Калифорнийский стартап Odyssey открыл публичное исследовательское превью Odyssey-3 — генеративной модели мира, которая строит интерактивные сцены по текстовому запросу в реальном времени. Бесплатная демонстрация работает на Odyssey-3 Flash и позволяет двигаться от первого или третьего лица, запускать события и наблюдать реакцию сцены. Базовая модель насчитывает 14 млрд параметров, а версия Odyssey-3 Pro выдает разрешение 1280 x 720 и набирает 66,1 балла в Physics-IQ Verified. Для бизнеса это проверяемый прототип миров, пригодных как полигон для роботов, дронов и агентов.
Условия публичного доступа и результаты тестов
Компания Odyssey основана в 2023 году, ее создали Оливер Кэмерон и Джефф Хоук, которые впервые показали модель 15 сентября с прицелом на робототехнику, автономное вождение и видеоигры. Нынешний шаг добавляет открытый доступ, больше технических подробностей и результаты бенчмарков. Пользователь вводит текстовое описание и получает сцену для перемещения, а разработчики могут отдельно запросить доступ к API. В июне 2026 года компания привлекла 310 млн долларов от инвесторов, включая Amazon и AMD Ventures, что задает масштаб проекта.
В основе Odyssey-3 лежит авторегрессионный диффузионный трансформер, который создает новые видеокадры на основе прошлых кадров и действий пользователя. По заявлению компании, модель усваивает физические связи и причинность из визуальных наблюдений во время обучения. В обучающие данные вошли интернет-видео с описаниями событий, игровые записи вместе с сигналами клавиатуры и мыши, а также симуляции физических взаимодействий. Дополнительная методика обучения сокращает число вычислительных шагов, благодаря чему генерация в реальном времени стала возможной при разрешении 832 x 480 пикселей в базовой версии.
В измерениях версия Odyssey-3 Pro указана с результатом 66,1 балла в тесте video-to-video бенчмарка Physics-IQ Verified, где проверяются механика жидкостей, оптика, механика твердых тел, магнетизм и термодинамика через продолжение видео реальных экспериментов. Этот показатель получен в одном запуске, где метод отбора выбирал одно из восьми видео на задачу, тогда как правила требуют четыре запуска со стандартным отклонением для заявки на рекорд. Без отбора модель в среднем набрала 63,37 балла за четыре запуска, причем оба результата внесла сама Odyssey. В WorldMark компания по собственной оценке сообщает о первых местах в трех из четырех категорий, включая 77,2 в First-Person Stylized и 79,0 в Third-Person Real.
Что это меняет для проектов автоматизации
Odyssey представляет одну модель мира как общую основу для разных задач управления — от манипуляторов до дронов и игровых персонажей. Каждое применение соединяет модель со специализированным контроллером, который превращает прогнозы в конкретные команды. В тестах компании система на Odyssey-3 управляла несколькими роботизированными руками после нескольких десятков часов демонстрационных данных и восстанавливалась после неудачных захватов, которых не было в обучении. Для гуманоидных роботов контроллеры, созданные вместе со швейцарской Flexion, работали стабильнее сравнимых моделей при меняющихся условиях.
Другие пилоты указывают на перенос навыков между средами при ограниченных данных. Контроллер дрона, обученный на симулированных полетах, огибал препятствия и летел к заданным целям в виртуальном помещении. Контроллер, обученный примерно на двух часах записей GTA V, управлял машинами и вел бой, а затем без дополнительного обучения двигал персонажа верхом в Red Dead Redemption 2. Отдельная демонстрация показала агента, который получал задачу на естественном языке внутри сцены Odyssey-3 и учился на итогах собственных действий, что может стать новым путем обучения ИИ.
Признаком подтверждения тренда станет воспроизведение физических оценок и результатов управления независимыми запусками и внешними пользователями за пределами демо. Google DeepMind развивает Genie 3 для интерактивных миров, а World Labs, основанная Фей-Фей Ли, создает похожие технологии на фоне планов AMD купить компанию примерно за 8,2 млрд долларов. Если Odyssey удержит позиции в рейтингах и выпустит доступ к API для робототехники, генеративные миры могут стать рабочим слоем для проверки автоматизации.
