Hy4 preview – 腾讯混元开源的新一代旗舰大模型AI工具3天前发布AI小集03Hy4 preview是什么Hy4 preview 是腾讯混元推出的开源旗舰大模型，总参数 770B、激活参数 49B、上下文长度达 1M。模型通过与腾讯内部软工、游戏、金融、安全等领域专家深度共建，模型在代码开发、办公分析、游戏制作、科学研究等真实生产力任务上表现卓越，在多项权威基准测试和 203 个工程任务盲测中稳居开源模型第一梯队。科研领域更在分子动力学模拟、量子器件设计及百年几何难题上取得实质性突破。Hy4 preview的主要功能软件工程：增强长程开发任务的理解、规划、调试与验证能力，进一步提升前端开发的视觉审美和交互质量。办公分析：显著提升复杂办公环境理解和金融分析能力，完成从信息处理到文档、表格与演示文稿交付的完整流程。游戏开发：增强一句需求直接生成可玩原型能力，熟练使用游戏引擎，支持多轮交互持续完善复杂游戏项目。科学研究：显著提升复杂科研问题的理解、推理与求解能力，在AI研发、分子动力学模拟、凝聚态物理、基础数学等场景中均有长足进步。推理优化：自主分析推理系统瓶颈，围绕算子融合、通信优化等方向开展多轮优化，端到端吞吐相较基线提升31.8%。实验协调：像研究者一样管理多个Codex Session开展实验，在8项评测上均优于Codex独立探索，体现复杂研发任务中判断方向、组织实验与持续迭代的能力。Hy4 preview的技术原理软件工程：Hy4 preview 显著增强了长程开发任务的理解、规划、调试与验证能力，在大型项目的前端开发中，能主动提升视觉审美和交互质量，生成的代码在真实工程环境中可直接运行并持续迭代。办公分析：模型通过与金融领域专家的高质量数据共建，显著提升对复杂办公环境的理解能力，能处理跨文件协作、数据分析等任务，完成从原始信息处理到最终文档、表格与演示文稿交付的完整办公流程，如自动审核 24 张报销单并交叉比对制度文件。游戏开发：Hy4 preview 具备”一句话生成可玩原型”的能力，能熟练使用 Unreal 5、Unity 等主流游戏引擎，开发者可通过多轮自然语言交互持续完善复杂游戏项目，涵盖场景搭建、玩法逻辑、角色动画混合树及音效系统等完整开发链路。科学研究：在科研场景中，模型展现出复杂问题的深度理解、推理与求解能力，配合 Hyra 智能体在机器学习力场分子动力学模拟中提速 2.0 倍、在低温量子输运器件设计中将泄漏率从 48.2% 降至 4.8%，在百年经典几何难题 3D Blaschke-Lebesgue 问题上将体积下界推进至 0.41104。推理优化：Hy4 preview 能自主分析推理系统的性能瓶颈，围绕算子融合、通信优化等方向开展多轮迭代优化，端到端服务吞吐相较基线提升 31.8%，在不同上下文长度和并发度下均取得稳定收益，验证模型自主定位瓶颈并持续优化基础设施的能力。微信关注回复“开源”，加入AI开源项目交流群如何使用Hy4 preview开源下载：通过 HuggingFace、GitHub、ModelScope 或 GitCode 获取模型权重与代码，支持本地部署与二次开发。API 调用：接入腾讯云 TokenHub 或OpenRouter，按输入 6 元/百万 Tokens、输出 18 元/百万 Tokens 的定价直接调用模型接口。产品体验：在WorkBuddy、CodeBuddy、元宝、ima等腾讯系产品中直接体验 Hy4 preview 的办公与编程能力。在线试玩：访问模型在线体验网址 https://aistudio.tencent.com/，无需配置环境即可在线与模型交互。Hy4 preview的核心优势规模领先：总参数 770B、激活参数 49B、上下文长度 1M，在模型尺寸与长文本处理能力上稳居开源模型第一梯队。真实生产力导向：与腾讯内部软工、游戏、金融、安全等领域顶尖专家深度共建，聚焦代码、办公、游戏等真实场景而非单纯刷榜。科研突破能力：配合 Hyra 在分子动力学模拟提速 2.0 倍、量子器件泄漏率降至 4.8%，并将百年几何难题 3D Blaschke-Lebesgue 的体积下界推进至 0.41104。自我优化推理：能够自主分析系统瓶颈并围绕算子融合、通信优化持续迭代，端到端服务吞吐相较基线提升 31.8%。智能实验协调：像研究者一样管理多个 Codex Session 并行开展实验，在小模型后训练任务中 8 项评测均优于 Codex 独立探索。专家盲测领先：163 名内部专家在 203 个工程任务盲测中，Hy4 preview 均分 2.99/4.00，略优于 GLM-5.3 和 Kimi K3。Hy4 preview的项目地址项目官网：https://hy.tencent.com/research/hy4-previewGitHub仓库：https://github.com/Tencent-Hunyuan/Hy4-previewHuggingFace模型库：https://huggingface.co/tencent/Hy4-previewHy4 preview的同类竞品对比对比维度Hy4 previewDeepSeek-V4 Pro总参数 / 激活参数770B / 49B约 671B / 37B上下文长度1M128K模型架构MoE（混合专家）MoE（混合专家）开源状态全面开源（权重+代码）开源权重，推理代码开源核心定位真实生产力（代码、办公、游戏、科研）通用推理与代码科研能力配合 Hyra 在分子动力学、量子器件、数学证明取得突破强通用推理，科研工具链需自行搭建产品协同深度集成 WorkBuddy、CodeBuddy、元宝、ima主要依赖第三方集成与自部署API 定价（输入/输出）6元 / 18元（每百万 Tokens）约 2元 / 8元（每百万 Tokens）内部盲测表现均分 2.99/4.00，略优于 GLM-5.3 和 Kimi K3基准测试表现优异，但无公开同类工程盲测Hy4 preview的应用场景智能代码开发：支持长程项目理解、前端视觉审美优化、调试验证，可配合 CodeBuddy 完成从需求到可运行代码的全流程开发。复杂办公自动化：处理跨文件数据分析、金融稽核、制度比对，自动生成文档、表格与演示文稿，已在 WorkBuddy 等办公产品中落地。游戏原型快速构建：一句自然语言需求即可生成可玩原型，熟练使用 Unity / Unreal 5 引擎，支持多轮交互持续完善关卡、角色与玩法。