Odyssey 果蠅大腦飛進世界模型，影片裡接上了什麼、缺了什麼

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

台北時間 10 月 18 日清晨 6 時 44 分，世界模型公司 Odyssey 在官方 X 帳號發布一段 30 秒影片，宣稱團隊「把果蠅大腦放進 Odyssey-3 這個前沿世界模型（frontier world model）」，果蠅「正在完全憑空想像出來的模擬世界裡獨自飛行」。截至 19 日下午，貼文累積超過 1.8 萬個讚。先講結論：這支影片能確認的，是兩套原本各自存在的系統被接進了同一個示範；至於「是不是果蠅大腦自己在飛」，卡在一層官方沒有公開的翻譯機制上，現有的公開資料無從驗證。

Odyssey 是一家做基礎世界模型的新創，六月完成 3.1 億美元 B 輪募資，團隊經歷掛著 DeepMind、Waymo、Tesla、Meta 等自駕與 AI 團隊的名字。公司在 9 月 15 日首次發表 Odyssey-3，10 月 8 日開放研究預覽，九月那篇發表已經拆過它的架構與自駕示範。這次果蠅影片，是研究預覽開放十天後的新一波宣傳。

官方貼文寫了什麼，影片裡實際有什麼

貼文全文只有兩句話：把果蠅大腦放進 Odyssey-3，一個前沿世界模型；這個小傢伙現在正在完全憑空想像的模擬世界裡獨自飛行。配一支 29.8 秒的影片，沒有連到任何方法說明、論文或部落格文章。

把官方影片逐秒暫停拆開來看，畫面其實分成兩個部分。主畫面是一段廣角、貼著水面推進的港邊小鎮視角：港裡停著帆船，岸邊有撐開遮陽傘的咖啡座、走動的行人與飛過的海鳥，視角沿著岸邊前進、在防波堤前轉向，陽光與水面的反光都是寫實風格，鏡頭邊緣還帶著廣角變形。果蠅本體只出現在右下角一個白色小視窗裡：橘褐色的身體、半透明的淡藍翅膀，是隻卡通風格的 3D 模型，姿態每一秒都在變換，像被拿在手上轉動的標本。影片第 1 秒牠腳下還踩著一塊棋盤格平台，之後背景就回到純白。整支影片沒有出現任何文字、儀表或標籤，也沒有神經元、腦區之類的視覺元素。

Pin

這個呈現方式本身就是資訊。果蠅與牠「飛過」的世界，被放在兩個不同的畫面層：一層是持續展開的生成環境，一層是單獨放果蠅的白色視窗，兩者之間沒有任何連線、箭頭或同步標記告訴你誰在控制誰。觀眾能把兩層讀成一體，靠的是貼文那兩句話的引導。

換句話說，觀眾看到的「飛行」，是一段持續移動的環境視角，加上一個在獨立視窗裡轉姿態的果蠅模型。這兩樣東西同時成立，但影片本身沒有標示移動的視角是誰的眼睛。截至 19 日下午 2 時許的快照，貼文按讚數是 18,406；觀看次數在公開詮釋資料裡拿不到，這裡不引用二手轉述的數字。

從神經活動到飛行指令，中間那層沒有交代

要看懂「把大腦放進世界模型」缺了什麼，得先看兩端各自說的是什麼語言。

果蠅這端，今年 9 月 3 日《Cell》刊出雄果蠅完整連接組（connection map，大腦所有神經元與接線的圖譜），166,691 個神經元全部開放下載。連接組本身是線路圖，要把它變成會飛的控制器，中間需要三段翻譯：感覺編碼把畫面換成神經訊號、放電規則決定神經怎麼反應、動作解碼再把神經活動換成翅膀與方向指令。九月那批把果蠅大腦接進 Minecraft、Doom、Mario 64 與 Beat Saber 的專案，這三段全是人工手寫的程式，而且作者們自己說得很清楚：果蠅沒有學會什麼，行為表現來自人寫的翻譯層。

世界模型這端，Odyssey 的公開文件講的也是另一種語言。研究預覽的官方說明是「用提示詞生成環境、在其中行動並觀察回應」；對外 API 文件裡的互動方法叫 interact()，送出去的參數是文字提示詞，文件裡不存在動作向量或神經介面這種東西。神經活動與提示詞，是兩種完全不同的輸入格式。

Odyssey 自己公布過的接法，恰好說明這座橋有多關鍵。Odyssey-3 要適應一台新機器，官方配方是拿成對的觀察與動作資料，在凍結的模型主幹上訓練一個動作解碼器（action decoder）：接汽車用了 20 小時道路駕駛資料，接機器臂用了數十小時示範。果蠅大腦沒有辦法用這種方式訓練，九月那些專案都把它當成照生物線路仿真的固定電路，翻譯工作全部落在人寫的程式上。Odyssey 這次要嘛替果蠅另外訓出一個解碼器，要嘛自己寫一套換算規則，兩條路都合理，但兩條路官方都沒有提。選哪條路，直接決定「大腦在飛」四個字裡有多少是生物、多少是工程。

所以「把果蠅大腦放進 Odyssey-3」的中間需要一座橋：大腦的輸出怎麼換成世界模型能吃的動作輸入、世界模型的畫面怎麼換成大腦能收的感覺輸入、橋上有沒有外加的輔助控制器。這三個問題，官方一個都沒有回答。Odyssey 官網對這次示範隻字未提：Odyssey-3 頁面全文找不到任何大腦或昆蟲相關的字樣，站內的新聞頁直接是 404。

