Odyssey-3 是 Odyssey 推出的最新基础世界模型，官方称其为迄今最强大的世界模型。其核心用途是学习物理、动力学与因果关系，从而预测物体如何在空间中运动与交互、情境如何随时间演变，并可被开发者用于模拟环境以及为不同物理系统训练策略。
主要能力方面，Odyssey-3 是一个学习得到的动力系统，以自回归扩散 Transformer 实现。它能够依据提示生成具身环境，并实时预测当人或智能体采取行动、引入事件时环境的变化；它利用先前观察与最新输入进行预测。当前研究预览支持第一人称与第三人称导航以及独立相机运动。
在评测表现上，官方称 Odyssey-3 Pro 在 Physics-IQ Verified 的视频到视频基准上取得 66.1，为报告的最高分；图像到视频得分为 54.7。Physics-IQ 测试涵盖流体动力学、光学、固体力学、磁学和热力学等物理行为。在 WorldMark 评估中，使用该基准自身的描述文本及 13 项指标的均值，Odyssey-3 在第一人称风格化、第三人称真实、第三人称风格化环境中排名第一。WorldMark 衡量控制跟随、视觉质量与世界记忆。
适配不同物理系统方面，可通过在配对观察与动作数据上训练动作解码器或策略，将 Odyssey-3 的世界知识迁移到特定机器。官方给出的示例包括：仅用数十小时机器人演示即可完成操纵任务，并展现演示中未出现的恢复行为，如抓取失败后重新调整夹爪方向、取回掉落位置异常物体；Flexion 基于 Odyssey-3 构建人形机器人控制策略，在环境变化下的表现超过所测试的 VLA 基线，并在导致基线失败的照明变化下仍能执行任务；在印度真实道路上，仅用 20 小时驾驶数据训练驾驶策略且保持 Odyssey-3 主干冻结，策略利用模型视觉表征预测前方路点，实现闭环驾驶；在自动驾驶数据集前三个相机的早期实验中，仅 100 个训练步后，Odyssey-3 训练检查点即可同时生成三个相机视角的驾驶序列。此外，世界模型可为智能体提供决策环境，用于研究智能体对条件变化的响应及任务完成情况；官方演示中，智能体接收自然语言目标并在 Odyssey-3 生成的世界中执行。
训练与构建方面，官方介绍其训练数据结合了互联网视频与时间局部化、模式验证的事件标注，带时间对齐键盘鼠标输入的游戏录像，以及带描述与元数据的模拟刚体交互。模型设计目标为支持动态、开放式交互；采用多步视频扩散 Transformer，使用时间分辨的提示与控制引导世界展开；通过教师强制与因果掩码进行自回归扩展，训练其从先前观察继续并基于动作输入预测未来状态；最后使用分布匹配与对抗蒸馏的后训练流程，生成可实时交互的少步蒸馏变体。
使用方式与适用场景方面，官方提供研究预览，可提示环境、在其中行动并观察世界模型响应；同时可试用 Odyssey-3 Flash。若从事机器人、人形机器人、自动驾驶汽车、无人机或其他自主系统的开发，并希望探索基础世界模型如何加速工作，可联系官方。
限制方面，官方指出当前预览提供的交互方式为第一人称与第三人称导航及独立相机运动；WorldMark 的评估衡量生成世界的特定属性，将模型应用于物理系统还需针对该机器及其任务评估相关行为。关于收费、价格、平台支持、具体使用步骤等信息，资料暂未提供。
