Odyssey abre prévia do seu modelo de mundo Odyssey-3, de 14 bilhões de parâmetros

A Odyssey lançou uma prévia pública de pesquisa de seu modelo de mundo generativo, o Odyssey-3. O sistema gera ambientes interativos diretamente no navegador, funciona em tempo real e alcança os melhores resultados em benchmarks de simulação física.

Arquitetura e treinamento

O modelo é construído sobre uma arquitetura de transformer de difusão autorregressiva, que gera novos quadros de vídeo de forma sequencial com base nos quadros anteriores e nas ações do usuário. O sistema foi treinado para reconhecer padrões físicos e relações de causa e efeito a partir de observações visuais.

A versão base tem 14 bilhões de parâmetros e gera vídeo em resolução de 832×480 pixels, enquanto a versão Pro suporta 1280×720 pixels. O sistema foi treinado com três tipos de dados: vídeos da internet com descrições dos eventos, conteúdo de videogames com as correspondentes entradas de teclado e mouse, e interações físicas simuladas. Um método de treinamento especial reduziu o número de etapas de computação necessárias, permitindo a geração em tempo real.

Os usuários podem gerar ambientes interativos a partir de prompts de texto e escolher entre as perspectivas em primeira ou terceira pessoa. Nos mundos gerados, é possível se mover, disparar eventos e observar como o modelo reage em tempo real.

Resultados nos benchmarks

No benchmark Video-to-Video, que avalia o comportamento em hidromecânica, óptica, mecânica de corpos rígidos, magnetismo e termodinâmica, o Odyssey-3 Pro alcançou 66,1 pontos em uma única execução, com seleção do melhor resultado entre oito variantes. Esse resultado não atende ao padrão oficial de recorde, que exige quatro execuções com desvio-padrão informado. Sem o método de seleção, a média foi de 63,37 pontos.

No benchmark WorldMark, que avalia o seguimento de instruções, a qualidade visual e a consistência dos mundos, o Odyssey-3 lidera em três das quatro categorias: • First-Person Stylized: 77,2 pontos • Third-Person Real: 79,0 pontos • Third-Person Stylized: 76,3 pontos • First-Person Real: 80,6 pontos (terceiro lugar)

Da robótica aos videogames

A Odyssey trabalha em um modelo de mundo universal para diferentes tarefas — do controle de braços robóticos à navegação de drones e ao controle de personagens de videogames. Em cada caso, o modelo é combinado com um controlador especializado que traduz suas previsões em comandos concretos.

Em testes, uma IA treinada com o Odyssey-3 controlou vários braços robóticos. Algumas dezenas de horas de vídeos de demonstração foram suficientes para o treinamento, e os robôs conseguiram se recuperar de tentativas de preensão falhas, mesmo sem esse tipo de situação estar presente no conjunto de dados.

A Odyssey firmou parceria com a empresa suíça Flexion Robotics, que desenvolveu controladores para robôs humanoides baseados no Odyssey-3. Esses controladores apresentam desempenho mais confiável do que modelos concorrentes, mesmo quando as condições mudam.

Para drones, a Odyssey treinou um controlador com dados de voo simulados. O drone conseguiu evitar obstáculos e voar até posições-alvo sob comando dentro de um ambiente virtual.

No campo dos videogames, o sistema demonstra controle autônomo em GTA V, incluindo direção de veículos e combate. Um controlador treinado com aproximadamente duas horas de vídeo de GTA V conseguiu transferir suas habilidades para Red Dead Redemption 2 sem treinamento adicional, controlando um personagem montado a cavalo.

A empresa planeja usar o modelo de mundo para treinar agentes de IA. Em uma demonstração, um agente de IA recebeu uma tarefa em linguagem natural e a executou por meio de suas próprias ações em um ambiente gerado pelo Odyssey-3, estabelecendo um novo paradigma de treinamento no qual os agentes aprendem a partir dos resultados de suas próprias ações.

Investimentos e concorrência

A Odyssey foi fundada em 2023 por Oliver Cameron e Jeff Hawke. Em junho de 2026, a empresa recebeu investimento da Amazon e da AMD Ventures. No setor de modelos de mundo, concorrem a Google DeepMind, com sua própria abordagem para mundos interativos, e a World Labs (fundada por Fei-Fei Li), que a AMD anunciou intenção de adquirir por US$ 8,2 bilhões no final de setembro de 2026.