科学研究加速：配合 Hyra 智能体开展分子动力学模拟、量子器件设计、数学定理证明，自主管理实验流程并持续迭代优化方向。3D 数字内容生成：基于精确参数生成交互式 Three.js 网站、数字孪生场景，支持 GLB 模型加载、程序化建模与多语言响应式部署。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Gemini Omni 1.1 Flash - 谷歌推出的 AI 视频生成模型下一篇2026 年 AI 生成图文店门头效果图 - 7 款工具深度横评相关文章QRBTF – AI二维码生成器，生成独特风格的二维码AI小集2EasyVideoTrans – 开源的AI视频翻译工具，快速将英文视频转中文视频AI小集3FastVLM – 苹果推出的高效视觉语言模型AI小集4【亲测】免费白嫖 Qwen3.6，Token 无限量，6月底截止！AI小集0HMoE – 腾讯混元团队提出的新型神经网络架构AI小集2Hy 翻译 – 腾讯混元团队推出的 AI 翻译小程序AI小集2暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录DeepSkillAlphaVowXCellMetaDigChatArtLexcat最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！7小时前MiniMax H3 Max – MiniMax 推出的实时视频生成模型8小时前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型11小时前AI 技能成千上万怎么选？DeepSkill 精准搜索实战12小时前Rome – 开源的智能体操作系统，自然语言生成完整应用1天前Headlong – Laude Institute 开源的 AI Agent 微框架1天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动2天前Zing-0.5 – Loopit 开源的实时交互视频世界模型2天前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评3天前Gemini Omni 1.1 Flash – 谷歌推出的 AI 视频生成模型3天前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话3天前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架3天前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流3天前怎么用 MetaDig 做 AI 短视频，附教程实测案例4天前Gemini 3.5 Transcribe – 谷歌推出的最新语音转文本模型4天前

GeneralThe Machine Age FundBen Horowitz, Martin Casado, Raghu Raghuram, David Ulevitch, and David GeorgePosted August 28, 2026SubscribeShareShareEmailXLinkedInFacebookHacker NewsWhatsAppFlipboardRedditShareShareEmailXLinkedInFacebookHacker NewsWhatsAppFlipboardRedditWe’ve raised$1.1B for a16z’s newest fund: the Machine Age Fund. It’s time to open the throttle and accelerate the physical buildout of AI: the strongest tool ever developed for solving problems and bestowing abundance. It is our social and national imperative.For anyone paying attention, this shouldn’t be a surprise. We’re seeing an upward inflection point in utility and variety of work that AI can do, just over the past year. And as we evolve from chat to reasoning to coding and other forms of knowledge work, both the demand for work and the token intensity of the work increase by orders of magnitude. Machine intelligence is going vertical.This fund will invest into all of the computer infrastructure on which AI runs, including chips, memory, networking, and storage. It also includes full systems for running AI: from data centers to robotics to home AI appliances. The common thread among all of these layers of the AI stack is that they areallhitting the wall of today’s supply chain capability, and the limits of physics and computer science. So there is an urgent need for innovation and investment, and a once-in-a-generation opportunity to rearchitect them as platforms, all the way down to the