀成「更透明」，把「商業 API」讀成「更行銷」。在這裡，情況恰恰相反，而理解其中緣由，對評估 2026 年的世界模型來說，比任何排行榜名次都更能說明問題。

Odyssey 所發布的內容，包括讓它被扣一分的那部分

Odyssey 3 Pro 在 Physics-IQ Verified 這個影片轉影片物理推理基準上回報 66.1，並稱其為頂尖水準。這個數字背後的方法才是有趣之處：它來自單次執行並採用八次中挑選最佳的選擇機制，而該基準本身的規則要求執行四次並回報標準差。若不進行挑選，四次執行的平均值為 63.37。

這兩個數字都屬於 Odyssey。兩者之間 2.73 點的差距，是從八個樣本中挑出最佳者並稱之為分數的代價；而這兩個數字都公開存在，已是這個類別通常不會提供的更高透明度。以該基準自身衡量相對於賽道平均值的淨提升，Odyssey 3 Pro 以 +11.15 個百分點排名第二，落後於 +12.27 的 FLUX 3 [large]。在 Odyssey 自家的評估 WorldMark 上，它在四個類別中的三個位居第一——第一人稱風格化 77.2、第三人稱真實 79.0、第三人稱風格化 76.3——並以 80.6 在第一人稱真實類別排名第三，落後於 84.4 的 Lyra 2.0 和 83.0 的 AlayaWorld。

以買家應有的方式解讀這些數字，會得出三件事。首先，這個模型確實具有競爭力：在該基準測試自身的改善幅度指標上排名第二，並不是行銷話術。其次，它並沒有贏得它所宣傳的那個類別，而它自己的評估在四項評測軌道中的一項也這麼說。第三，也最有用的是，供應商願意把精選出的數字與未經挑選的平均值並列公布，這是一個訊號，說明該如何解讀他們公布的其他一切。

現在用同樣的視角來看 PAN 2。IFM 發布的評估內容，明顯多於大多數影片模型的發布內容：橫跨六個能力類別的 300 個單一動作案例；100 個第一人稱視角多步驟任務，以兩種方式表述，共 200 個提示與 456 個步驟，並使用三個隨機種子，依步驟完成度與完整計畫完成度計分；Physics-IQ Verified 則在圖像轉影片設定上進行，並經正規化，使兩個真實拍攝片段之間的變異數等於 100；PhyGround 採用五點量表，由 Qwen3.8-27B 評判；RBench 則取五個任務類別與四個具身類別上的未加權平均；以及一項針對 140 個提示的盲測成對人類研究，由十三位評審產生 1,400 次比較，Elo 以 Bradley–Terry 擬合，並以 1500 為中心。IFM 沒有發布的，是一項關於篩選的但書，因為就模型卡所示，並沒有可供篩選的內容：這些數字是以測試框架輸出的形式報告。

兩者都未經審核。只有其中一個能與其他任何東西相比，因為 Odyssey 執行的是公開基準測試，而 PAN 2 的頭條數字來自私有測試框架。這項區別——基準測試與測試框架——比分數本身更有價值。

兩種產品，兩種摩擦

價格是最容易說明、卻最難付諸行動的比較所在。

• 單價——Odyssey 3 在基礎方案下以 832×480 生成每支影片約為 $0.139，在 Pro 方案下以 1280×720 生成則約為 $0.267；PAN 2 沒有單價，因為它沒有託管服務，只有模型權重和 GPU 帳單。

• 真正的成本——Odyssey 3 的代價是整段短片的全部成本；PAN 2 的代價則是機器：十三秒的 704×1248 影片在四張 B300 上約需 119 秒，而文件記載的預設配置為八張 H200、BF16。

• 存取摩擦——Odyssey 3 有免費的瀏覽器示範，任何人都能開啟；API 存取則須透過聯絡表單，沒有自助式金鑰，也沒有公開的費率表；PAN 2 則是 86.17 GB，分散於六十個檔案，採用 Apache-2.0 授權，無需審核，也無需洽談。

