Odyssey открыла превью модели мира Odyssey-3 на 14 млрд параметров

Odyssey открыла публичное исследовательское превью Odyssey-3, генеративной модели мира на 14 млрд параметров. Она строит интерактивные окружения по текстовому описанию в реальном времени, и по имеющимся сообщениям, с её помощью можно управлять роботами, дронами и даже GTA V. Попробовать модель можно бесплатно. Компания заявляет лучшие результаты на физических бенчмарках, однако, как отмечает The Decoder, у методологии этих тестов есть ограничения.

Модель мира отличается от обычного генератора видео. Видеомодель выдаёт готовый ролик, а здесь картинка формируется непрерывно и реагирует на действия пользователя. Вы вводите промпт, получаете сцену и двигаетесь по ней, а модель на лету достраивает то, что должно появиться дальше. Поэтому ключевые вопросы к таким системам — задержка, стабильность сцены во времени и то, насколько правдоподобно в ней работает физика.

Что показывает Odyssey-3

В демо-материалах компании собраны четыре сцены: кот в снегу, скамейка в парке, кухня и сплав на каяке по бурной воде. Выбор не случаен. Снег, вода и бытовые предметы — материалы, на которых генеративные модели чаще всего ломают физику: жидкость ведёт себя как желе, предметы меняют форму, а сцена «плывёт» при повороте камеры.

Главное в заявлении Odyssey — универсальность. Одна и та же модель, по данным компании, годится не только для создания миров по тексту, но и как управляющая прослойка для роботов, дронов и игрового движка GTA V. Детали интеграции в исходном материале не раскрыты, поэтому оценивать эти сценарии пока можно только по самим демонстрациям.

Основные параметры релиза:

• размер модели: 14 млрд параметров;
• вход: текстовый промпт;
• выход: интерактивная среда в реальном времени;
• заявленные сценарии: управление роботами, дронами, GTA V;
• формат доступа: публичное исследовательское превью, бесплатно;
• заявление о лидерстве на физических бенчмарках.

Где заканчиваются заявления

Самое осторожное место в этой истории — бенчмарки. Odyssey говорит о лучших результатах в физических тестах, но методология, по оценке The Decoder, ограничена. Из исходного текста неясно, какие именно наборы задач использовались, с кем сравнивали модель и кто проводил замеры. Пока нет независимых прогонов, цифры стоит считать маркетинговым ориентиром, а не доказательством.

То же касается роботов и дронов. Формулировка «по сообщениям» означает, что убедительных публичных данных о том, как модель справляется с реальным оборудованием, пока немного. Управление в симуляции и на физической машине — задачи разной сложности. В реальности ошибка предсказания означает не артефакт в кадре, а столкновение.

Ещё одна неизвестная — аппаратные требования. Исходный материал не называет ни разрешение, ни частоту кадров, ни то, на каком железе достигается «реальное время». Для оценки практической ценности модели эти параметры важнее числа параметров.

Зачем рынку модели мира

Направление становится заметным: крупные лаборатории показывают собственные интерактивные генераторы сред, например Genie 3 от Google DeepMind. Причина прикладная. Роботам и агентам нужны данные и среды для обучения, а собирать их в реальном мире дорого и медленно. Если модель мира достаточно точно воспроизводит физику, она может стать дешёвым тренировочным полигоном. Бесплатное превью от Odyssey даёт сообществу возможность проверить это самим, а компании — собрать обратную связь и данные об использовании.

Как подойти к превью

Если вы работаете с робототехникой, играми или симуляцией, превью стоит протестировать на собственных сценариях, а не на витринных. Задайте сцены с жидкостью, мелкими предметами и длинными траекториями движения, затем проверьте, держится ли геометрия через минуту и две. Замерьте задержку между действием и откликом. Для задач управления дронами и роботами стоит дождаться независимых тестов или описания методики от самой Odyssey, прежде чем закладывать модель в продуктовые планы. Для прототипирования идей и быстрых визуальных экспериментов бесплатного доступа, судя по всему, уже достаточно.