世界模型是AI前沿最受关注的方向之一——它不满足于“生成一段视频”，而是要在AI的“大脑”里建立一个对世界空间和物理规则的理解。9月15日，阿里AMAP视觉实验室发布的开源模型ABot-World-0，让普通研究者和开发者也能上手：一张参考图，就能生成一个可以持续探索的交互式世界。
输入“图片+动作”，输出“下一帧世界”
ABot-World-0是一个50亿参数的“行动条件世界模型”：给它一张参考图和用户的一个动作指令，它就能生成场景对应的下一帧画面。把这一过程不断重复，就形成了一次对生成环境的“无限探索”——你可以像玩游戏一样，在一个AI生成的世界里持续行走、转向、观察。
LongForcing：解决世界模型的“老毛病”
以往的视频世界模型在长时间生成时，误差会逐帧累积，导致画面重复、失真甚至崩溃。ABot-World-0的核心技术贡献是名为LongForcing的训练方法：直接在训练阶段就让模型学会在长时间交互中保持稳定，而不是生成后再打补丁。模型在生成过程中会主动避免造成“循环退化”的重复内容。
消费级硬件就能跑
在性能上，ABot-World-0能以720P分辨率、16帧/秒的速度实时生成场景，单帧延迟约1.2秒；整模型只需19GB显存，一张RTX 5090消费级显卡即可运行，普通工作站就能跑起来。模型权重以Apache 2.0协议开源在HuggingFace，并配套发布了ABot-3DWorld-0——它用3D高斯泼溅技术把提示词转换成“持久存在”的空间环境，而不是一段会结束的视频。
结语
世界模型被看作AI走向物理世界的“新大陆”：游戏、机器人、自动驾驶、数字孪生都依赖它理解“世界会如何变化”。ABot-World-0的开源，意味着更多团队可以在真实硬件上研究、改进和落地这一前沿方向——AI的“想象引擎”，正在向所有人开放。
