2026.10.29 AI建模 拿iPhone拍五到十分钟,就能得到一个带真实尺度的三维房间 → 做三维重建这件事,过去要么依赖专业激光扫描仪,要么依赖一整套多相机阵列。SpAItial在10月27日发布的Echo-3换了个思路:用一台普通iPhone拍五到十分钟视频,就能得到一个带真实米制尺度的三维世界,小到一个房间,大到多层建筑与室外空间。输出可选高斯泼溅、点云或网格,iOS应用与企业API同步开放。
2026.10.28 AI建模 谷歌世界模型学会自己当导演,Genie 4能把一个场景撑两分钟 → 10月27日,谷歌DeepMind发布新一代世界模型Genie 4,以研究预览形式先向一小批受信任测试者开放,之后几周内扩展到Google AI Ultra订阅者与Gemini API、AI Studio的早期合作伙伴。官方给出的三个关键变化是:更逼真的画面、最长两分钟的场景一致性、以及第一次能同时生成声音。但真正值得拆开看的,是它把"生成"和"调度"分成了两层。
2026.10.27 AI建模 给几张房间照片,Mundo把它变成能开抽屉能走机器人的3D世界 → 10月下旬,一个名为Mundo的世界模型在Hugging Face公开了技术说明。它的输入是同一个房间的几张照片或一段视频,输出的不是一段好看的视频,而是一个可以自由换视角、可以改物体、可以让机器人进去干活的场景。抽屉能滑开,苹果会飞出来,机器人走进来把包放在床上,这些动作由模拟器算,画面由视频模型渲染。
2026.10.26 AI建模 港科大让世界模型第一次听见声音,一张图走进去连水流方向都听得出 → 过去两年,世界模型的竞赛集中在画面上:谁能用一张图生成更清晰、更连贯、可探索的三维场景。但没有一个模型能让你听见它。10月下旬,Noiz AI与香港科技大学发布的Helix World补上了这一块,它不是给视频配一条音轨,而是在生成每一小段画面的同时生成与之匹配的立体声,声音的方向锁在场景里,也锁在相机上。
2026.10.25 AI建模 腾讯开源世界模型只给权重不给分数,一张4090就能跑起一整个世界 → 10 月 23 日,腾讯混元把一套视频世界模型放上了 Hugging Face,名字叫 Hy-Nomas。协议是 Apache 2.0,权重、推理代码、网页演示一起放出,还附带一个包含 280 个用例的基准。官方定义是支持自由多轮交互的视频世界生成模型:世界一段一段生成,用户在过程中可以用文字加物体、换风格、描述动作,也可以给一条相机轨迹改变视角。最有性格的地方在于它没有公布任何分数,技术报告标注为即将推出,模型卡里还专门写了一句,架构与采样默认值是配置细节,不是基准成绩。
2026.10.24 AI建模 Hi3D开源V1.0:200万资产训练,1536³精度直通切片软件 → 3D生成这个赛道,过去一年最不缺的就是演示视频。一段十几秒的旋转模型,看起来惊艳,真正拿去打印往往过不了第一关:模型不是水密的,切片软件报错,或者细节在缩放后糊成一片。据PR Newswire与量子位10月23日报道,Hi3D当天宣布开源其V1.0图像转3D模型,前身是2025年公开的Sparc3D。这次开源最值得注意的不是效果演示,而是官方强调的一个定语:经过生产工作流验证。
2026.10.23 AI建模 无界动力开源具身世界模型:7B参数端侧部署,六项榜单同时登顶 → 具身智能的模型榜单这几年有个固定套路:新模型在某一项评测上刷出高分,发布会上强调领先幅度,然后在真机上折戟。10月22日,无界动力发布并开源了MWA-Phoenix隐空间世界模型基座,给出的成绩单不太一样:LIBERO-Plus、LIBERO-Pro、RoboCasa GR1、Bench2Dex、RoboTwin 2.0与RoboDojo真机榜,六项同时登顶。这六项覆盖的东西差别很大,从环境扰动下的鲁棒性、任务变化后的泛化,到复杂物体操作、跨本体迁移,最后落到真机执行。把仿真…
2026.10.22 AI建模 Meshy上线局部编辑功能:圈住帽子说句去掉,AI建模告别整模重开 → AI生成3D模型这两年进步神速,一句话就能生成一个带纹理的模型,但用过的人都知道那个尴尬的最后一公里:生成的模型整体惊艳,细节却常有不如意,帽子形状不对、武器比例奇怪,想改却改不了。据南极熊3D打印网等多家媒体报道,在10月于深圳举办的TCT展会上,AI 3D生成头部企业Meshy正式发布了基于全新自研模型的局部编辑功能Meshy Edit:用户在模型上圈出修改区域,输入一句话描述改动意图,约一分钟即可获得新模型,未选中的区域保持原样。同一场展会上,Meshy还展示了可打印性…