electricity.Reinventions like this happen at each epoch of compute, from the shift from mainframe to client server, to the Internet, cloud and mobile. However, what is different this time is the magnitude and breadth of change needed to keep up with demand, and the speed required to do so. Everything needs an upgrade, now:Compute density per rack increased by 28X from an H100 rack to a Rubin rack.Networking within a rack has grown similarly, hitting the limits of copper cablingRack power moved from roughly 5-10 kW to100-250 kWto support today’s systems and will increase to 1MW over the next 3 years.Data center scale is moving from tens to hundreds of MW and, in some cases, GW-scale campuses.Power is increasingly supplied not only from grid-only to grid plus behind-the-meter or captive sources.We need faster, more efficient systems. We need cheaper and higher-bandwidth memory across the memory hierarchy. We need faster and more scalable interconnects between nodes and systems. We need power efficient edge devices for AI to explore and interact with the world. And of course we need all the cooling, materials, electrical, and real estate build out to support them. The hardware industry supply side is used to growing 20% to 30% per year at most; not the triple-digit growth that’s needed to catch up with demand. This will change, quickly.Founders understand the opportunity. Over the last couple of yearswe’ve seen hardware startups grow from a small amount of deal flow to now over 20%.While we at a16z are generally known as software investors, we have always paid attention to hardware. Recently we’ve backed a number of hardware companies including Unconventional AI, Nexthop, Volta, Atoms, Heron Power and Mind Robotics. And we have selectively invested in hardware companies since our earliest days. In 2016, we led the series A in Skydio; we invested in SpaceX; we wrote our first check into Anduril in 2019, and were among the first venture investors in Waymo’s 2020 raise.Hardware is in our team DNA, and it’s great to get back to our roots. Guido Appenzeller was the CTO for Intel’s Data Center Group (DPG). Raghu Raghuram and Martin Casado spent multiple decades in the data center space with system software, much of which required deep hardware partnership. Shangda Xu and David George have led investments across the AI infrastructure stack, from silicon and networking to large-scale systems and compute platforms. David Ulevitch and Erin Price-Wright lead many of the firm’s hardware and U.S. manufacturing investments through our American Dynamism practice.We’re excited to make hardware an official motion for a16z and announce the Machine Age Fund to support it. Our GTM, talent, and marketing machine that we’ve built