模型吃掉应用的故事反了，可以玩的抖音开源视频世界模型。

过去几个月，实时视频世界模型突然成为一张拥挤的牌桌。

PixVerse、LingBot、阿里快乐生蚝、智象未来等团队，先后发布实时视频世界模型、Demo，并不约而同地把第一站指向互动内容/互动娱乐/ AI游戏。

它们讲述的故事高度相似：当视频能够持续生成、实时响应，人就不再只是观看一段内容，而是可以进入一个由模型生成的世界。

一个强烈的行业预期正在形成：视频模型正在越过AI短剧的边界，向互动娱乐腹地推进。

熟悉的味道，像是又一次模型吃掉应用的前奏。

不过，新智元了解到一个特别的玩家打破了这个局面：

Loopit发布了实时互动世界模型Zing-0.5，在美团LongCat与复旦大学联合推出的可交互视频世界模型评测WBench中拿到第一。目前已经开源，并计划在2周内在Loopit APP（海外版）上线对应产品功能。

没有看错，就是那个以可以玩的抖音被外界熟知的Loopit，其产品上线后曾获马斯克点赞，两个月登顶欧美娱乐榜，累计融资1亿美元。

这家擅长做C端产品和全球增长的应用公司，反过来做出了自己的实时互动世界模型，并在公开评测中拿下第一。

模型吃掉应用的故事，似乎被反了过来。

但这次发布真正值得关注的，还不只是一个应用公司下场做模型拿到第一。

Loopit还提出了三个颇具争议的判断：

第一，空间探索与实时语义生成的联合控制，只是实时视频世界模型进入互动内容的入门门槛。

第二，纯实时视频流无法直接走到世界模型终局。多人、持续、可互动的数字世界，需要先由Code维护状态、规则和因果，再由 Pixel 完成开放的生成式渲染。这也是本次模型命名为Zing-0.5的原因。

第三，模应一体不是商业模式选择，而是走向端到端互动世界模型和构建互动内容产品的必经阶段，只有先把模型放进真实产品，积累“意图—行动—世界变化—用户反馈的”完整轨迹，未来才可能进一步把状态、规则和渲染统一进一个模型。

Loopit一边开源实时视频世界模型，一边戳破实时视频模型的世界梦。

它并不否认端到端的终局，而是提出了另一条抵达终局的路径：

先用Coding × Pixel把世界运行起来，再让端到端模型从这个世界里长出来。

开源github地址：https://file.tonglife.net/images/e7/5ba97ea411af8e66620757509cd67b.jpg modelscope

模型下载地址： https://file.tonglife.net/images/94/5b05c989a1f7081d6578d230ccb5ab.jpg huggingface

模型下载地址：

以下是新智元了解和实测的详细内容。

Zing-0.5在公开评测WBench中拿到第一

一个可互动的世界，既要允许用户控制去哪里，也要允许用户决定发生什么。

Zing-0.5通过两条同时运行的控制链路，让用户一边用键盘或手柄探索空间，一边用自然语言改写接下来发生的事情。

Loopit将这项能力概括为联合控制：

空间操作决定用户去哪里；

语义输入决定世界发生什么；

两种控制共同作用于同一段持续生成；

新指令进入当前世界，而不是用一段新视频替换当前世界。

围绕这条控制链路，新智元体验了五个逐步加深的 Case。

Case 1：飞行没有中断，巨龙开始喷火

在骑龙飞行约43秒后，输入龙嘴巴喷火。

火焰与烟雾随即出现，但巨龙仍沿原方向飞行，洞穴、瀑布和远处光源没有被重置。喷火结束后，飞行继续，前后仍是一段完整的世界演化。

本文转自：凤凰网科技

原文地址： https://tech.ifeng.com/c/8vtqVjdp58j