Odyssey Agora-2: 4 GPU – 20 i samme verden, live FPS umålt

Odyssey har 24. september 2026 sluppet en spillbar forskningspreview av Agora-2, labens neste multi-agent world model. Bloggen er datert 21. september, men offentlig X-lansering, teknisk rapport og preview-side kom 24. september. Fire mennesker kan kjempe mot 16 autonome agenter i en isometrisk actionverden trent på Diablo II-opptak. Hver ramme kommer fra modellen. Det finnes ikke API, åpne vekter eller uavhengig lederboard.

For CIO og CISO er poenget ikke et spill. Odyssey vil bruke delte world models til å trene roboter, biler og defensive cyberagenter mot hverandre i simulering, uten å eksponere produksjon. Det er en labdemo. Live bildefrekvens og input-til-skjerm-latens under flerspiller er ikke kvantitativt evaluert.

Hva som faktisk er lansert

Agora-2 splitter jobben i to modeller. En simuleringsmodell predikerer bevegelse, kamp, animasjon og prosjektiler i en felles world state. En renderingsmodell lager hver deltagers syn fra den staten pluss egen visuell historikk. Menneskekontroller og en lært agentpolicy går inn i samme simulering.

Bloggen lover opptil 20 mennesker og agenter, fem ganger Agora-1, og flere miljøer. Den tekniske rapporten beskriver den deployerte previewen mer presist: inntil fire samtidige menneskekontrollere pluss 16 autonome entiteter. Native spillmotor leverer fortsatt kart, scenario og spawn. Det er ikke en motorfri world model ende til ende.

Odyssey-3, sluppet 15. september, er den fysiske foundation-modellen. Agora-2 er den delte sandboxen. De er ikke det samme produktet.

Tallene Odyssey selv viser

Maskinvare: en firespillerøkt kjører på fire NVIDIA RTX PRO 4500. Én renderer per GPU. Én av GPU-ene kjører også simuleringsmodell og agentpolicy.

Mål, ikke målt: simulering på 30 Hz. Renderer sikter mot 15 latent-oppdateringer og 30 viste bilder i sekundet per syn, 640×480, levert over WebRTC. Rapporten sier eksplisitt at vedvarende fps og input-til-skjerm-latens i live multi-agent ikke er kvantitativt evaluert.

Rendering: strukturert prefiks-renderer mot VAE-baseline på 30 klipp, tre seeds. RGB MSE 0,001279 mot 0,010272. PSNR 30,11 dB mot 20,67 dB, pluss 9,44 dB. Odyssey advarer selv at trening, data og kontekst ikke er matchet, og at sammenligningen ikke isolerer arkitektur.

Kost: strukturert self-attention prefiks 20,09 ms denoiser mot 37,06 ms for cross-attention på RTX PRO 6000 Blackwell, fem denoising-steg, BF16. 45,8 prosent lavere denoiser-tid. Pooled AdaLN er litt raskere. Dette er kjerne-tid, ikke ende-til-ende latens.

Simulering, ett steg på hold-out: bevegelsesgren 85,17 prosent, 68,17 prosent på blokkerte eksempler. Animasjonsmodus 95,84 prosent. Modellen bytter animasjon oftere enn opptakene, 7,49 mot 3,54 prosent. Dette er ikke autoregressiv rollout-nøyaktighet.

Tilgjengelighet og styring

Previewen er åpen på Odyssey sin Agora-side. Teknisk rapport ligger som PDF. Ingen modell-ID i et offentlig API. Ingen åpne vekter. Ingen prisliste.

For innkjøp: ikke sett dette i produksjon. Ikke sammenlign det med Gemini 3.8 Live eller GPT-Live-1. De er tale-API-er. Agora-2 er en instrumentert spilldemo for delt agenttrening.

Hvis Odyssey skal selge dette som treningsinfrastruktur, blir neste spørsmål lisens, dataopphav for Diablo II-opptakene, telemetri fra økter, og om shared state kan auditeres uavhengig av den genererte videoen. CISO må kreve at simuleringsfeil kan inspiseres før de blir «sannhet» for agentene som trener der.

Risiko CIO og CISO må ta med

Domenet er smalt. Agora-2 krever instrumentert miljø, forhåndsdefinert state-skjema og fast utseendesvokabular. Overføring til nye assets, regler eller miljøer er utestet.

Simuleringsfeil akkumuleres. Renderer er trent på opptatte states, men får predikerte states i interaksjon. Feil i bevegelse og kamp blir også visuell feil.

Synene kan divergere. Felles state gir samme identitet og posisjon, men uavhengig genererte bilder kan være uenige om utseende, synlighet og timing.

Evalueringen er kort horisont. Lang visuell kvalitet, enighet på tvers av syn, ende-til-ende action-følging og agentpolicy-ytelse er ikke evaluert i rapporten.

Rekursiv trening. Odyssey peker på Anthropics trusselrapport og METR-granskingen av agentkollusjon som begrunnelse for å studere agenter i simulering. Det er også en angrepsflate: agenter som trener i en feilkalibrert world model kan lære politikk som ser trygg ut i sim og feiler i produksjon.

Datagrunnlag. Modellen er trent på Diablo II-opptak som parer observasjon, handling og state. Lisens og rettigheter til spilldataene er ikke spesifisert i lanseringsinnlegget.

Hva dette betyr

Agora-2 er den skarpeste multi-agent world model-previewen denne uken, og den treffer et tomrom Odyssey-3 lot åpent: én agent i én kropp er ikke nok når roboter, biler og cyberagenter må handle mot andre med andre mål. Fire GPU-er og PSNR 30 er labtall. 30 fps er et mål. Live latens er umålt.

Sett Agora-2 på overvåkningslisten sammen med Odyssey-3. Ikke i arkitekturen. Vent på API, uavhengig evaluering av live latens, og en modell for ansvar når agentene som trenes her skal ut av Diablo-kartet.

Kilder og medier

Primærkilde: Odyssey, «Introducing Agora-2: Advancing Multi-Agent World Simulation», https://odyssey.systems/introducing-agora-2

Odyssey, «Agora-2: An Action-Conditioned World Model for Real-Time Multiplayer Environments», https://agora-2.odyssey.systems/agora-2.pdf

Spillbar preview: https://agora.odyssey.systems

Thumbnail: OpenAI Image 2 / hogby.ai