at a16z is now ready to serve hardware founders. And the a16z network has exceptional access to customers, suppliers, and everybody else that’s relevant, for a new age of hardware reinvention.Ambitious founders who are reinventing AI hardware and founding the machine age, please reach out. We’re ready for you.About the ContributorsBen HorowitzXLinkedinis a cofounder and general partner at the venture capital firm Andreessen Horowitz.More From These ContributorsXLinkedinExpanding the a16z Growth Fund and PlatformDavid George and Raghu RaghuramOpenRouter & Stripe: The Intelligence NetworkMartin CasadoCursor + SpaceXAI: the fastest iterating team winsSarah Wang, Matt Bornstein, and Martin CasadoInvesting in ValsJennifer Li, Yoko Li, Raghu Raghura

Ling 3.0 Flash – 蚂蚁百灵推出的轻量级 MoE 推理模型AI工具2周前更新AI小集02Ling 3.0 Flash是什么Ling-3.0-Flash 是蚂蚁集团百灵大模型推出的轻量级 MoE 推理模型，总参数量 124B、每 token 激活 5.1B 参数，支持 256K 超长上下文与思考/非思考双模式。模型专为高频 Agent 工作流、编码 Agent、文档处理及长上下文多轮对话设计，强调在有限 token、延迟和成本预算内完成更多有效工作，实现生产级 token 高效推理。其对应的开源底座 Ling-3.0-flash-base（124B 总参 / 5.1B 激活）保留了原始预训练能力，为面向大型代码库、多步推理及专业领域 Agent 任务的持续训练与拓展提供了开放起点。Ling 3.0 Flash的主要功能双模式推理：支持 thinking（深度思考）与 non-thinking（快速响应）两种模式，灵活切换推理深度与响应速度。超长上下文处理：支持256K token 上下文窗口，可一次性处理长文档、多轮对话及复杂代码库。Agent 工作流支持：原生适配多步 Agent 运行，支持工具调用与隐式缓存，提升任务执行效率。Token 高效推理：MoE 架构仅激活 5.1B 参数，在保持性能的同时显著降低推理成本与延迟。统一 API 接入：通过 Vercel AI Gateway 一键调用，支持流式输出与多提供商路由。Ling 3.0 Flash的技术原理混合专家架构（MoE）：采用稀疏激活的 Mixture-of-Experts 架构，总参数量达 124B，但每 token 仅激活约 5.1B 参数。通过门控网络动态路由输入至特定专家子网络，在保持大模型表达能力的同时大幅降低计算开销与推理成本，实现参数规模与推理效率的解耦。双模式推理机制：内置 thinking 与 non-thinking 两种推理路径。Non-thinking 模式直接输出结果，适用高频、低延迟场景；Thinking 模式激活深度推理链，通过多步内部思考提升复杂任务准确率。两种模式共享底层参数，通过控制信号切换，无需加载独立模型。超长上下文建模：支持 256K token 上下文窗口，采用优化的位置编码与注意力机制处理超长序列。结合隐式缓存策略，在多轮 Agent 交互中复用历史计算的 KV 缓存，避免重复编码，显著降低长对话与多步任务的整体延迟。Token 高效 Agent 推理：针对 Agent 工作流优化推理路径，在严格限制的 token、延迟与成本预算内完成多步工具调用与决策。通过压缩中间表示、精简推理步骤，确保高频 Agent 场景下的响应速度与经济性，实现生产级规模的可持续部署。如何使用Ling 3.0 Flash通过 Hugging Face 获取权重：访问 https://huggingface.co/inclusionAI/Ling-3.0-flash 下载模型权重文件，模型采用 MIT 许可证可自由商用。用 SGLang 部署服务：参考官方 SGLang 部署说明配置推理环境，集成 HiCache 缓存架构以降低长任务首 Token 延迟。用 vLLM 部署服务：按官方 vLLM 部署文档搭建兼容 OpenAI 接口的 API 服务，便于接入现有应用生态。Ling 3.0 Flash的核心优势延迟优化：专为高频场景设计，P50 首 token 延迟与吞吐量表现优异。生产级稳定：支持自动重试、故障转移与高于单一提供商的可用性保障。隐私合规：内置 Zero Data Retention（零数据保留）支持，满足企业安全要求。生态兼容：完美接入 Vercel 开发生态，与现有 AI SDK 无缝集成。Ling 3.0 Flash的项目地址HuggingFace模型库：https://huggingface.co/inclusionAI/Ling-3.0-flashhttps://huggingface.co/inclusionAI/Ling-3.0-flash-baseLing 3.0 Flash的同类竞品对比维度Ling-3.0-FlashGPT-4o-mini架构MoE（124B/5.1B 激活）Dense上下文256K128K定位Agent 推理、代码、长文档通用轻量对话成本策略限时免费后按量计费按量付费接入方式Vercel AI GatewayOpenAI API特色双模式推理、隐式缓存多模态输入Ling 3.0 Flash的应用场景智能客服 Agent：基于 256K 上下文记忆用户历史，执行多轮复杂咨询与工单处理。代码辅助开发：快速理解大型代码库，生成、重构与审查代码，支持 thinking 模式深度 debug。