字节世界模型首次亮相：一句话生成可自由探索、实时交互的三维世界

字节跳动的世界模型第一次走到了公众面前。在刚刚结束的抖音集团《2026美好奇妙夜》科技节目现场，影视飓风的Tim演示了基于字节AI模型的一系列赛博造物操作。据量子位报道，这也是该世界模型的首次公开亮相。

演示从一句自然语言开始：输入一句话，AI便生成一个微缩小人视角下的房间。随后，用户可以通过键盘和鼠标操控，骑上纸飞机在生成场景中自由飞行，想去哪儿就去哪儿。

更引人注意的是交互与编辑能力。用户可以在生成的世界里随手创造物体，比如凭空生成一把勺子，甚至与勺子发生互动；通过任意门功能，两个毫无关联的场景还能直接连通，上一秒还在房间里，下一秒推门就进入外太空。

这些体验背后，是模型对三维场景生成、自由探索、实时交互、物体编辑以及跨空间连接的综合处理能力。字节方面表示，模型目前尚未正式发布，此次节目演示更像是一次提前的能力展示。

世界模型正成为生成式AI的新前沿。从李飞飞创办的World Labs，到Google DeepMind的Genie，再到英伟达的Cosmos，多家巨头都在尝试让AI理解空间结构、模拟现实规律，并预测环境如何随人的行动而变化。

与传统的图像、视频生成相比，世界模型的重心从画面是否逼真，转向生成的环境能否持续存在、持续变化并支持交互。维持几何一致性、实时更新场景状态、预测动作后果，都是过去多模态生成模型未能充分解决的基础难题。

字节选择在综艺晚会式的科技节目上亮相，而非以技术发布或论文的形式公布，也让外界对其产品化节奏多有猜测。模型尚未发布，意味着具体参数、开放方式和可用时间仍是未知数。

后续值得关注的是：字节世界模型会以何种产品形态落地，是服务于内容创作、游戏还是机器人等场景；以及在全球世界模型竞赛中，这家以推荐算法和短视频起家的公司，能否把生成能力转化为可规模化的应用。