Odyssey ha lanciato Odyssey 3, un world model fondazionale che trasforma una descrizione testuale in un ambiente esplorabile in tempo reale, in prima o terza persona e con movimento di camera indipendente. La differenza con i generatori video è sostanziale: invece di produrre una clip da guardare, il sistema continua a prevedere ciò che accade subito dopo, mentre l’utente si muove, e per questo il mondo reagisce alle sue azioni. Si può persino introdurre un evento a simulazione in corso. L’anteprima di ricerca è gratuita nel browser dall’8 ottobre, mentre i pesi del modello non sono pubblici.
Sul piano tecnico è un diffusion transformer autoregressivo da 14 miliardi di parametri, che genera i fotogrammi in sequenza condizionandoli ai precedenti e alle azioni ricevute. L’addestramento usa teacher forcing e causal masking, così il modello non guarda avanti. Per raggiungere la velocità interattiva, una fase di post training con distribution matching e adversarial distillation produce una variante distillata a pochi passi di diffusione, pensata per l’interazione dal vivo, mentre la demo usa la variante Flash. La risoluzione è di 832 per 480 pixel e sale a 1280 per 720 nella versione Pro. I dati comprendono video di internet con eventi annotati, sessioni di gioco con input di tastiera e mouse allineati nel tempo e interazioni simulate tra corpi rigidi.
Sulle prestazioni Odyssey rivendica per la variante Pro un punteggio di 66,1 su Physics IQ Verified nel confronto da video a video e il primo posto in tre categorie su quattro del benchmark WorldMark. I numeri vanno letti con cautela: il 66,1 corrisponde al miglior risultato su otto tentativi, mentre la media su quattro esecuzioni scende a 63,37, e la valutazione su WorldMark è stata condotta dall’azienda stessa, che in prima persona con scene reali è solo terza. Nessun test indipendente li ha ancora confermati.
L’obiettivo dichiarato non è l’intrattenimento ma l’addestramento di macchine. Con poche decine di ore di dimostrazioni il modello ha completato compiti di manipolazione con bracci robotici, recuperando da errori assenti nei dati, come una presa mancata. Flexion ha costruito su Odyssey 3 politiche di controllo per umanoidi che hanno superato le baseline testate quando cambiava l’illuminazione, mentre una policy di guida addestrata su circa 20 ore di dati, con il backbone congelato, ha portato un’auto su strade reali in India. In un esperimento preliminare un checkpoint ha generato insieme le viste delle tre telecamere frontali di un dataset di guida dopo appena 100 passi di addestramento.
Chi vuole provarlo può farlo subito: la demo gratuita è nel browser su experience.odyssey.systems, i dettagli sono sul sito ufficiale di Odyssey e gli sviluppatori possono richiedere l’accesso alle API. Oliver Cameron, amministratore delegato ed ex vicepresidente prodotto di Cruise, lo definisce «un grande passo verso un’unica intelligenza in grado di comprendere e operare nel mondo che ci circonda». Il punto non è quanto sia bello il mondo di oggi, ma che per la prima volta il mondo risponde a chi lo guarda.
