還記得前段時(shí)間嗎？現(xiàn)在，國(guó)產(chǎn)版終于來(lái)了。

就在上周騰訊官宣姚順雨加盟的新聞刷屏?xí)r，騰訊混元團(tuán)隊(duì)低調(diào)上線了世界模型 1.5（TencentHY WorldPlay），這是國(guó)內(nèi)首個(gè)開(kāi)放體驗(yàn)的實(shí)時(shí)世界模型。

什么叫世界模型？簡(jiǎn)單說(shuō)：你輸入幾句話(huà)或者一張圖，AI 就能給你生成一個(gè)可以「走進(jìn)去玩」的虛擬世界。不是那種只能看的視頻，而是可以用鍵盤(pán)、鼠標(biāo)甚至手柄實(shí)時(shí)操控的 3D 空間。

根據(jù)首幀圖片場(chǎng)景生成的游戲場(chǎng)景

這次有什么亮點(diǎn)：

• 實(shí)時(shí)的交互生成：通過(guò)原創(chuàng)的 Context Forcing 蒸餾方案以及流式推理優(yōu)化，模型可以按照 24 FPS 的速度生成 720P 的高清視頻；

• 長(zhǎng)范圍的3D一致性： 通過(guò)重構(gòu)記憶機(jī)制（Reconstituted Memory），模型支持分鐘級(jí)內(nèi)容的幾何一致性生成，可用于構(gòu)建高質(zhì)量的 3D 空間模擬器；

• 多樣化的交互體驗(yàn)： 混元世界模型可廣泛適用于不同風(fēng)格的游戲或者現(xiàn)實(shí)場(chǎng)景，以及第一和第三人稱(chēng)視角，也支持實(shí)時(shí)文本觸發(fā)事件和視頻續(xù)寫(xiě)等功能。

是不是被這些晦澀的技術(shù)名詞繞暈了，APPSO 下面直接帶你玩起來(lái)，來(lái)創(chuàng)造一些腦洞大開(kāi)的「世界」。

在線體驗(yàn)網(wǎng)站：https://3d.hunyuan.tencent.com/sceneTo3D?tab=worldplay

文字→世界，體驗(yàn) 「 造物主 」 的快感

打開(kāi)頁(yè)面的第一眼，我發(fā)現(xiàn)界面做成了一臺(tái)復(fù)古電視機(jī)的樣子?；叵胛覀冃r(shí)候看電視，只能看央視放什么、湖南臺(tái)播什么，遙控器怎么換臺(tái)也逃不出編排好的節(jié)目單。

但現(xiàn)在不需要等晚上 8 點(diǎn)的黃金檔，不需要等導(dǎo)演拍完，你自己就是這個(gè)世界的總導(dǎo)演。想去體驗(yàn)過(guò)山車(chē)？打幾個(gè)字，生成。想回到千禧年跨年夜？描述一下，出現(xiàn)。

一個(gè)極速飛馳的過(guò)山車(chē)，手握冰涼的金屬扶手，有呼嘯的風(fēng)灌進(jìn)喉嚨，一陣失重感突然襲來(lái)，還有快速掠過(guò)的模糊樹(shù)影，以及頭頂刺眼的陽(yáng)光，第一視角體驗(yàn)很刺激，寫(xiě)實(shí)風(fēng)格

點(diǎn)擊生成后，大約等待了 5-8 秒，畫(huà)面出現(xiàn)了。第一眼真的有那種坐在過(guò)山車(chē)第一排的沉浸感。仔細(xì)觀察畫(huà)面下方的雙手，皮膚紋理、骨節(jié)甚至毛孔都清晰可見(jiàn)，紅色座椅的漆面質(zhì)感與金屬扶手的劃痕也處理得非常真實(shí)。

按 ↑ 鍵前進(jìn)，畫(huà)面開(kāi)始往后倒，好像是反坐過(guò)山車(chē)，更刺激了。

但視頻后面，兩側(cè)的樹(shù)影沒(méi)有保持住，變形嚴(yán)重，不過(guò)考慮到實(shí)時(shí)生成的難度，可以理解。

一輛狂飆突進(jìn)的雪地摩托，凍得發(fā)麻的金屬車(chē)把攥在掌心，鋒利的雪粒砸進(jìn)臉頰，一陣失重感猛地翻涌上來(lái)，還有飛速掠過(guò)的模糊林影，以及頭頂冷冽的碎雪天光，第一視角體驗(yàn)

畫(huà)面生成后，我發(fā)現(xiàn)自己處于一個(gè)「定格瞬間」，周?chē)难?、林影、天光都是靜態(tài)的，就像按下了暫停鍵。我可以自由轉(zhuǎn)動(dòng)視角，仔細(xì)觀察這一刻揚(yáng)起的雪花、這一刻的天空、這一刻金屬車(chē)把上的霜痕。

