智象未来发布交互式世界模型HiDream-O1-World

8月17日，总部位于合肥高新区的智象未来（HiDream.ai）正式发布原生全模态交互式世界模型HiDream-O1-World。据了解，HiDream-O1-World 具备漫游、编辑、交互三大功能，支持文本、图像、交互等多模态方式输入。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。

两大核心突破：长时程的时空一致性与物理一致性

HiDream-O1-World 搭载的是智象自研的原生全模态（UiT）架构。作为核心基座，UiT此次迎来升级，在交互式世界模型领域公认的核心技术挑战“时空一致性与物理一致性”上，取得了关键性突破。在新发布的世界模型中，这种突破表现为：当镜头推拉摇移时，场景空间的几何结构保持高度稳定，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。

据了解，交互式世界模型长期受制于空间、物理与记忆三大核心难题。动态交互中，相机视角切换常引发画面模糊畸变、场景漂移乃至空间结构紊乱，三维形态难以维系。同时，画面中也极易出现人物穿墙、物体悬浮等明显违背物理规律的情况，会严重折损场景的可信度。而更棘手的是，模型缺乏长效记忆，视角稍作转动，已生成物件便可能凭空消失或细节飘忽，世界状态始终无法被忠实留存。这三重挑战彼此纠缠，共同构成模型从即时生成迈向持续存在的根本壁垒。HiDream-O1-World基于自研原生全模态（UiT）世界模型架构，在上述挑战上实现了关键突破。在长时程交互中，画面严格遵循物理法则，视角切换间始终保持了高度的空间稳定性。

智象未来CTO姚霆表示：“交互式世界模型的价值，不在于生成一个逼真的三维场景，而在于AI开始真正理解空间的深度、物体的质感、运动的惯性与光影的逻辑。这是对物理世界运行规律的系统性认知与重塑。HiDream-O1-World，正是这场系统性重塑的第一道桥梁，为智象持续构建世界模型的核心技术壁垒提供了关键支撑。”

首次参评即登顶，刷新交互式世界模型上限

不久前，由复旦大学与美团LongCat团队联合推出的交互式视频世界模型评测基准WBench公布了最新榜单。智象HiDream-O1-World在核心的Navi分榜中，以平均分80.9的成绩位列榜首，其中在物理（Physical）维度以73.3分位列第一，Consistency（一致性）维度达88.0分。两项关键指标均位居前列，成为该榜单中综合表现排名第一的模型。

WBench是业内首个面向交互式世界模型的系统性评测基准，涵盖289个多轮交互案例，共计1058个交互轮次，并基于5大维度、22项指标构建起一套严谨的量化评测体系。评测分为Navi与Full两个榜单，其中Navi分榜聚焦空间导航与视角控制，被业内视为衡量世界模型空间理解能力的核心标尺。

HiDream-O1-World首次参评即登顶Navi分榜，刷新交互式世界模型性能上限。这背后，是智象自研UiT架构在时空一致性与物理一致性上的关键突破，让“构建可信交互世界”有了坚实的技术支点。

一键生成世界，开启沉浸式交互体验

据了解，模型支持文本、图像、交互式操控等多模态输入方式，用户只需一段文字描述、一张图片或简单交互，即可一键生成结构完整、质感细腻、风格多元的交互世界。对用户而言，这不只是“进入”一个世界，而是亲手“创造”一个世界。比如，上传一张室内照片，模型便能快速构建出高精度的数字孪生空间，自动补全整间卧室的全景图，空间比例精准协调，画面细节清晰且质感十足，令人仿佛置身其中。

在功能上，模型提供了第一人称和第三人称两种视角的漫游体验。用户可自由驱动角色行走并任意调整视角方向。以潜水场景为例，视角移动时，水面光影与海底碎光同步变幻，珊瑚礁色彩分明、鱼群游弋自如。镜头拉近后珊瑚的纹理细节清晰可见，画面全程稳定无漂移。

不止于漫游，HiDream-O1-World 赋予用户实时编辑能力。用户可对画面进行实时编辑：驱动角色完成抓取、奔跑、下蹲、跳跃等动作，或调度环境变化，如触发降雨、物体坠落等动态事件。这并非简单的局部微调，而是基于几何、光照、材质到物理逻辑的全局统一，确保每一次交互都真实自洽。

模型支持人类、动物、虚构角色等多种角色的构建。无论是街头漫步的行人、空中盘旋的飞鸟，还是幻想中的异兽，模型都能精准适配其形态与运动，让每一种角色都踩准自己“应有”的节奏。以登雪山的场景为例：登山人行进中，脚印在雪面上压出真实凹陷，雪花随风飘落的动作缓急有致。远处群山轮廓与脚下岩石纹理随视角推移，衔接得非常自然。

模型还拥有极其丰富的场景与风格化创造空间。它既可高度还原真实城市街景、自然地貌、室内空间等各类实景，让光影、材质、空间结构贴合现实物理世界，也可自由解锁幻想异世界、二次元卡通、3A游戏渲染等多元艺术风格，打造极具想象力的风格化数字场景。

记者 项磊 实习生 焦梓妍

编辑 胡继洪