北京智源人工智能研究院再度引發(fā)行業(yè)震動，其最新推出的開源原生多模態(tài)世界模型——悟界·Emu3.5，正在重新定義AI對物理世界的理解能力。這款被業(yè)界視為"世界模型基座"的突破性成果，首次實現(xiàn)了文本、圖像、視頻三大模態(tài)的深度融合，在動態(tài)場景構(gòu)建、長時序邏輯推理等核心領(lǐng)域展現(xiàn)出顛覆性創(chuàng)新。
與傳統(tǒng)文生視頻模型不同，Emu3.5突破了"表面相似性"的局限，構(gòu)建起對物理規(guī)律的深層認(rèn)知。當(dāng)用戶要求消除手寫痕跡時，模型不僅能精準(zhǔn)識別筆跡區(qū)域，更能理解紙張紋理的連續(xù)性，確保修改后的區(qū)域與整體保持光學(xué)一致性。這種能力源自其獨(dú)特的訓(xùn)練范式——通過分析超過10萬億Token的多模態(tài)數(shù)據(jù)，其中包含海量互聯(lián)網(wǎng)視頻的連續(xù)幀序列，使模型天然掌握時空連續(xù)性法則。
在動態(tài)世界模擬方面，Emu3.5創(chuàng)造了前所未有的交互體驗。用戶以第一人稱視角探索虛擬環(huán)境時，模型能實時推演空間變化：當(dāng)鏡頭轉(zhuǎn)向房間角落，系統(tǒng)會自動補(bǔ)全被遮擋的家具輪廓；在火星卡丁車場景中，車輪揚(yáng)起的紅色塵土?xí)S著地形起伏呈現(xiàn)不同的擴(kuò)散軌跡。這種空間一致性能力，使虛擬世界首次具備了物理引擎級別的真實感。
具身智能操作是該模型的另一大突破。在"整理桌面"任務(wù)中，Emu3.5展現(xiàn)出類人的規(guī)劃能力：先識別所有物品的3D坐標(biāo)，再根據(jù)線纜長度規(guī)劃最優(yōu)捆綁路徑，最后通過理線槽實現(xiàn)隱藏式收納。整個過程涉及27步連續(xù)操作，每步都嚴(yán)格遵循物理約束條件。更令人驚嘆的是，當(dāng)用戶中途修改指令要求"改用藍(lán)色扎帶"時，模型能立即調(diào)整后續(xù)所有相關(guān)操作。
視覺創(chuàng)作領(lǐng)域，Emu3.5重新定義了"所見即所得"的標(biāo)準(zhǔn)。將狐貍草圖轉(zhuǎn)化為3D手辦的任務(wù)中，模型在12個連續(xù)創(chuàng)作階段始終保持特征一致性：從基礎(chǔ)建模到3D打印支撐結(jié)構(gòu)生成，再到上色時的光影過渡，每個環(huán)節(jié)都嚴(yán)格遵循初始設(shè)定的狐貍神態(tài)。這種長時程創(chuàng)作能力，使其能生成包含38個步驟的烹飪教學(xué)指南，每個操作畫面都附帶精準(zhǔn)的物理參數(shù)說明。
技術(shù)實現(xiàn)層面，研發(fā)團(tuán)隊創(chuàng)造了多項創(chuàng)新。340億參數(shù)的Decoder-only架構(gòu)將所有任務(wù)統(tǒng)一為狀態(tài)預(yù)測問題，通過多模態(tài)分詞器將文本、圖像轉(zhuǎn)化為離散Token序列。特別設(shè)計的IBQ視覺分詞器擁有13萬詞匯表，配合擴(kuò)散解碼器可實現(xiàn)2K分辨率圖像重建。為解決生成速度難題，離散擴(kuò)散適配技術(shù)使圖像推理效率提升19倍，同時保持97.3%的原始質(zhì)量。
在權(quán)威基準(zhǔn)測試中，Emu3.5展現(xiàn)出壓倒性優(yōu)勢。文本渲染任務(wù)準(zhǔn)確率達(dá)92.7%，超越Gemini-2.5-Flash-Image模型4.2個百分點(diǎn)；多模態(tài)交錯生成任務(wù)的邏輯連貫性評分創(chuàng)下89.1的新高。這些數(shù)據(jù)印證了其作為世界模型基座的潛力——既能生成電影級視覺敘事，也可為機(jī)器人提供空間推理引擎。
這款劃時代模型的開源決定，正在引發(fā)全球開發(fā)者生態(tài)的連鎖反應(yīng)。研究團(tuán)隊同步釋放了預(yù)訓(xùn)練框架、微調(diào)工具鏈和強(qiáng)化學(xué)習(xí)系統(tǒng)，使中小團(tuán)隊也能基于Emu3.5開發(fā)垂直領(lǐng)域應(yīng)用。目前已有教育機(jī)構(gòu)利用其生成物理實驗?zāi)M器，醫(yī)療領(lǐng)域則嘗試構(gòu)建手術(shù)訓(xùn)練的虛擬環(huán)境。
體驗通道現(xiàn)已開啟，科研內(nèi)測版申請鏈接：https://jwolpxeehx.feishu.cn/share/base/form/shrcn0dzwo2ZkN2Q0dveDBSfR3b 項目技術(shù)文檔與演示案例詳見官網(wǎng)：https://zh.emu.world/pages/web/landingPage