起初我以為這是個(gè) Bug，但仔細(xì)一想，有點(diǎn)像你剛剛穿越到一個(gè)新世界，時(shí)間在這一刻凝固，你可以從容不迫地打量周?chē)囊磺屑?xì)節(jié)。

從技術(shù)角度看，可能是因?yàn)槟Ｐ碗y以處理「第一視角+高速運(yùn)動(dòng)」場(chǎng)景。雖然不是我預(yù)期的「騎著摩托飆雪」的動(dòng)態(tài)體驗(yàn)，但這種凍結(jié)瞬間的探索，反而能讓人更清晰地感受到 AI 生成的 3D 空間質(zhì)感。

一個(gè)熱鬧的千禧年跨年夜場(chǎng)景，街頭有磁帶攤，人們舉著彩色氣球圍在廣場(chǎng)倒計(jì)時(shí)，路邊門(mén)店的 CRT 電視播放著跨年晚會(huì)，突然綻放的煙花照亮夜空，復(fù)古風(fēng)格

如果你是 80 后、90 后，這個(gè)場(chǎng)景絕對(duì)值得一試。畢竟，在智能手機(jī)還沒(méi)普及的千禧年，沒(méi)幾個(gè)人能留個(gè)視頻做記錄。

當(dāng)鏡頭從磁帶攤轉(zhuǎn)向右側(cè)的建筑，場(chǎng)景中的物體保持了良好的相對(duì)位置關(guān)系。路燈、人群和電視機(jī)都沒(méi)有出現(xiàn)明顯的漂移或錯(cuò)位，證明模型對(duì)三維空間的理解還是不錯(cuò)的。

但模型在處理磁帶架時(shí)，會(huì)出現(xiàn)典型的 AI 粘滯感。遠(yuǎn)看色彩豐富，近看則缺乏銳利的邊緣。向上仰望右側(cè)建筑時(shí)，建筑的細(xì)節(jié)顯得非?！杠洝?，看起來(lái)更像是涂抹的油畫(huà)，而不是具有堅(jiān)硬物理結(jié)構(gòu)的固體。

測(cè)完了懷舊風(fēng)，我想試試自己做夢(mèng)都想住的海景豪宅。

房間的主色調(diào)是淺藍(lán)與白沙色，地面鋪著仿貝殼肌理的啞光瓷磚，窗邊有個(gè)淺灰色的亞麻沙發(fā)。落地玻璃窗沒(méi)有任何遮擋，將窗外的海景框成一幅流動(dòng)的畫(huà)

這是一段接近 180 度的全景掃視。模型在處理大跨度的視角切換時(shí)，窗框、立柱和天花板的直線條沒(méi)有發(fā)生扭曲，表現(xiàn)出了極佳的三維空間一致性。

雖然咱買(mǎi)不起海景房，但至少可以在 AI 生成的世界里躺平一會(huì)兒（笑）。萬(wàn)一哪天實(shí)現(xiàn)了，也可以用它預(yù)覽下裝修效果。

讓千里江山「活」起來(lái)

除了文字生成，混元世界模型還支持「單圖生成場(chǎng)景」功能。但在上傳圖片之前，有幾個(gè)注意事項(xiàng)：

• 檢查分辨率： 1280×704 ~ 4k×4k。如果是專(zhuān)業(yè)相機(jī)拍攝的幾十兆的大圖，請(qǐng)降低畫(huà)質(zhì)或縮小尺寸到 10MB 以下。

• 避開(kāi)豎屏圖： 手機(jī)拍攝的縱向照片不符合要求，建議裁剪成橫向。

  
  

視頻續(xù)寫(xiě)：根據(jù)首幀圖片場(chǎng)景生成

搞定這些后，我做了個(gè)大膽的嘗試：上傳了一張《千里江山圖》的局部。

對(duì)，就是那幅北宋天才少年王希孟 18 歲時(shí)畫(huà)的青綠山水、層巒疊嶂。我想看看，硅基智能能不能讀懂千年前的碳基美學(xué)。

畫(huà)面生成完畢。這完全超出了我的預(yù)期：

AI 很好地保留了原畫(huà)的風(fēng)格特征，3D 化處理沒(méi)有破壞中國(guó)畫(huà)的意境，像我真的穿越回了北宋，站在王希孟當(dāng)年寫(xiě)生的那片山水里。

這說(shuō)明世界模型可能讓藝術(shù)不再只是「被欣賞」，而是可以「自由游覽」 。

實(shí)時(shí)觸發(fā)事件

世界模型最吸引人的地方在于，你只需要說(shuō)一句話(huà)，等 5 秒鐘，世界就按你的意愿改變了。

別再說(shuō)「沒(méi)招了」，來(lái)這里過(guò)一把霸總癮。

不是「切換場(chǎng)景」式的跳變，而是平滑過(guò)渡的。天色從亮到暗的漸變過(guò)程，光影變化的細(xì)膩程度，都讓人感覺(jué)這個(gè)世界「活」了起來(lái)。