2026.10.21 AI建模 清华团队给视频世界模型装上3D记忆,10万平面基元解决长镜头漂移 → 让AI生成的视频走得再远一点,就会暴露一个尴尬的毛病:失忆。镜头绕房间走一圈再转回来,墙的位置变了,沙发飘到了窗边,背景悄悄扭曲。清华大学与蚂蚁集团、香港科技大学的研究团队给这个老毛病开出了新药方,他们提出的PPMem视频世界模型,把看过的场景压缩成一层轻薄的平面记忆,让生成的镜头随时可以回头核对。论文已于10月16日挂在arXiv,并被NeurIPS 2026接收。
2026.10.20 AI建模 VAST开源EdenLive,单张5090实时跑24帧,世界模型迈过消费级门槛 → 世界模型这条赛道上,竞争的维度正在从能不能生成,转向能不能实时。据量子位近日报道,三启万物VAST开源了实时世界模型EdenLive:5B参数的模型在单张消费级RTX 5090上,720p分辨率下生成速度超过24帧每秒,端到端延迟做到百毫秒级,支持任意参考输入、任意画风,以及分钟级的长时连续生成。这家以3D生成起家的公司,把新战场的入场券直接放到了开发者手里。实时与开源两个关键词叠加,让EdenLive成为观察世界模型落地节奏的一个新坐标。
2026.10.19 AI建模 昆仑万维开源Matrix-Game 4.0,单张消费级显卡实时生成可交互世界 → 可交互的AI世界生成正在跨过实时性门槛。昆仑万维旗下Skywork AI开源了Matrix-Game 4.0,将可执行的游戏逻辑与因果视频渲染结合在一个框架里,官方给出的成绩是单张RTX 5090消费级显卡上实现480p分辨率60帧每秒的实时生成,输入延迟低于150毫秒。中财网10月15日报道了这一发布,项目页面与技术文档同步公开,技术报告署名中出现了昆仑万维创始人周亚辉的名字,足见公司对该方向的投入层级。
2026.10.18 AI建模 Nature Will发布Natura-1物理世界模型:50B参数主攻灵巧手控制 → 物理AI赛道出现了一条不走寻常路的技术路线。10月17日,旧金山物理智能实验室Nature Will发布首个物理世界基础模型Natura-1:一个500亿参数的混合专家模型,专注灵巧手控制与零样本指令跟随,预训练数据超过一百万小时的人类第一视角影像,语言、图像、视频与动作信号联合训练。团队的工程目标相当激进,把语言理解、视觉感知与高自由度动作统一进一个一百毫秒级的控制回路。创始人丁宁的表述很直接:能处理所有任务的通用模型必须存在,而这些模型必须使用灵巧的手。当大多数同行押注全…
2026.10.17 AI建模 机器人基础模型开放API调用,海外团队四天训出干活的机械臂,大脑出租时代来了 → 当地时间10月13日,机器人基础模型公司Physical Intelligence宣布开放Pi API测试版,把最新的机器人基础模型以托管方式提供给外部开发者。工作流被简化成一条线:开发者上传自己的机器人数据,在平台管理的算力上启动微调,再通过托管网关调用微调后的模型驱动自己的机器人,评估数据反过来指导下一轮迭代。早期试用中,Almond团队仅用四天迭代,就让双臂机器人Axol学会了给自身装配用的垫片去毛刺。机器人研发从各家自研大脑,正式走向按需调用公共智能。
2026.10.16 AI建模 10万亿样本难题有了新解法:跨维智能用仿真世界批量训练人形机器人 → 人形机器人行业正在数据路线上分叉。路透社10月15日报道,深圳机器人公司跨维智能选择了一条与主流截然不同的路:让机器人主要在虚拟世界里学会干活,再把本领迁移到物理世界。当西方同行还在雇人录制工作视频、一条一条积累真实示范数据时,这家公司用仿真引擎批量制造训练素材,赌的是仿真路线能把机器人训练的成本和周期同时打下来。这家公司由贾奎教授创立于2021年,软件起家的背景让它对数据管线的重视刻进了基因,PickWiz工业3D视觉栈与DexVerse仿真引擎构成其软件护城河,机器人本体…
2026.10.15 AI建模 禾赛发布Kosmo三维世界数据引擎,15分钟重建百平米真实空间 → 给自动驾驶车辆装了十年眼睛的禾赛,这次想让AI看懂整个世界。10月14日,禾赛科技在上海举行发布会,正式推出三维世界数据引擎Kosmo,同步发布8K超高清AI空间相机Kosmo One与AI驱动云平台Kosmo World。据腾讯新闻、盖世汽车等多家媒体报道,这套系统的目标直指具身智能与世界模型训练最头疼的数据瓶颈:真实世界又准又便宜又管够的三维数据,此前几乎不可能同时拿到。