• 權重 — Odyssey 3 不公開任何權重，亦未授權讀取；PAN 2 的權重採用 Apache-2.0，無署名要求、無使用者門檻，且無使用領域限制。

• 測試框架中的速度 — Odyssey 3 在 832×480 解析度下以每秒 16 幀運行，並蒸餾為少數幾個步驟，讓人能即時操控；PAN 2 則在引導強度 2.5 下，以五十個取樣步驟達到每秒 24 幀。

把這五條放在一起看，這兩款產品瞄準的是不同的買家。Odyssey 3 的定價對象，是想要短片、又不想自己擁有資料中心的人——內容團隊、執行幾千次生成的 research group、任何單位經濟效益按每次產出計算的人。PAN 2 的定價對象，是已經擁有節點的人，因為對其他所有人來說，授權免費是它最不重要的一件事。

兩邊缺少的數字是同一個，而且不是價格。兩家廠商都沒有公布買家真正在意的那件事的成功率。Odyssey 在其生成世界中跑了駕駛策略、機械手臂與人形機器人，而那些示範的細節值得仔細閱讀——但買家需要的數字不在其中任何一項：道路任務沒有成功率，沒有與真實世界訓練相比的基準，也沒有消融實驗顯示生成世界的哪一部分發揮了作用。

PAN 2 的對應數字更糟，而且是公開的。它的模型卡明載，約三分之二的模擬計畫中，至少有一個步驟未被執行。對任何想把輸出交給機器人的人來說，這是個難堪的數字；而這也是兩份發布資料中最有用的一句話，因為它告訴你，你即將賴以建構的東西失敗率有多高。一家公布三分之二失敗率的廠商，和一家完全不公布失敗率的廠商，提供的資訊量並不對等；而那個敢公布難看數字的廠商，才是你能據以規劃的那一家。

每一個實際上會產生什麼，以及為什麼這種差異是架構性的

Odyssey 3 是一個約 140 億參數的自迴歸擴散 transformer，以網路影片、帶有時間對齊輸入的遊戲實錄，以及模擬的剛體互動進行訓練，接著再蒸餾成少步數模型，讓人能即時在輸出中漫遊：你給出環境提示，以第一或第三人稱在其中移動並獨立控制攝影機，沿途還能觸發事件。各方案差別只在於你能看到的解析度——基礎方案為 832×480，每段影片約 $0.139；Pro 為 1280×720，約 $0.267——另有一個 Flash 版本，就藏在免費的瀏覽器示範之後，任何人無需帳號即可開啟。

PAN 2 是一款內建語言模型的批次渲染器。概念推理器會把下一個世界狀態寫成结构化、以時間為基礎的描述，凍結的 Qwen3.5-9B 文字編碼器將其轉成條件特徵，29B 擴散 Transformer 補上感知細節，Wan 2.2 VAE 則解碼出二十秒、704×1248、每秒 24 幀的影片。它沒有互動迴圈：一次呼叫、一段短片，呼叫內沒有回饋。取而代之的是一份契約——提示詞改寫技能、固定的負向提示詞，以及一個驗證器，會依照編碼器 1,480 個詞元軟上限與 1,536 個詞元硬上限的預算來檢查說明文字；而卡片承認，代理案例研究依賴的是人工精煉過的提示詞。

那個差異在決定兩者適合什麼用途上，遠比價格更具影響力。Odyssey 3 是為身處環境中的人打造的：生成、環顧四周、調整、再次生成。PAN 2 則是為提出問題的機器打造的：如果我這麼做，會發生什麼，而檢查器會不會偏好另一個選項。取樣器將意圖編碼其中——一個是八個蒸餾步驟，另一個是五十步，且每一步的 guidance 為 2.5——兩者各自記錄的失敗情形也是如此。