爆炸產(chǎn)生的高亮度橙色火光實(shí)時(shí)地反射在水面上，效果非常自然，不過(guò)細(xì)看之下還是會(huì)有些小瑕疵。

比如在如此巨大的爆炸發(fā)生后，近處的水面竟然沒(méi)有任何波動(dòng)。要知道在真實(shí)物理世界中，劇烈的空氣膨脹會(huì)改變水面的狀態(tài)。

看完實(shí)測(cè)，相信你和我一樣好奇：技術(shù)上是怎么做的？

騰訊混元團(tuán)隊(duì)的技術(shù)報(bào)告提到，傳統(tǒng)的擴(kuò)散模型（Diffusion Model）生成視頻時(shí)，需要先完整地去噪整個(gè)畫(huà)面，然后再輸出。這就導(dǎo)致了兩個(gè)問(wèn)題：一是延遲高，二是無(wú)法實(shí)時(shí)響應(yīng)用戶(hù)操作。

這次采用了流式 DiT （擴(kuò)散變換器）架構(gòu)，能像流媒體一樣，邊接收用戶(hù)的實(shí)時(shí)手柄控制信號(hào)，邊瞬間去噪并解碼成畫(huà)面。這種設(shè)計(jì)保證了極低的延遲，讓你在操控視角時(shí)感覺(jué)不到卡頓。

世界模型最大的問(wèn)題是「健忘」，你讓它生成一個(gè)客廳，它生成了；轉(zhuǎn)走再回來(lái)，它又生成了一個(gè)全新的客廳，跟剛才那個(gè)完全不一樣。

Context Forcing 機(jī)制的作用，就是強(qiáng)制模型「記住」之前生成的場(chǎng)景細(xì)節(jié)。簡(jiǎn)單說(shuō)，就是給模型加了一個(gè)「短期記憶」，讓它在生成新畫(huà)面時(shí)，能參考之前的幾何結(jié)構(gòu)、光影關(guān)系、物體位置，從而保證長(zhǎng)時(shí)間的 3D 一致性。

測(cè)完混元世界模型，我腦子里一直回響著李飛飛的那句話(huà)：「人類(lèi)智能的核心不是語(yǔ)言，而是對(duì)三維空間的理解和操作能力?！?/strong>

過(guò)去兩年，大語(yǔ)言模型（LLM）火爆全球，ChatGPT、Claude、Gemini 讓我們驚嘆于 AI 的語(yǔ)言能力。但冷靜下來(lái)想想：會(huì)聊天的 AI，真的理解世界嗎？

它不知道一張桌子有多高，不知道從客廳走到廚房需要轉(zhuǎn)幾個(gè)彎，不知道一個(gè)杯子掉在地上會(huì)如何碎掉……

語(yǔ)言智能，讓 AI 學(xué)會(huì)了「說(shuō)」；空間智能，才能讓 AI 學(xué)會(huì)「做」。

這就是為什么 Google、Meta、OpenAI、騰訊都在押注世界模型。它不是一個(gè)更酷的視頻生成工具，而是通往通用人工智能（AGI）的關(guān)鍵一步。

《我的世界》（Minecraft）剛發(fā)布時(shí)，很多人覺(jué)得「這有什么好玩的？」

十幾年過(guò)去了，Minecraft 成了全球最成功的游戲之一，不是因?yàn)樗鼡碛许敿獾漠?huà)質(zhì)與特效，而是因?yàn)樗o了玩家創(chuàng)造世界的自由。

世界模型現(xiàn)在的流暢度、交互深度都還有提升的空間。但它給了我們一種關(guān)于未來(lái)的想象：每個(gè)人都能成為造物主。

親自試試，然后回來(lái)告訴我，你創(chuàng)造了什么樣的世界。

福利掉落！想把 2026 年的每一份溫暖都捧在手心嗎？只 需在評(píng)論區(qū)留言，就有機(jī)會(huì)參與抽獎(jiǎng)！我們將送出5 份【2026 元寶心語(yǔ)日歷】，陪你開(kāi)啟元?dú)鉂M(mǎn)滿(mǎn)的一年?？靵?lái)接好運(yùn)吧！

歡迎加入 APPSO AI 社群，一起暢聊 AI 產(chǎn)品，獲取，解鎖更多 AI 新知

我們正在招募伙伴

簡(jiǎn)歷投遞郵箱hr@ifanr.com

?? 郵件標(biāo)題「姓名+崗位名稱(chēng)」（請(qǐng)隨簡(jiǎn)歷附上項(xiàng)目/作品或相關(guān)鏈接）