Odyssey-3 ist verfügbar: Interaktive Welten in Echtzeit aus Text

Laut einer Meldung vom 11. Oktober 2026 hat das in Kalifornien ansässige Unternehmen Odyssey sein Weltmodell Odyssey-3 als öffentliche Forschungsvorschau verfügbar gemacht. Das System erzeugt interaktive Umgebungen in Echtzeit aus Textprompts. Nutzer können sich darin aus verschiedenen Perspektiven bewegen und Ereignisse auslösen. Die kostenlose Online-Demo verwendet das Modell Odyssey-3 Flash; Entwickler müssen den API-Zugang beantragen.

Textbeschriebene Welten erkunden

Odyssey-3 basiert auf einem autoregressiven Diffusion-Transformer, der unter Berücksichtigung vorheriger Videoframes und Nutzeraktionen neue Frames erzeugt. Das Unternehmen erklärt, das Modell lerne anhand visueller Beobachtungen physikalische Zusammenhänge sowie Ursache-Wirkungs-Beziehungen. Für das Training wurden Internetvideos mit Ereignisbeschreibungen, Spielaufnahmen mit Tastatur- und Mauseingaben sowie simulierte physische Interaktionen verwendet.

In der Demo können Nutzer die Ego- oder Third-Person-Perspektive wählen, sich in der generierten Umgebung bewegen und beobachten, wie das System auf ihre Aktionen reagiert. Laut Unternehmen ermöglicht eine zusätzliche Trainingstechnik, die die Zahl der Rechenschritte reduziert, die Generierung in Echtzeit.

Im offiziellen Benchmark-Beitrag wird das Basismodell Odyssey-3 als System mit 14 Milliarden Parametern beschrieben, das Videos mit einer Auflösung von 832 × 480 Pixeln erzeugt. Für Odyssey-3 Pro wird eine Auflösung von 1280 × 720 Pixeln angegeben.

Wichtiger Hinweis zu den Benchmark-Ergebnissen

Odyssey zufolge erzielte Odyssey-3 Pro im Physics-IQ-Verified-Video-to-Video-Test 66,1 Punkte. Dieser Wert beruht jedoch auf einem einzelnen Testlauf, bei dem aus den acht für jede Aufgabe generierten Videos eines ausgewählt wurde. Die im Quelltext genannten Benchmark-Regeln verlangen für einen Rekordanspruch vier Testläufe, bei denen auch die Standardabweichung angegeben wird. Der Durchschnitt aus vier Testläufen ohne Auswahlverfahren beträgt 63,37 Punkte.

Bei der WorldMark-Bewertung liegt das Modell laut den eigenen Testergebnissen von Odyssey in drei von vier Kategorien vorn: mit 77,2 Punkten in First-Person Stylized, 79,0 Punkten in Third-Person Real und 76,3 Punkten in Third-Person Stylized. In der Kategorie First-Person Real belegt es mit 80,6 Punkten den dritten Platz. Der Test bewertet unter anderem die Befolgung von Anweisungen, die Qualität der generierten Bilder und die zeitliche Konsistenz der Umgebung. Dabei ist zu berücksichtigen, dass die Ergebnisse auf der unternehmenseigenen Bewertung beruhen.

Ziele in Robotik und Spielesteuerung

Odyssey plant, das Weltmodell für verschiedene Anwendungen einzusetzen – von der Steuerung von Roboterarmen und Drohnen bis hin zur Kontrolle von Spielfiguren. Die Vorhersagen des Modells werden mithilfe anwendungsspezifischer Controller in Befehle umgewandelt. Das Unternehmen berichtet, ein auf Odyssey-3 basierendes System steuere mehrere Roboterarme und könne sich von fehlgeschlagenen Greifversuchen erholen, die im Training nicht gezeigt wurden. Für Arbeiten an humanoiden Robotern kooperiert Odyssey mit dem Schweizer Robotikunternehmen Flexion.

Der mit simulierten Flugdaten trainierte Drohnen-Controller des Unternehmens weicht in einer virtuellen Innenumgebung Hindernissen aus und steuert auf Ziele zu. In einem weiteren von Odyssey gezeigten Beispiel fährt eine KI in GTA V Fahrzeuge und kämpft gegen Gegner. Zu den vom Unternehmen angeführten Beispielen gehört auch ein Controller, der mit etwa zwei Stunden GTA-Material trainiert wurde und eine Figur auf einem Pferd in Red Dead Redemption 2 bewegen konnte – ohne zusätzliches Training.

Auswirkungen auf Architektur- und Visualisierungs-Workflows

Der Schwerpunkt der öffentlichen Vorschau liegt derzeit auf der Generierung interaktiver Umgebungen. Der Quelle zufolge gibt es keine Informationen zur Integration in Architektur- oder Visualisierungssoftware. Es gibt daher keine Grundlage, Odyssey-3 als Ersatz für bestehende Produktionswerkzeuge zu betrachten. Die Möglichkeit, sich in textbeschriebenen Räumen zu bewegen und zu sehen, wie Aktionen die Umgebung beeinflussen, dürfte jedoch für Teams interessant sein, die Ideen für interaktive Szenen erkunden.

Für Büros und 3D-Künstler empfiehlt es sich, beim Testen die Ausgabeauflösung, die Konsistenz der Umgebung bei Aktionen und die Kompatibilität mit den eingesetzten Programmen zu prüfen. Der API-Zugang setzt einen Antrag voraus; Preise und Zugangsbedingungen wurden nicht bekannt gegeben. Auch zu den Hardwareanforderungen enthält die Quelle keine Angaben. Bei Robotik und autonomen Systemen sollte die Vorschau nicht als fertige Anwendung verstanden werden; das Unternehmen erklärt, dass die Arbeiten in diesen Bereichen noch andauern.