长文档分析：一次性处理论文、财报、法律合同等超长文本，提取关键信息与生成摘要。自动化办公流：连接日历、邮件与文档工具，自动完成日程安排、邮件起草与数据整理。实时搜索增强：结合 Web Search 能力，执行多步信息检索、交叉验证与结构化报告生成。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇MAI-Voice-2-Flash - 微软推出的高速语音合成模型下一篇BigMac - 小红书开源的多模态大模型流水并行训练框架相关文章GLM-Zero – 智谱AI推出的深度推理模型AI小集6Ling-1T – 蚂蚁集团开源的大型语言模型AI小集6ID-Animator – 腾讯等推出的个性化人物视频生成框架AI小集2可灵O1 – 可灵AI推出的首个统一多模态视频生成模型AI小集3帧赞 – 智象未来推出的专业级AI影视创作与协作智能体AI小集4NotebookLlama – Meta推出的PDF转播客内容的开源项目AI小集4暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录DeepSkillAlphaVowXCellMetaDigChatArtLexcat最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！9小时前MiniMax H3 Max – MiniMax 推出的实时视频生成模型9小时前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型13小时前AI 技能成千上万怎么选？DeepSkill 精准搜索实战13小时前Rome – 开源的智能体操作系统，自然语言生成完整应用1天前Headlong – Laude Institute 开源的 AI Agent 微框架1天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动2天前Zing-0.5 – Loopit 开源的实时交互视频世界模型2天前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评3天前Hy4 preview – 腾讯混元开源的新一代旗舰大模型3天前Gemini Omni 1.1 Flash – 谷歌推出的 AI 视频生成模型4天前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话4天前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架4天前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流4天前怎么用 MetaDig 做 AI 短视频，附教程实测案例4天前

Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型AI工具11小时前发布AI小集02Ling-3.0-flash-Fin是什么Ling-3.0-flash-Fin是蚂蚁百灵推出的首个金融增强模型，基于Ling-3.0-flash架构（124B总参数/5.1B激活参数），面向真实金融工作流。模型通过金融语料预训练与工具优化，强化信息检索、研究推理、估值建模与研报撰写能力，可处理年报、财务工作簿等复杂内容。在FinFIRST等金融智能体基准上表现突出，同等尺寸中竞争力强。Ling-3.0-flash-Fin的主要功能信息检索：优先定位官方、一手及高可信金融资料，确保信源权威、时点准确、口径一致且结论可追溯。研究推理：综合跨文档、多口径信息，通过多步分析与计算构建完整严谨的证据链，形成可复核的研究判断。估值建模：理解复杂财务勾稽关系，自动读取并更新包含数千公式的 Excel 财务模型，处理实际值覆盖、跨表依赖与图表同步。研报撰写：从高密度材料中识别核心命题，组织数据、分析与图表形成”事实—解释—判断”的专业叙事与可视化交付物。Ling-3.0-flash-Fin的技术原理MoE 架构继承：延续 Ling-3.0-flash 的模型架构与长上下文能力，保持 124B 总参数 / 5.1B 激活参数的稀疏激活配置，兼顾性能与部署效率。金融语料持续预训练：在通用底座基础上，引入大规模高质量金融领域数据进行持续训练，强化对年报、财务工作簿、研究材料等专业内容的理解。领域后训练对齐：联合国内一线金融机构与行业专家，从任务定义、数据体系、训练方法到评测标准深度参与，使模型对齐金融行业的专业方法、分析逻辑与合规要求。工具使用优化：针对金融工作流优化工具调用能力，在 ReAct 智能体框架下协同使用 Web Search、Visit、Python 等工具，实现检索、计算、建模与文档编辑的端到端闭环。通用与专业协同提升：金融领域能力增强的同时，通过训练优化使通用智能指数（AA Intelligence Index）从 38 分提升至 41 分，实现专业能力强化与通用能力巩固的平衡。如何使用Ling-3.0-flash-FinOpenRouter免费 API 体验：访问：https://openrouter.ai/inclusionai/ling-3.0-flash-fin:free#providers，为期一个月的限时免费 API 调用。本地部署（即将开放）：模型权重将于下周正式开源。开源后可下载权重进行本地化部署与二次开发。Ling-3.0-flash-Fin的核心优势高效 MoE 架构：124B 总参数 / 5.1B 激活参数，以较小激活量实现接近大尺寸旗舰模型的金融任务表现，兼顾性能与部署成本。真实工作流闭环：将信息检索、研究推理、估值建模、研报撰写整合为端到端任务链，直接交付可编辑、可复核的研究成果。信源权威可追溯：擅长优先定位官方、一手及高可信资料，在 FinFIRST 评测的来源选择维度得分 84.65，确保数据时点准确、口径一致、结论可回溯。专业与通用协同提升：金融能力增强的同时，通用智能指数（AA Intelligence Index）从 38 分提升至 41 分，避免”偏科”。产业深度共建：蚂蚁联合中金等一线金融机构与 50 余名金融专业人士参与模型建设与评测基准设计，贴合真实业务需求。