8月17日消息,智象未来(HiDream.ai)正式发布交互式世界模型 HiDream-O1-World,官方称其为"全球首款原生全模态交互式世界模型"。更硬的锚点来自第三方评测:在复旦大学与美团 LongCat 团队联合推出的交互式世界模型基准 WBench 中,HiDream-O1-World 以 80.9 的综合分在导航分榜 31 个参评模型中排名第一,物理(Physical)维度得分 73.3 同样排第一。不过两个细节需要注意:它领先第二名 Alaya-EVOKE 只有 0.1 分,一致性(Consistency)维度 88.0 分实际排在第四。官方目前尚未公布该模型的开放方式与定价。
能漫游、能编辑的世界,可用性还是未知数
HiDream-O1-World 提供三类交互能力。漫游模式下,用户通过移动控件驱动角色在生成场景中前进、转向或停留,可切换第一、第三人称视角,角色返回原路时此前生成的地形与场景保持一致。编辑模式下,用户用文本指令驱动角色完成抓取、奔跑、跳跃等动作,或触发降雨、物体坠落等环境事件,官方演示中包括将晴天骑行场景实时改为雷雨天的案例。模型同时覆盖写实城市、自然地貌、二次元、3A 游戏风格等视觉风格,以及人类、动物、虚构角色等主体类型。
WBench 第一的真实构成
WBench 是今年 5 月底才公开的评测基准,由复旦大学与美团 LongCat 团队联合推出,包含 289 个案例、1058 个交互轮次,从画质、场景设定、交互、一致性、物理五个维度下设 22 项自动指标,是目前交互式世界模型领域少有的系统性公开榜单。
HiDream-O1-World 的成绩需要拆开看。综合分 80.9 排第一属实,物理维度 73.3 分排第一属实,但领先幅度极小:第二名 Alaya-EVOKE 综合分 80.8,差距只有 0.1 分,第三、四名 LingBot-World(fast v2)和快手可灵 3.0 也都在 79 分以上。一致性维度上,88.0 分前面还有 LingBot-World(base-camera)的 89.9、AlayaWorld 的 89.5 和 InSpatio-World 的 88.4。官方传播稿中"首次参评便登顶"的说法同样不准确:榜单记录显示该模型 7 月 29 日就已加入 WBench,8 月 16 日榜单更新其 8 月 14 日提交的新版本后才升至第一。被官方稿件点名的对手腾讯混元 HY-World 1.5 和阿里 Happy Oyster 分别排在第七和第十,而真正的贴身竞争者 Alaya-EVOKE 没有被提及。 WBench 官方对 31 个模型的整体诊断是:现有世界模型还没有任何一家能把高画质渲染、可靠可控性、一致性和物理合规同时做好。这个判断同样适用于第一名——73.3 的物理分意味着在这个维度上所有模型都还有明显差距。
技术口径:UiT 统一架构加几何先验
按智象未来的表述,HiDream-O1-World 基于其自研的 UiT(Unified Transformer)原生全模态架构,不设独立的文本编码器,把图像像素、文本 token、视频、音频、动作指令、空间坐标统一映射到同一个 token 空间中处理。这条路线从 4 月的 HiDream-O1-Image 开始沿用,官方认为它是模型在物理一致性和时空一致性上取得优势的根本原因——这一因果属于厂商主张,目前没有第三方验证。
支撑交互一致性的具体方法有两项公开出处。一是被 ECCV 2026 录用的 DreamWorld 研究,采用"先生成几何、再生成外观"的两阶段框架,先由几何视频扩散模型补全目标视角下的 3D 结构,再以几何表示为条件生成画面。这项研究由复旦大学与智象未来联合完成,第一作者是在智象实习的复旦学生,并非智象独立完成。二是 3D 先验记忆注入与推理时在线自适应(Test-Time Training)机制,用于让模型在用户离开并返回后保持场景的空间状态。这些机制的实际效果,目前同样只有官方演示佐证。
应用落点与赛道状态
智象未来给 HiDream-O1-World 指的应用方向是互动影游、游戏原型开发和具身智能数据。其中具身智能已有在执行的合作:今年 3 月,智象与诺亦腾机器人宣布战略合作,将高精度动捕数据与生成式视频结合,预计年内生成数万小时以上的具身智能训练数据。公司层面,智象未来 5 月刚发布新一代图像模型 HiDream-O1-Image-Pro,并完成新一轮亿级融资,深创投、金浦投资等参与。
把这次发布放回赛道里看,比名次更值得注意的变化是评测方式本身。世界模型概念热了一年多,Google Genie 3、英伟达 Cosmos、快手可灵、阿里和腾讯的同类产品此前各自宣传,外界难以复核。WBench 把 31 个模型放进同一套交互协议下打分之后,宣传话术变得可以逐行对照——官方稿里"Consistency 第一"这类表述,查一下榜单就能发现水分。对智象未来来说,这是一份真实的背书:第三方成绩、融资和诺亦腾合作构成了连贯的进展叙事。但这个第一的正确读法是在一项两个月大的基准上、以 0.1 分优势暂时领先。