国产交互式世界模型上新，文本、图片一键生成3D世界

智东西 作者 | 杨京丽 编辑 | 李水青 智东西8月18日报道，昨天，多模态大模型公司智象未来（HiDream.ai）发布 原生全模态交互式世界模型HiDream-O1-World 。 该模型支持 文本、图像及交互 等多模态输入，具备 漫游、编辑和交互 三大功能。用户可一键生成时空一致、符合物理规律、可长时推演的完整世界。 在第三方交互式世界模型评测基准WBench中，HiDream-O1-World以平均分80.9的成绩 登顶Navi分榜 。其中，该模型在物理（Physical）维度获得73.3分， 位列第一 ，一致性（Consistency）维度得分为88.0。 HiDream-O1搭载智象自研的原生全模态（UiT）架构，在 时空一致性与物理一致性 上，取得了关键性突破：当镜头推拉摇移时，场景空间的几何结构仍可保持高度稳定，物体不会消失或变形；物体间的碰撞、遮挡、重力响应高度符合真实世界的因果逻辑，而非随机“猜”出来的画面拼接。 在实际体验中，用户可以从一段文字或一张图片出发，以第一人称或第三人称视角探索生成场景，并 控制角色动作、天气及物体状态 。智象未来计划将该模型用于 AI互动影游、具身智能仿真和3D场景生产 等方向。 针对交互式世界模型容易出现的场景漂移、物体消失和物理失真等问题，该模型将 3D空间信息写入Memory上下文 ，并通过 Test-Time Training （TTT，测试时训练）在推理过程中持续调整模型，以维持长时间交互下的空间和物理一致性。 值得注意的是，围绕空间一致性，智象未来与复旦大学联合开展的研究论文《DreamWorld：面向3D一致世界