Ling-3.0-flash-Fin的同类竞品对比对比维度Ling-3.0-flash-FinBloomberg GPT研发背景蚂蚁百灵 × 国内一线金融机构（如中金）联合共建Bloomberg 自建，基于自有金融终端数据模型架构MoE 架构，124B 总参数 / 5.1B 激活参数500B 参数（Dense 架构，未公开激活参数）开源策略下周正式开源，OpenRouter 限时免费 API完全闭源，仅限 Bloomberg Terminal 内部使用核心能力端到端工作流（检索→推理→建模→研报→交付可编辑文件）金融 NLP 任务（情感分析、命名实体识别、问答等）工具协同支持 ReAct 智能体框架，调用搜索/Python/表格工具完成多步任务主要作为文本生成与理解模型，不强调外部工具链闭环中文能力原生中文金融语料训练，深度适配国内财报与合规语境以英文金融数据为主，中文覆盖有限Ling-3.0-flash-Fin的应用场景投研信息检索与溯源：分析师输入研究问题，模型自动检索权威信源，辨析数据口径，追溯关键结论至原始资料，生成带引用的研究底稿。财务模型自动更新：财报季期间，模型读取公司最新季报与存量 Excel 估值模型，自动将预测值替换为实际值，同步跨表依赖、检查循环引用并更新 Summary 图表。复杂交易结构分析：在 LBO、并购等投行场景中，模型沿经营费用→EBITDA→自由现金流→债务偿还→IRR 梳理公式依赖，完成多情景回报测算与敏感性分析，输出可编辑工作簿。专业研报自动生成：基于分散的研究材料，模型识别核心命题，构建”事实—解释—判断—图表”证据链，生成包含可视化图表、叙事结构与专业表达的研究报告初稿。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇AI 技能成千上万怎么选？DeepSkill 精准搜索实战下一篇MiniMax H3 Max - MiniMax 推出的实时视频生成模型相关文章T2V-Turbo – 谷歌开源的文本到视频生成模型AI小集3WebResearcher – 阿里通义开源的迭代式深度研究AgentAI小集2Botnow – AI Agent创作与分发平台，提供可视化的智能体编排工具AI小集28Onion AI – AI聚合搜索引擎，无缝切换多个AI搜索引擎AI小集3面试通 – AI面试辅助工具，支持算法、笔试、简历等多种面试模式AI小集3OpenUtau – 开源的AI歌声合成工具，自动适配系统语言AI小集7暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录DeepSkillAlphaVowXCellMetaDigChatArtLexcat最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！7小时前MiniMax H3 Max – MiniMax 推出的实时视频生成模型8小时前AI 技能成千上万怎么选？DeepSkill 精准搜索实战12小时前Rome – 开源的智能体操作系统，自然语言生成完整应用1天前Headlong – Laude Institute 开源的 AI Agent 微框架1天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动2天前Zing-0.5 – Loopit 开源的实时交互视频世界模型2天前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评3天前Hy4 preview – 腾讯混元开源的新一代旗舰大模型3天前Gemini Omni 1.1 Flash – 谷歌推出的 AI 视频生成模型3天前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话3天前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架3天前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流3天前怎么用 MetaDig 做 AI 短视频，附教程实测案例4天前Gemini 3.5 Transcribe – 谷歌推出的最新语音转文本模型4天前

Zing-0.5 – Loopit 开源的实时交互视频世界模型AI工具2天前更新AI小集02Zing-0.5是什么Zing-0.5 是Loopit开源的实时交互视频世界模型，5B 参数，基座为 Wan2.2-TI2V-5B，采用 Apache 2.0 协议。核心能力是”联合控制”，键盘空间操作与自然语言语义改写两条链路共同进入 Causal DiT，用户可一边操控角色移动，一边随时用文字改写正在发生的世界，新指令会进入当前世界而非重置场景。模型通过训练中途切换 Prompt 学会”边玩边改”，主动扰动历史画面以抗误差累积。单卡 RTX 5090 可超 24 FPS 实时生成，一分钟流式推理成本约 6 分钱，在美团 LongCat 与复旦联合的 WBench 评测中位列实时世界模型第一。Zing-0.5的主要功能联合控制：键盘空间操作（W/A/S/D 移动 + I/J/K/L 视角）与自然语言语义改写共同作用，一边操控移动一边用文字改变世界，新指令进入当前世界而非替换场景。实时流式生成：单卡 RTX 5090 超过 24 FPS，一分钟推理成本约 6 分钱，支持无限长时序连续生成。中途语义改写：可在生成进行中随时插入文字指令（如”暴风雪””龙喷火”），模型保留视觉与操作历史，让改写发生在当前世界中。多对象同时响应：一条指令可同时驱动多个不同对象变化（如人物跪地祈祷 + 多座雕像睁眼发光）。长程一致性：角色外观、场景结构、画风（如像素风格）在持续生成中保持稳定，不漂移、不换画风。抗误差累积：训练中主动扰动历史画面，模型学会”接住自己的错误”，长时间生成不越走越偏。动作控制：8 维连续动作信号（取值 [0,1]），支持前进/后退/左右移动与四向视角变化，编码为逐帧 action residual。本地部署：5B 参数单卡可跑，Linux + PyTorch 环境，80GB+ 显存或滑窗注意力配置（RTX 4090 级别亦可），输出 H.264 MP4。开源免费：Apache 2.0 协议，代码与权重在 GitHub、ModelScope、HuggingFace 开放，基于 Wan2.2-TI2V-5B 训练。