也因此，貼文裡「獨自飛行」（all by itself）目前是宣稱，畫面本身支援兩種讀法。把移動視角當成果蠅的第一人稱視野，是一種，這樣讀的話果蠅的轉向即時反映在畫面裡，閉迴路是真的在跑；把它當成一台獨立攝影機在跟拍一隻看不見的果蠅，是另一種，這樣讀的話視角的移動與果蠅的關係就完全是未知數。Odyssey-3 頁面明言預覽提供獨立攝影機模式，兩種讀法都成立。無論哪一種都不影響「兩套系統接上了」這個事實，但會改變你對「飛行」兩個字的理解。

世界模型這一端，現在走到哪裡

Odyssey-3 頁面現在的版本日期是 10 月 8 日，署名兩位共同創辦人 Oliver Cameron 與 Jeff Hawke，內容就是研究預覽的開放公告。互動方式照官方描述：用提示詞生出一段環境，接著以第一人稱或第三人稱在裡面導航，也可以切出獨立攝影機。成績面，官方引用 10 月 7 日的 Physics-IQ Verified 榜單（由 Anates Labs 與 DeepMind 發展的基準），稱 Odyssey-3 Pro 在影片對影片類拿到 66.1 分、是已發表的最高分；WorldMark 四個類別拿三個第一，第一人稱寫實類輸給 Lyra 2.0。分數是官方自引，跟自家模型的關係值得放在心裡。自駕、機器臂與人形機器人的示範與架構細節，九月那篇已經逐項拆過，這裡不重複。

Pin

把產品介面與果蠅影片擺在一起，落差就看得很清楚。一般使用者今天能做的，是打字生環境、用導航控制移動，輸入端是鍵盤等級的操作；果蠅大腦需要的是把神經活動直接接上動作輸入，這條通道在公開文件裡完全不存在。它可能只存在於公司內部，也可能根本還是提示詞在背後跑，兩種可能都與貼文的說法相容。

Pin

值得注意的是官方頁面自己寫下的願景：世界模型要「生成讓其他智慧訓練的環境」。這次果蠅示範正是這句話的具象化。環境不再來自寫死的遊戲關卡，而由模型逐秒生成；Google 十月讓機器人看人類影片自己寫模擬環境練布袋球，走的也是同一條用生成環境養機器的路線。把訓練環境本身變成模型，是今年下半年實體 AI 領域最一致的方向。

生成環境裡的閉迴路，才是這條線值得追的原因

閉迴路（closed loop）的意思是：行動的結果會變成下一次判斷的輸入，系統因此持續修正，與播放預錄影片有本質差異。開車是最直覺的例子，看到彎道修正方向，新的位置又決定下一次修正。九月那批果蠅專案的環境是固定遊戲引擎，Doom 的關卡不會因為果蠅而改變，環境的規則由引擎保證；這次的環境每一秒都是世界模型生成的，畫面怎麼演要看模型怎麼預測。這帶來一個先前不存在的問題：環境與行為必須一起驗證。生成世界可能出現不守物理的畫面，果蠅「避開」的障礙物也可能只是模型生成的煙霧，單看影片分不清是神經控制的閃避，還是環境自己長成的樣子。

九月之前，這兩條線各自存在：連接組開放下載，世界模型能互動預覽。把它們接進同一個畫面、再掛上基礎模型公司的官方帳號，是這次貼文真正新的部分。接得成不成、接得多深，要等那層翻譯機制公開才能評。字節十月的世界模型示範至少還交給創作者在晚會舞台上當場操作；Odyssey 這支影片，目前連可操作的入口都沒給。

真要驗「大腦在飛」，實驗設計其實有現成的路：同一個生成環境跑兩次，一次接大腦、一次接隨機或簡單控制器，比較軌跡；或者移除大腦模型的一部分再飛一次，看行為有沒有對應變化。九月那批專案裡最扎實的產出，恰恰是這種自我驗證的紀錄：DoomFly 把沒有通過驗證的版本連同負結果一起公開留在程式庫裡。Odyssey 這 30 秒，還沒有那種東西。

還沒確認的事，與接下來值得等的訊號

未確認清單有四項：果蠅大腦本體是哪個模型（連接組仿真、學習式模型或兩者混合）；感覺端怎麼把生成畫面換成神經輸入；動作端怎麼把神經活動換成世界模型的指令，以及有無輔助控制器；移動視角是不是果蠅視野。這四項任何一項被回答，都會實質改變這支影片的意義。

值得等的訊號有三種：官方補上方法頁或技術報告、第三方用公開元件重現整條鏈、或 Odyssey-3 API 出現非提示詞的動作介面。一份真正能回答問題的說明，至少要交代四件事：大腦模型的來源與規模、感覺端怎麼把生成畫面換成神經輸入、動作端怎麼換算與有無輔助控制器，以及一段未剪輯的完整飛行紀錄。Odyssey 官網首頁現在掛著 PROWL-2 與 Starchild-1 兩份技術報告的 PDF，這家公司有發表文件的習慣；九月 Odyssey-3 從發表到研究預覽隔了三週多，果蠅示範到今天才第二天，時間還早。建議在 11 月 2 日前後回看官方帳號與官網一次。

誰該關心：做神經模擬、機器人與世界模型的研究者，這是「生成環境接外部控制器」方向的公開起點，值得把方法問題記下來等答案；一般讀者不需要做任何事，也不必把這 30 秒當成生物學進展的證據，把「大腦放進世界模型」讀成「兩套系統被接在一起」最穩。現在能放心說的只有一句話：接上了；誰在飛，等文件。