魔芯科技发布基于华为昇腾原生的 4D 世界模型 MoWorld 2.0,场景可互动、编辑、调用
魔芯科技发布基于华为昇腾原生的 4D 世界模型 MoWorld 2.0,将重力、弹力、光照等物理要素融入空间建模,输出可实时渲染、可反复调用的 4D 高斯资产。推理成本最低可降至同等规模 GPU 方案的 30%,视频推理约 70 帧/秒,空间资产渲染达 500 帧/秒以上。目前正与合作伙伴在具身智能训练、自动驾驶、工业数字孪生、影视娱乐等领域推进应用验证。
魔芯科技发布基于华为昇腾原生的 4D 世界模型 MoWorld 2.0,将重力、弹力、光照等物理要素融入空间建模,输出可实时渲染、可反复调用的 4D 高斯资产。推理成本最低可降至同等规模 GPU 方案的 30%,视频推理约 70 帧/秒,空间资产渲染达 500 帧/秒以上。目前正与合作伙伴在具身智能训练、自动驾驶、工业数字孪生、影视娱乐等领域推进应用验证。
开发者Chetaslua称,Anthropic新旗舰Fable 5.5通过纯代码生成一段66秒动画,分辨率1920×804、24fps,未使用外部素材。多名开发者还展示了Fable 5.5生成的交互式3D场景,约一小时完成复杂动态场景代码编写。Anthropic尚未正式确认Fable 5.5的发布时间、性能指标及开放范围。
⚔️单文件Three.js跑马实测炸了!Kimi K3.1 Pro碾压Astra,Opus也差点被干穿! 🐴 Kimi K3.1 Pro: 跑姿最自然流畅,鬃毛尾巴飘逸,动作真实感拉满,一看就是真·会跑的马 🐴 Claude Opus 5.5: 整体协调,但动作偏僵硬,节奏和流畅度明还可以 🐴 GPT-6 Astra: 跑姿最怪,比例和动画都崩,几乎像机器人在跳 Kimi K3.1 Pro从开源杀出来,3D创作直接把前排打穿,性价比太离谱了。 #KimiK3 #KimiK31Pro #MoonshotAI #AI #ClaudeOpus #GPT6Astra #ThreeJS #开源模型 #杨植麟 #Dario #SamAltman https://x.com/nft_chen/status/2113717593844703389?s=46 https://x.com/AI_Screening/status/2113688082474221830/video/1
国产 AI 3D 模型 Hi3D V3.0 正式发布,作者用同一张人物图对比称其在轮廓、体积和局部细节上比 GPT-6 Astra 更贴近原图。V3.0 主打可商用 2048³ 精度、纹理最高 8K;V1.0 基于 Sparc3D 开源,训练数据扩至约 200 万,切片成功率 90%,并支持 MCP 接入 Blender 与游戏引擎。
研究者提出一个模型,可为任意骨骼绑定直接联合生成视频与 3D 运动,并估计相机把运动配准到 3D 场景。它把支持任意骨架的 3D 运动模型与预训练视频模型通过少量 cross-attention 层连接,用约 200K 训练对训练,评测中比 video-first 流程更忠实地按文本驱动多种骨骼,并支持视频转骨骼运动、骨骼运动转视频及关键帧控制。
DeepSeek 于 10 月 17 日在官网、App 和 API 同步更新 V4.1-Flash-1017,API 模型名仍为 deepseek-flash,调用方式和价格不变,在 Claude Code 框架下 Terminal-Bench 4.0 得分从 31.2 提升至 42.3。
HumanSkill-4D 提出免训练框架,用共享的多模态大语言模型和几何算子,从语言查询中选出可动画高斯化身的局部区域,并可指定姿态或动作匹配时间段。方法通过语义记忆将身体部位与服装类别绑定到持久高斯区域,并用运动记忆中的驱动关节轨迹组合算子程序,使选择可追溯。团队构建三个真人标注 benchmark,其在部位分割及 3D、4D 指代分割上优于基线,每个化身仅需数分钟设置。
SUPRA-Tex 提出一种单图3D生成方法,通过解耦可见材质估计、表面对齐与观测引导的3D补全,实现与参考图的超对齐。该方法先用基于 MLLM 的图像编辑模型预测参考视角下光照分离的 PBR 贴图,再投影到可见表面并编码为原生观测隐变量,由交错流 Transformer 固定为只读锚点生成完整材质隐变量。
阶跃星辰开放 Step 5 Preview 官方权重,总参数 600B、激活 27B,支持 1M 上下文,可处理文字与图像理解、编程及长程工具调用,提供 BF16、FP8 权重及 vLLM、SGLang 部署路径。蚂蚁百灵同期开源 Ling-3.1-flash,采用 MIT 许可证,总参数 560B、激活 25B,支持 1M 上下文,面向办公、搜索和编程 Agent 场景,提供混合推理开关。
XGEN 团队提出生成式世界模拟框架,将可计算世界引擎 DAO 与第一人称交互体验模型 JING 结合,实现持续的人机交互。DAO 维护角色、物体与空间状态及其关系,按交互规则和世界时间推进并保留历史行为后果,再为 JING 派生观察者专属条件,生成对应的视听体验。用户可通过视角控制与文本指令探索环境、操作物体并与角色交流,其行为同时改变共享世界状态与后续体验。
Opus 5.5 用纯代码为对手 Dots 生成了一支皮克斯风短片,角色毛毡绒感、大眼高光、浅景深,全程浏览器逐帧实时渲染,未开建模软件、未用任何素材。六只毛绒 Dot 围着一团白线编成白色花结,片尾点题"六种颜色加在一起,是白色的光",光、毛、反射、景深效果接近棚拍实拍。
Google DeepMind 面向美国 Google AI Ultra 订阅用户(18 岁以上)开放 Project Genie,这是一个由 Genie 3、Nano Banana Pro 和 Gemini 驱动的实验性研究原型,可创建、探索和 remix 交互世界。
推荐理由:Google 把 Genie 3 世界模型做成可交互原型,创作者可据此判断实时生成世界在动画与影视预演中的可用边界。
Google DeepMind 推出 D4RT(Dynamic 4D Reconstruction and Tracking),一个统一 4D 场景重建与追踪的 AI 模型,采用编码器-解码器 Transformer 架构和查询机制,可同时完成点追踪、点云重建与相机位姿估计。