兩家公司都尚未將該示範轉化為量測。

兩次發布都倚賴影片證據，顯示某項策略正在生成的世界中學習，但兩者都未公布那個能讓證據真正具備支撐力的數字。

Odyssey 在其生成世界中，以凍結的主幹網路，用約 20 小時的真實印度道路資料訓練了一個駕駛策略，並另外展示了從數十小時示範中學到的機械手臂操作，包括訓練資料中未出現的恢復行為、以 Flexion 建構的人形機器人策略、無人機導航，以及一個在 GTA V 上訓練、可遷移到《碧血狂殺 2》的策略。遊戲到遊戲的遷移，是通用影片世界模型可作為訓練基底的最強論據，因為如果一個策略能從一款遊戲的影像中學習，並在另一款遊戲中運作，就代表該模型捕捉到的是某種關於動態的特性，而不是關於像素的特性。目前缺的是：印度道路任務上任何已發表的成功率、任何與真實世界訓練相比的基準，以及任何能顯示生成世界哪一部分發揮作用的消融實驗。

PAN 2 沒有那類策略演示，但它具備 Odyssey 所沒有的東西：公開的失敗率。大約每三個模擬計畫中就有兩個，包含至少一個未執行的步驟。它的模型卡也承認，模擬理應失敗的計畫，用其自己的話來說，尚未經過測量——這對訓練基礎環境而言很重要，因為一個只呈現成功結果的世界，會教出一個認為一切都行得通的策略。

把這兩項承認並列來看，就能看出這個類別中的落差。一家公司展示了遷移能力，卻沒有測量可靠性。另一家測量了某種失效模式，卻沒有展示遷移能力。這兩者都不是買家需要的研究；買家需要的研究，是在同一項任務上以同一套策略與同一項指標比較兩個模型，並執行足夠多次，使標準差小於差距。

存取路徑讓你付出的代價是時間，而不是金錢

Odyssey 3 的摩擦點在於一場對話。瀏覽器中有免費的公開研究預覽版，API 存取須透過聯絡表單，沒有自助式金鑰，除了分級方案數字之外，沒有公布按 token 或按片段計費的價目表，沒有開放權重，也沒有授權條款可讀。對一個想在今天下午就用自家工作負載對模型做基準測試的團隊來說，這是一種與價格不同的障礙：你可以試用示範，也可以和業務洽談，但兩者都無法給你一套可重現的測試框架。

PAN 2 的阻力就是機器。權重為 86.17 GB，分散在六十個檔案中，採 Apache-2.0 授權，無需審核、無需洽談——然後你會發現，文件記載的 serving 設定是一整個節點，取樣器每個片段需要一百次前向傳遞，而一段二十秒的 704×1248 片段本身就是個解碼難題，甚至還沒談到平行化。授權免費，硬體不免費；這是整個開放權重類別都在做的取捨，也是買家最常搞錯的一點。

這兩種阻力都不是缺陷。它們是 2026 年研究發布會採取的兩種形態：一種是有價格與形式的產品，另一種是有授權與帳單的檢查點。知道自己能吸收哪一種形態，會比任何基準測試排名都更有用的篩選條件，而這正是多數團隊最後才套用、而非最先套用的篩選條件。

16-fps 產品與 24-fps 研究模型各自的用途是什麼

兩家公司都使用「即時」這個說法，但雙方指的並不是同一個量。Odyssey 3 以每秒 16 幀運作，每幀 62.5 毫秒，快到讓操控攝影機的人感覺不到延遲——這正是產品所需的條件，也是為什麼模型被蒸餾成少數幾步，而不是五十步。PAN 2 的每秒 24 幀、二十秒則完全不是互動式的；它是一種批次渲染，成本以節點分鐘計算，目的是產出一段短片，供代理程式或研究人員隨後檢視。

對於任何規劃工作的人來說，結果就是這兩者可用於不同的迴路。Odyssey 3 適合人在迴路中的工作流程：生成、查看、調整、再次生成，而且價格低到反覆迭代很便宜。PAN 2 適合自動化迴路：生成五個候選後果，用檢查器打分，對最佳者採取行動，而且價格高到你在啟動整批之前會先想一想。前者最佳化每段片段的延遲，後者最佳化每段片段的保真度，而取樣器設定把這項取捨明確呈現出來——每一步引導強度為 2.5 的五十步，相當於穿過 29B transformer 的一百次前向傳遞；相比之下，8 到 14B 等級的模型只需八個蒸餾步驟。

