北京，中國 - 2026年8月24日 - 今日，智象未來（HiDream.ai）正式發佈HiDream-O1-World，一款原生全模態交互式世界模型。
HiDream-O1-World具備漫遊、編輯、交互三大功能，支援文字、圖像、交互等多模態輸入。用戶可一鍵生成時空一致、符合物理規律、可長時推演的完整世界。
模型搭載智象自研的原生全模態UiT（Unified Transformer）架構。升級後的UiT在交互式世界模型領域兩大核心挑戰——時空一致性與物理一致性上取得關鍵突破：鏡頭推拉搖移時，場景幾何結構保持穩定，物件不會消失或變形；碰撞、遮擋、重力響應高度符合真實世界的因果邏輯，而非隨機拼接的畫面。
智象未來CTO姚霆表示：「交互式世界模型的價值，不在於生成一個逼真的三維場景，而在於AI開始真正理解空間的深度、物件的質感、運動的慣性與光影的邏輯。這是對物理世界運行規律的系統性認知與重塑。HiDream-O1-World正是這場重塑的第一道橋樑——讓每一次交互，都通往一個從未抵達的世界。」
首次參評即登頂，刷新交互式世界模型上限
HiDream-O1-World近日在第三方評測WBench中交出首份成績。WBench由美團LongCat團隊與復旦大學聯合推出，是業內首個面向交互式世界模型的系統性評測基準，涵蓋289個多輪交互案例、1,058個交互輪次，基於五大維度、22項指標構建。
智象HiDream-O1-World在核心的Navi分榜以平均分80.9登頂，物理（Physical）維度73.3分位列第一，一致性（Consistency）維度達88.0分，綜合表現排名榜首，超越騰訊混元1.5、阿里快樂生蠔等主流模型。Navi分榜聚焦空間導航與視角控制，被業界視為衡量世界模型空間理解能力的核心標尺。首次參評即登頂，刷新交互式世界模型性能上限。
一鍵生成世界，開啟沉浸式交互體驗
模型支援文字、圖像、交互式操控等多模態輸入，用戶只需一段描述、一張圖片或簡單操控，即可一鍵生成結構完整、風格多元的交互世界。例如上傳一張室內照片，模型便能快速構建高精度數碼孿生空間，自動補全整間臥室全景圖——比例精準、細節豐富。
模型提供第一人稱與第三人稱兩種漫遊視角。以潛水場景為例，視角移動時水面光影與海底碎光同步變幻，珊瑚礁色彩分明、魚群游弋自如，拉近後珊瑚紋理清晰可見，全程穩定無漂移。
不止漫遊，模型還支援實時編輯——驅動角色完成抓取、奔跑、下蹲、跳躍等動作，或觸發降雨、物件墜落等環境事件。所有變動基於幾何、光照、材質到物理邏輯的全局統一，確保每次交互都自洽。
模型具備強大泛化能力，支援人類、動物、虛構角色等，精準適配各角色形態與運動。以登雪山場景為例：腳印在雪面壓出真實凹陷，雪花隨風飄落緩急有致，遠處群山輪廓與腳下岩石紋理隨視角推移自然銜接。場景風格涵蓋真實城市街景、自然地貌、室內空間，以及幻想異世界、二次元卡通、3A遊戲級渲染。
兩大核心突破：長時程時空一致性與物理一致性
交互式世界模型長期受制於空間、物理與記憶三大難題：視角切換引發畫面漂移與結構紊亂；物理違和（穿牆、懸浮）折損可信度；缺乏長效記憶導致物件消失。HiDream-O1-World透過UiT架構實現關鍵突破，核心在於兩大協同能力：
長時程時空一致性。模型將「3D先驗注入Memory上下文」與「Test-Time Training（TTT）在線維護」協同設計。Memory機制將場景幾何結構與物件空間關係編碼為3D先驗，讓模型在多輪視角切換中「記住」已探索結構，從根本規避漂移與場景「重置」。TTT在推理階段進行輕量級在線自適應，動態優化適配器，使內部表徵與場景3D約束持續對齊。傳統模型如同「畫師逐幀作畫」，微小偏差不斷放大；HiDream-O1-World則如一位擁有「空間記憶」的導演，在Memory中記錄結構，鏡頭移動時調取對應視角，而非每步重新揣測環境。
全局穩態物理一致性。訓練端，生成式世界模擬器產出涵蓋剛體碰撞、流體運動、柔性形變、重力拋射等的合成數據，強化模型歸納偏置；推理端，同一TTT機制在線增強物理一致性，當新物件或材料出現時動態調整表徵。雙輪驅動設計帶來實質突破——視覺合理性評測較行業平均提升13.6%，因果保真度評測提升12.7%。
這一技術路線獲國際頂會認可。相關論文入選ECCV 2026（歐洲計算機視覺國際會議，全球計算機視覺與AI領域三大頂級學術會議之一）。
論文：DreamWorld: Geometry-Grounded Video Diffusion for 3D-Consistent World Modeling
項目主頁：https://yanghb22-fdu.github.io/DreamWorld
三大產業新格局
AI互動影遊。用戶不再被動跟隨線性劇情，而是敘事的主動參與者，世界隨探索沿不同分支劇情演進，在影視級視覺質感中獲得前所未有的沉浸感，享受多重結局。
具身智能仿真。模型可高效搭建遵循物理規則的城市、工廠、室內等仿真空間，為機器人訓練、自動駕駛、智能製造提供虛擬試驗底座，替代高成本、高風險的實景測試。
3D場景生產。面向創作者與設計師，模型可生成3D手辦、家居場景及藝術空間，支援結構微調與風格切換。更具想像空間的是向微觀世界延伸——精準模擬細胞行為、蛋白質相互作用，為藥物發現與疾病機理研究開闢數碼仿真新路徑。
當物理世界可被一鍵生成、自由交互，許多行業都值得被重新想像。這些領域還只是冰山一角——隨著開發者與創作者不斷加入，交互式世界模型的應用邊界將遠超今天所能描繪的範圍。
ADVERTISEMENT