Zing-0.5的技术原理基座模型：基于 Wan2.2-TI2V-5B 训练，5B 参数量级，核心生成网络为 Causal DiT（因果扩散 Transformer），配合因果 KV 缓存支持无限长时序自回归推演。双控制链路架构：两条独立但共同进入 Causal DiT 的控制通道——空间操作走”动作链”，语义改写走”文本链”，二者共同决定接下来生成的内容。动作链（action residual）：W/A/S/D 移动 + I/J/K/L 视角构成 8 维连续动作信号（取值 [0,1]），经 sin/cos 编码与因果时序卷积（不足 10M 参数）转化为逐帧 action residual，与对应视频 token 逐帧对齐后注入生成。文本链（cross-attention）：自然语言指令经语言模型编码为 language tokens，通过 cross-attention 写入当前生成，实现中途语义改写。两链解耦、持续并行：文本条件改变时动作链路不中断，因此能实现”巨龙一边按原方向飞行一边喷火”这类边操作边改写的效果。训练即学会”中途改写”：训练时在自回归生成中途切换 Prompt，保留已生成的视觉历史与操作历史，用新文本条件预测后续，改写能力是训练出来的原生能力，而非推理时拼接的后加功能。抗误差累积训练：自回归生成的”历史”是模型自己的输出，误差会累积；Zing-0.5 在训练中主动扰动部分历史画面（加噪声、轻微模糊、颜色偏移、视角变化）模拟真实误差，训练目标始终保持干净，迫使模型学会从不完美历史中甄别真实状态。纯训练解法，推理零开销：抗累积能力完全内化于权重，在线推理无需额外纠错模型，不增加延迟与算力。四步 DMD 蒸馏采样：将扩散采样压缩至 4 步，是单卡实时（>24 FPS）与低成本（约 6 分钱/分钟）的关键。滑窗注意力适配显存：80GB+ 显存用–local-attn-size 97 –sink-size 9；RTX 4090 级别用–local-attn-size 33 –sink-size 5，通过局部注意力 + sink token 在有限显存内维持长上下文。输出管线：视频帧经 patch embedding 成 token 进入 Causal DiT，预测帧解码后输出 H.264 编码的 24 FPS MP4。如何使用Zing-0.5环境准备：准备硬件与系统：Linux 系统 + NVIDIA GPU（建议 80GB+ 显存，如 H100/A100；RTX 4090 级别可用滑窗注意力配置），安装基础环境：Python 3.11、PyTorch 2.9、CUDA。获取代码与模型克隆代码仓库：git clone https://github.com/seedleap/zing-world-model.git，进入目录cd zing-world-model。安装依赖：pip install -r requirements.txt。下载模型权重：pip install modelscope，然后执行modelscope download –model seedleap/Zing-0.5 –local_dir ./Zing-0.5。确认目录结构：权重包含generator/model.pt（生成器）和pretrained/（text_encoder、tokenizer、vae）。运行推理文本驱动模式（Action T2V）：执行run.sh，指定–pretrained-dir、–checkpoint、–messages examples/case3_action_t2v.jsonl、输出目录和随机种子。图片初始化模式（Action TI2V）：同样用run.sh，换用examples/case4_action_ti2v.jsonl等图生视频配置。按显存选择注意力参数：80GB+ 加–local-attn-size 97 –sink-size 9；低于 80GB 加–local-attn-size 33 –sink-size 5；完整历史注意力用–local-attn-size -1 –sink-size 0。交互操作键盘操控：W/A/S/D 控制前后左右移动，I/J/K/L 控制视角转动（内部为 8 维连续向量，取值 [0,1]）。中途语义改写：在生成进行中输入自然语言指令（如”暴风雪””龙嘴巴喷火”），世界实时响应且场景不被重置。查看输出：生成结果为 H.264 编码的 24 FPS MP4 文件，保存在指定的–output-dir目录。零部署体验（可选）：不想本地部署可等官方产品：对应功能预计两周内上线 Loopit APP 海外版，直接在 App 中体验实时互动世界。Zing-0.5的核心优势实时榜第一的硬实力：WBench 评测平均分 81.0，总榜第二仅次于一個非实时的双向模型，实时世界模型榜第一。“边玩边改”独一档：多数实时世界模型只支持”探索场景”，Zing-0.5 是少数能边操控移动边用文字中途改写世界的模型，联合控制是核心差异化。改写不换世界：新指令精准写入当前世界，只改该改的（加暴风雪、让龙喷火），不该动的（角色、画风、远处场景）纹丝不动，同类模型常”顺手换掉整个世界”。长时序不跑偏：训练中主动扰动历史画面让模型学会纠错，长时间生成角色外观、场景结构保持稳定；且是纯训练阶段解法，推理时无需额外纠错模型，不增延迟。成本与门槛双低：5B 参数单卡部署，单张 RTX 5090 超 24 FPS，一分钟流式推理仅约 6 分钱，消费级显卡即可实时交互。架构轻量优雅：动作控制链路不足 10M 参数（sin/cos 编码 + 因果卷积 → 逐帧 action residual），双控制链共同进入 Causal DiT，设计简洁高效。真开源：Apache 2.0 协议，代码 + 权重 + 部署文档全套开放，商用无门槛，基座 Wan2.2-TI2V-5B 成熟可靠。