2026.10.14 AI建模 三启万物发布Tripo P2.0基座模型,国产3D生成直通工业生产管线 → 一句话、一张图,几秒钟生成一个可以直接进生产管线的3D模型,这个曾停留在演示视频里的场景,正在被国产团队变成日常工具。据澎湃新闻10月13日报道,国产空间智能公司三启万物今年9月正式发布3D原生智能基座模型Tripo P2.0,数秒即可生成具有专业建模师水平的3D模型,填补了3D生成领域工程可用性的行业空白。该成果的底层论文7月被国际图形学顶级会议SIGGRAPH收录,并斩获现场演示环节最高奖项最佳展示奖,学术与产业两头开花。
2026.10.13 AI建模 英伟达开源LongWAM世界动作模型,机器人凭19秒视觉记忆完成长程任务 → 视频生成与机器人控制这两条原本平行的技术线,正在英伟达的开源仓库里汇流。据NVIDIA研究团队官方仓库及AI Insiders等媒体报道,英伟达NVlabs团队于10月7日在LongLive仓库中正式发布Long-WAM世界动作模型,配套论文10月8日登上预印本平台。这套模型教会机器人一件事:凭借长达19.2秒的视觉记忆来决定下一个动作。代码与权重全部采用Apache 2.0许可开放,任何人都可以下载、复现并部署到真实硬件上。
2026.10.12 AI建模 国内首个世界模型省部级实验室揭牌,极佳视界扛旗通用世界模型L2破晓 → 世界模型这条赛道,第一次有了省部级科研平台的加持。据第一财经10月11日报道,2026世界模型高峰论坛现场传出消息,通用世界模型北京市重点实验室正式揭牌。该实验室于今年5月获批,是国内首个世界模型方向的省部级重点实验室,依托建设单位为北京极佳视界科技有限公司,清华大学自动化系长聘教授、系副主任鲁继文受聘担任实验室学术委员会主任,极佳视界联合创始人、首席科学家朱政出任实验室主任。世界模型已经从学术概念转变为产业风口,前瞻布局者覆盖互联网大厂、具身智能企业、自动驾驶车企与游戏内容…
2026.10.11 AI建模 世界模型再破纪录:Odyssey-3物理预测拿下66.1分,交互式环境实时生成 → 世界模型竞赛的物理榜单,再次易主。10月10日消息,世界模型公司Odyssey宣布推出Odyssey-3系列基础世界模型,其中Pro版在Physics-IQ Verified基准测试中取得66.1分,创下该榜单历史最高纪录,同时在新发布的WorldMark交互评估的三类环境中全部排名第一。基础世界模型的目标,是从海量视觉观测中学习物理、动态与因果关系,让AI不只是画出一段视频,而是真正预测一个世界将如何演变。
2026.10.10 AI建模 芝加哥教授创业做给AI用的3D生成:车轮车门各自命名,Claude直接组装整车 → 3D生成赛道又迎来一位学术派新玩家,而且一入场就选了最细分的切口。10月8日,芝加哥大学计算机科学家哈诺卡创办的Thrixel正式发布,这是一家面向智能体时代的3D生成平台,核心能力是生成带命名部件与层级结构的3D资产:一辆车生成出来,车轮、车门、底盘都是独立的命名部件,智能体可以直接识别、组装与动画化。公司同步宣布获得300万美元种子资金,由Sierra Ventures领投。演示视频里,Claude调用Thrixel生成资产并在Unity里组装出一款可玩的游戏,把3D生成…
2026.10.09 AI建模 前字节实习生创办世界模型公司:10人团队估值2亿美元,成本降九成 → 世界模型赛道又迎来一个话题度拉满的新玩家。10月8日前后,行业日报披露,前字节跳动实习生田柯宇已创立一家世界模型方向的创业公司,完成由五源资本与IDG资本参与的近3000万美元融资,投后估值约2亿美元。更引人注意的是团队规模:这家拿到美元基金重注的公司,目前只有10个人。
2026.10.08 AI建模 从一张卫星影像还原广袤世界:国产物理世界模型走出差异化技术路线 → 当全球科技巨头竞相押注世界模型赛道,一家中国团队给出了另一种尺度的答案。10月上旬,随着世界模型赛道持续升温,国产空间智能公司天耀宏图的技术路线受到关注:别人用手机拍的照片生成一个可漫游的房间,他们用卫星从太空拍下的大图,还原一整片广袤的真实天地。