輸出內容的用途也存在結構性差異。Odyssey 3 的生成世界已訓練出一套駕駛策略與一隻機械手臂，這是最有力的公開證據，證明通用的影片世界模型可作為具身控制的訓練基底。PAN 2 的輸出則尚未做到，而且其模型卡明確指出，模擬理應失敗的計畫目前尚未被測量——這點很重要，因為只展示成功情況的訓練基底，會教出一個認為一切都行得通的策略。Odyssey 的示範也無法解決這點：一套在生成世界中訓練、卻從未對照真實世界基準進行評估的策略，是有希望的結果，而非已驗證的方法。

OrcaRouter 在這兩者中的定位是評估層，而非生成層，這點值得精確說明。PAN 2 與 Odyssey 3 都不在我們的目錄裡：前者是你在自己節點上執行的 29B 擴散模型，後者是透過聯絡表單販售的託管產品，而任何路由器都無法服務其中任何一個。可被路由的是圍繞它們的周邊機制，而在這兩種情況下，真正的支出正是累積在那裡——一個視覺語言評審依照評分標準為生成的短片評分、一個規劃器把研究問題轉成一整批提示詞、一個說明文字撰寫器產出結構化的世界狀態描述，供 PAN 2 的文字編碼器在 1,480 個 token 的軟性預算與 1,536 個 token 的硬性上限內使用。這些都是數千次尋常呼叫，每次呼叫的模型輸出都要耗費你一分鐘的 GPU 時間，而這正是那種工作負載型態：單一金鑰涵蓋超過 200 個模型、供應商牌價以 0% 加價直接轉嫁，以及供應商之間的自動容錯移轉，不再只是便利功能，而是決定一批工作會完成、還是會在 80% 時掛掉的分野。

如何閱讀這類內容中的下一個

三個問題，按順序來，而且沒有一個是「它得了幾分」。

這個數字是來自公開基準測試，還是私有評測框架？Odyssey 的 63.37 四次執行平均可與同一賽道上的其他項目比較。PAN 2 的步驟完成數據則無從比較，因為沒有其他人跑那個框架。兩者都合理；但只有一個具可移植性。

分數是挑選過的嗎？八取最佳的數字和四次執行平均衡量的是不同的事，而同時公布這兩者的廠商，已經告訴你該引用哪一個。只公布前者的廠商，也透露了一些訊息。

你關心任務的失敗率是多少？PAN 2 以三分之二的計畫會漏掉一個步驟來回答這個問題。Odyssey 並沒有針對印度道路實驗回答這個問題。這種缺席並非不誠實——只是還沒有人做過這項研究——但買家若不發問，買到的就只是一個展示。

就你眼前的選擇而言：Odyssey 3 是那個容易上手的工具。免費的瀏覽器試用版、聯絡表單、可按數量相乘的每段影片價格，以及一個背後有文件化方法支撐的基準數字。如果你這週就需要試用世界模型，而你的預算是按片段計價，那它是這兩者之中唯一一個你能立刻開始用的；但要注意的前提是，這裡的「容易上手」指的是得先談一輪業務，而不是直接拿到一組金鑰。

PAN 2 是可稽核的工具。權重、程式碼、服務配方、附有 token 預算的標註契約、附有誤報數字的護欄——11.5% 的良性文字轉影片請求與 3.3% 的良性圖片轉影片請求遭到拒絕，而不安全的文字轉影片輸出從 33.9% 降至 1.5%——以及一個以失敗率開頭的局限性章節。如果你有硬體，而且你需要知道這東西如何運作，而不是只知道它能運作，那麼它是該類別中完整許多的版本，而且遙遙領先。

能為這場比較定論的，是兩家公司都沒做過的那項研究：兩個模型、同一項任務、同一套策略、同一項指標，而且執行次數多到讓標準差小於差距。沒有人提出過這項研究。在有人提出之前，準確的總結是：付費模型公布了一個紀錄更完善的數字，免費模型公布了一個較差的數字，而免費模型才是你能核查的那個。