Odyssey-3 lager utforskbare verdener fra tekst i sanntid, og demoen er gratis

Odyssey-3 Pro fikk 66,1 poeng på video-til-video-testen i Physics-IQ Verified, men tallet kommer fra én enkelt kjøring der en utvelgelsesmetode plukket den beste av åtte genererte videoer per oppgave, skriver The Decoder. Benchmarkens regler krever fire kjøringer med rapportert standardavvik for et rekordkrav, og uten utvelgelsen fikk modellen et snitt på 63,37 over fire kjøringer. Begge resultatene står på den offisielle ledertavla, sendt inn av Odyssey selv.

Odyssey, grunnlagt i 2023 av Oliver Cameron og Jeff Hawke, åpnet forskningsforhåndsvisningen 8. oktober, etter at modellen ble vist første gang 15. september. Du skriver en tekstprompt, og modellen lager et miljø du kan bevege deg gjennom i første- eller tredjeperson og utløse hendelser i. Gratisdemoen kjører på Odyssey-3 Flash, mens API-tilgang må du søke om.

Under panseret er en autoregressiv diffusjonstransformer som lager nye bilder ut fra de forrige bildene og det du gjør. Basismodellen har 14 milliarder parametere og lager video i 832 × 480 piksler, mens Pro går opp til 1280 × 720. Treningsdataene er internettvideo med hendelsesbeskrivelser, spillopptak koblet med tastatur- og musinput, og simulerte fysiske interaksjoner. Odyssey tar selv forbehold om hva testene måler:

«Å bruke modellen på et fysisk system krever også at man evaluerer atferden som betyr noe for den maskinen og oppgavene dens.» — Oliver Cameron og Jeff Hawke, Odyssey

Selskapet vil bruke samme modell til å styre robotarmer, droner og spillfigurer, med en egen kontroller per oppgave. Noen titalls timer med demonstrasjoner holdt for robotarmene, og en kontroller trent på rundt to timer med GTA V-opptak klarte å ri med en figur i Red Dead Redemption 2 uten ekstra trening. Odyssey hentet 310 millioner dollar i juni fra blant andre Amazon og AMD Ventures, og konkurrerer med Google DeepMinds Genie 3 og World Labs, som AMD vil kjøpe for rundt 8,2 milliarder dollar.

For deg som bygger agenter er verdensmodeller et mulig treningsmiljø: Odyssey viste en agent som fikk en oppgave på naturlig språk og prøvde å løse den gjennom egne handlinger i en generert verden.