近日，智象未来（HiDream.ai）正式推出最新力作HiDream-O1-World。作为一款原生全模态世界模型，该模型集漫游、编辑、交互三大核心能力于一体，支持文本、图像、交互操控等多种输入方式，用户可一键生成一个时空连续、符合物理规律、支持长时推演的完整虚拟世界。

在技术底座层面，HiDream-O1-World搭载了智象自研的原生全模态架构（UiT）。此次发布标志着UiT架构的又一次重大升级，尤其针对交互式世界模型领域公认的两大核心挑战，时空一致性与物理一致性，取得了关键性突破。这种突破在实际体验中表现为：当用户进行镜头推拉摇移时，场景空间的几何结构始终保持高度稳定，物体不会无故消失或发生畸变；同时，物体间的碰撞、遮挡、重力响应等行为高度契合真实世界的因果逻辑，而非依赖统计平均“猜”出的随机拼接画面。

智象未来CTO姚霆强调：“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，让每一次交互，都通往一个从未抵达的世界。它的突破性效果，既坚定了我们推动原生全模态架构技术路线纵深发展的信心，也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，WBench榜单验证硬核实力

在正式发布前不久，HiDream-O1-World已在第三方评测中交出首份亮眼成绩单。由美团LongCat团队与复旦大学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。该基准是业内首个面向交互式世界模型的系统性评测体系，涵盖289个多轮交互案例、共计1058个交互轮次，并基于五大维度、22项指标构建起严谨的量化评测框架。评测分为Navi与Full两个分榜，其中Navi分榜聚焦空间导航与视角控制，被公认为衡量世界模型空间理解能力的核心标尺。

智象HiDream-O1-World在Navi分榜中以平均分80.9的成绩登顶榜首，其中物理（Physical）维度斩获73.3分，位列第一；一致性（Consistency）维度高达88.0分，两项关键指标均位居前列，综合表现排名第一。这是HiDream-O1-World首次参评即登顶，刷新了交互式世界模型的性能上限。这一成绩的背后，正是智象自研UiT架构在时空一致性与物理一致性上的本质突破，为构建可信交互世界提供了坚实的技术支点。

一键生成，沉浸交互：从“进入世界”到“创造世界”

在功能体验层面，HiDream-O1-World支持文本、图像、交互式操控等多模态输入。用户只需一段文字描述、一张图片或简单的拖拽操作，即可一键生成结构完整、质感细腻、风格多元的交互世界。对使用者而言，这并非简单的“进入”一个预设场景，而是亲手“创造”一个专属的数字空间。例如，上传一张室内照片，模型能够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，细节质感高度写实，令人产生强烈的临场感。

在视角漫游方面，模型同时提供第一人称和第三人称两种体验模式，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，当视角移动时，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，沉浸感十足。

除了漫游，HiDream-O1-World还赋予用户实时编辑能力。用户可驱动角色完成抓取、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。这些操作并非孤立的局部微调，而是基于几何、光照、材质到物理逻辑的全局统一响应，确保每一次交互都不出现割裂感。

模型的泛化能力同样出色，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规律，让每一种角色都踩准自己“应有”的节奏。以登雪山场景为例：登山人行走时，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，衔接自然流畅。

此外，模型拥有极其丰富的场景与风格化创造空间。它既能高度还原真实城市街景、自然地貌、室内空间等实景，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，轻松打造极具想象力的风格化数字场景。

核心技术解码：长时程时空一致性与全局稳态物理一致性

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；同时，画面中极易出现人物穿墙、物体悬浮等违背物理规律的错误，严重折损可信度；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，世界状态始终无法忠实留存。

HiDream-O1-World基于自研原生全模态UiT架构，在上述挑战上实现了关键突破。其核心在于两大能力的协同：长时程时空一致性与物理一致性。

在时空一致性方面，模型创新性地将“3D先验注入Memory上下文”与“Test-Time Training在线维护”进行协同设计。一方面，模型在生成过程中维护一个持续更新的空间记忆上下文，将场景的几何结构、物体空间关系等3D先验信息编码并存储于Memory中，使模型在长时序交互中能够“记住”已探索过的场景结构，即便历经多轮视角切换，仍能保持物体尺寸、空间位置及遮挡关系的几何一致性，从根本上规避视角漂移与场景“重置”。另一方面，在推理阶段，模型针对当前交互序列进行轻量级在线自适应优化，通过动态注入并优化适配器，使内部表征与当前场景的3D几何约束持续对齐，确保在面对不同场景与相机轨迹时，均能动态维系稳定的3D一致性。

传统世界模型每次交互都要重新绘制整幅画面，几何与外观深度耦合，微小偏差在长序列中被不断放大，最终导致漂移或消失。而HiDream-O1-World则如同一位拥有“空间记忆”的导演：每到一个新场景，模型不是每步重新揣测环境，而是在Memory中持续记录空间结构；当镜头移动时，依据记忆快速调取对应视角的呈现，再通过实时在线微调确保准确无误。

在物理一致性方面，模型从训练数据与推理机制两端同时发力。训练阶段，借助生成式世界模拟器批量产出涵盖刚体碰撞、流体运动、柔性形变、重力抛射、光影变化等复杂物理交互的合成视频数据，强化模型的归纳偏置；同时通过时序因果建模强化跨帧依赖，确保运动轨迹的时间轴合理性。推理阶段，TTT机制同样作用于物理层面，通过轻量级在线自适应，针对当前场景的特定物理属性进行快速微调，使模型即使在训练数据未完全覆盖的物理情景下，仍能保持较高的物理合理性。

重构三大产业，向新世界迈进

技术突破的同时，HiDream-O1-World正在重塑多个产业，为其带来新的可能性。

以影视级视听叙事为外壳、用户交互为内核的AI互动影游，长期受困于线性剧情与自由探索之间的矛盾。HiDream-O1-World让用户不再被动跟随预设情节，而是成为叙事的主动参与者，世界随其探索持续沿不同分支剧情演进，在影视级视觉质感中获得前所未有的沉浸感。

具身智能仿真方面，模型能够高效搭建高度还原、遵循物理规则的城市、工厂、室内等多类型仿真空间，为智能机器人训练、自动驾驶、智能制造等场景提供高质量虚拟试验底座，使高成本、高风险的实景测试可由智能仿真替代，加速具身智能产业发展。

面向创作者与设计师，HiDream-O1-World可轻松生成3D手办、家居场景及艺术空间，结构完整、细节丰富，支持结构微调、风格秒换与智能补全，大幅缩短创意到成品的迭代路径。更具想象空间的是其向微观世界的延伸，借助高精度生成能力，可精准模拟细胞行为、蛋白相互作用等生命过程，为药物发现与疾病机理研究开辟全新的数字仿真路径。

当物理世界可以被一键生成、自由交互，许多行业都值得被重新想象。而这些领域仅是冰山一角，随着开发者与创作者不断涌入，交互式世界模型的应用边界将远超想象。