오디세이, 차세대 세계 모델 'Odyssey-2 Max' 공개…물리 벤치마크 1위

Sora나 Veo, Runway가 만든 영상을 보면 AI가 현실을 완벽하게 재현한 것처럼 보입니다. 하지만 화면 속 자동차를 키보드로 직접 조종해 회전시키려 하면 시스템은 멈춰 섭니다. 기존의 양방향 비디오 생성 모델은 정해진 프롬프트를 바탕으로 과거와 현재, 미래를 한꺼번에 렌더링하기 때문에 실시간 상호작용이 원천적으로 불가능합니다.

오디세이(Odyssey)는 역대 가장 크고 강력한 범용 세계 모델 'Odyssey-2 Max'를 발표했습니다. 이전 세대인 Pro 모델 대비 파라미터 수를 3배로 늘리고 학습 연산량을 10배 투입했습니다. 그 결과 동영상 물리 정확도를 측정하는 VBench 2 물리 벤치마크에서 역대 최고 점수인 58.52점을 기록했으며, 이 모든 과정을 실시간 상호작용 환경에서 수행해 냈습니다.

비디오를 그리는 대신 물리 법칙을 학습하다

오디세이는 기존 비디오 모델과 세계 모델의 차이를 명확히 짚었습니다. 양방향 비디오 모델은 미래 프레임까지 통째로 생성하므로, 사용자가 아직 입력하지 않은 행동에 맞춰 화면을 바꿀 수 없습니다.

반면 세계 모델은 언어 모델이 '다음 토큰'을 맞히듯 '다음 상태(next-state)'를 예측합니다. 직전 프레임의 상태와 사용자가 지금 입력한 동작을 바탕으로 다음 순간의 세계를 한 단계씩 계산해 나가는 자기회귀 방식을 취합니다.

120초 이상의 연속적인 생성 과정에서 화면이 무너지거나 왜곡되지 않으려면, 모델 스스로 중력과 마찰, 관성, 물체 재질 같은 물리 역학을 내면화해야 합니다. Odyssey-2 Max는 VBench 2 물리 점수를 49.67점에서 58.52점으로 끌어올렸고, PAI-Bench 물리 평가에서도 93.02점을 기록하며 엔비디아의 Cosmos-Predict 등을 앞질렀습니다.

B200 인프라와 실시간 아키텍처

정교한 물리 시뮬레이션을 밀리초 단위의 실시간 반응 속도로 처리하기 위해, 오디세이는 자기회귀 확산 트랜스포머(AR DiT) 구조를 대폭 손질했습니다.

자체 개발한 KV 캐시를 통해 이전보다 최대 20배 긴 시퀀스를 처리하면서도 완전한 역전파를 유지하도록 구현했습니다. 긴 시간 동안 누적되는 물리적 맥락을 유지하기 위한 필수 조치입니다. 또한 이산 토큰 대신 연속 잠재 공간의 플로우 매칭(Flow matching)을 도입해 해상도 한계를 깼고, 디노이징 단계를 압축해 지연 시간을 실시간 수준으로 낮췄습니다.

수백 대의 엔비디아 블랙웰(B200) GPU 클러스터에서 훈련이 진행되었으며, 전반적인 시각적 역학 학습, 행동 신호 조건화, 장기적 안정성 강화라는 3단계 파이프라인을 거쳤습니다.

왜 중요한가

로보틱스와 차세대 인터랙티브 게임 개발자에게 Odyssey-2 Max의 등장은 매우 반가운 소식입니다.

피지컬 AI와 로봇을 훈련할 때 가장 큰 병목은 현실 테스트의 높은 비용과 기존 물리 엔진의 시나리오 한계였습니다. 세계 모델이 실시간으로 물리 법칙을 반영한 환경을 만들어낼 수 있다면, 값비싼 하드웨어를 파손할 위험 없이 신경망 시뮬레이터 안에서 수만 시간의 상호작용 훈련을 소화할 수 있습니다. 현재 로보틱스, 국방, 시뮬레이션 분야 파트너를 대상으로 비공개 베타가 진행 중입니다.

산업적 관점에서도 세계 모델이 언어 모델처럼 스케일링 법칙(Scaling Law)을 따른다는 점을 확인시켜 주었습니다. 연산량과 파라미터를 키우자 물리 시뮬레이션의 완성도가 확연하게 높아졌습니다. 이제 AI 생성 경쟁이 단순한 화질 싸움에서 물리 법칙의 정합성과 실시간 제어성으로 이동하고 있습니다.

다만 냉정하게 볼 부분도 있습니다. 오디세이 팀 스스로 밝혔듯 현재 상태는 운전면허 시험을 앞둔 인간, 혹은 언어 모델의 GPT-2 단계에 가깝습니다. 직관적인 물리 법칙은 체득했으나 정밀한 산업용 공학 시뮬레이션 수준에 도달하려면 장시간 생성 시 발생하는 미세 오차의 누적 문제를 계속 해결해야 합니다. 그럼에도 수동적인 영상 클립을 넘어 실시간 물리 지능으로 나아가는 확실한 이정표를 세웠다는 점에서 주목할 만합니다.