Zing-0.5的项目地址Github仓库：https://github.com/seedleap/zing-world-modelHuggingFace模型库：https://huggingface.co/seedleap/zing-0.5ModelScope：https://modelscope.cn/models/seedleap/Zing-0.5Zing-0.5的同类竞品对比对比项Zing-0.5（Loopit/SeedLeap）HiDream-O1-World（HiDream.ai）LingBot-World v2（蚂蚁集团）WBench 总排名第 2（实时榜第 1）第 3第 5综合平均分81.080.979.4画面质量（Quality）80.681.0（三者最高）81.8（三者最高）场景设定（Setting）77.882.276.8交互能力（Interaction）84.2（三者最高）80.082.8一致性（Consistency）88.5（三者最高）88.086.5物理规律（Physical）73.8（三者最高）73.369.1实时性实时（单卡 5090 超 24 FPS）未标注实时标签标注 “fast”（快速）交互类型action + 文本联合控制（可中途改写世界）动作控制动作控制参数规模5B（基座 Wan2.2-TI2V-5B）未公开未公开开源情况开源（Apache 2.0，代码+权重）未标注开源开源核心特点边操控边文字改写世界，新指令进入当前世界不重置场景画面质量与场景设定最强速度快，交互能力较好推理成本约 6 分钱/分钟流式生成未公开未公开产品落地2 周内上线 Loopit APP 海外版——Zing-0.5的应用场景AI 互动娱乐／AI 游戏：玩家用键盘操控角色在生成世界中探索，随时用语言改写剧情与环境（如下雪、召唤怪物），实现”人人可玩的生成式游戏”。“可以玩的抖音”式内容消费：短视频从”看”变成”玩”，每个用户在同一段内容里玩出不同走向，改写内容平台形态。UGC 互动内容创作：创作者生成可交互视频世界供粉丝体验，观众不再是旁观者而是参与者，衍生全新内容品类。游戏原型快速验证：游戏团队无需搭建引擎场景，用世界模型快速生成可交互 Demo，低成本验证玩法与关卡创意。虚拟直播／虚拟主播：主播实时驱动虚拟世界，观众通过弹幕文字参与改写场景与事件，增强直播互动性。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇2026 年 AI 生成图文店门头效果图 - 7 款工具深度横评下一篇Miya - 时域科技推出的 AI 音乐应用，画面可随歌词律动相关文章Yollo AI – 沉浸式AI角色对话与视频生成平台AI小集2Xiaomi OneVL – 小米具身智能团队开源的自动驾驶大模型AI小集2SceneGen – 上海交大推出的3D场景生成框架AI小集2揽睿星舟 – 翼方健数自主研发的云端AI训推一体算力平台AI小集3iFoto – AI图像处理平台，为跨境电商提供高质量的时装模特效果AI小集2FLUX-Text – 阿里推出的多语言场景文本编辑框架AI小集2暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录DeepSkillAlphaVowXCellMetaDigChatArtLexcat最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！7小时前MiniMax H3 Max – MiniMax 推出的实时视频生成模型8小时前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型11小时前AI

智能手机统治了过去十几年的数字生态，它是注意力的黑洞，是我们最私密的随身之物。但手机从设计之初就是为「人盯着它」而生的——它的全部逻辑，都止于屏幕。AI 的需求却恰恰相反：它需要持续感知物理世界——见你所见，听你所闻，随时在场，而非等你解锁屏幕才醒来。当 AI 真正成为一种基础能力，它迟早要从屏幕里破壳而出，寻找属于它自己的形状。这将是一个漫长的探索和演化过程。「AI 器物志」栏目由此而来，爱范儿想和你一起持续观察：AI 如何改变硬件设计，如何重塑人机交互，以及更重要的——AI 将以怎样的形态进入我们的日常生活？这是「AI 器物志」的第23篇文章。苹果前不久刚发的新 Mac，再次刷新了「AI 电脑」的性能预期。小巧的 Mac mini 被官方直接定义成了全天候跑 Agent 的生产力工具，而专业级的 Mac Studio，更是直接给到了最高 512GB 统一内存。不过，它们真正「强」的地方，藏在一个过去大家都不怎么关心的参数里——内存带宽。标准版 M6 的统一内存带宽来到 170GB/s，M5 Pro 版本推到了 307GB/s，顶配的 M5 Ultra 更是直接跨过 TB 级大关，干到了1.2TB/s。为了配合这次新品，苹果还给 Mac mini 拍了一支「牛来」宣传片，让小巧的银色方盒子长出了粗壮的肌肉手臂。无独有偶，就在新 Mac Studio 发布前一天，小米公布的端侧 AI 加速芯片玄戒 O100，同样把内存带宽做到了 1.22TB/s；而英伟达目前最新的消费级旗舰显卡 RTX 5090，凭借 32GB GDDR7 显存，带宽更是顶到了接近 1.8TB/s。桌面 SoC、端侧专用 NPU 与独立 GPU 的架构路径大相径庭，但无论是做电脑的、做手机芯片的，还是做显卡的，大家都在不约而同地干同一件事——让内存里的数据跑得更快。AI 算得越来越快，也越来越容易「吃不饱」芯片厂费这么大劲去拼带宽，说到底，是因为今天的 AI 越来越能算，同时也越来越容易被内存「饿着」。这里很多人的第一反应往往是：内存不就是看容量吗？大就是好，好就是大！其实容量和带宽完全是两码事。容量决定的是这台电脑能装下多大的模型，而带宽决定的，是这些数据每秒能以多快的速度喂给计算核心。大模型一旦跑起来，最消耗资源的往往不是单纯的计算，而是贯穿始终的「搬数据」。图｜LLM 预填充-输出示意｜NVIDIA我们平时在对话框里看到文字一个接一个往外冒，在自回归生成（Decode）阶段，计算单元每生成一个新 token，就必须把内存里几十亿、上百亿的参数权重完整读取一遍。就像后厨里手速极快的大厨，翻炒只要两分钟，但配菜师傅半天才能送来一盘切好的食材。大厨炒得再快，大部分时间也只能握着锅铲在灶台前干等。不管是 CPU、GPU 还是 NPU，现在都卡在这道坎上。算力一路狂飙突进，但内存通道的拓宽速度却跟不上。模型小的时候还能凑合，一旦上了几十 B、几百 B 的大模型，每吐一个词都要吞吐海量数据。计算单元再能算，也只能把大把时间耗在等内存喂饭上。这种现象在体系结构中被称为 memory-bound（内存受限）。图｜整理自互联网公开信息更快的内存，也更贵很多人看内存价格，直觉上总觉得「32GB 肯定比 16GB 贵，512GB 自然比 32GB 贵」。但如果把视线放进半导体供应链，真正的规律其实是：越大的内存越贵，但越快的内存，贵得呈指数级上升。要让海量数据跑得更快，不能只靠堆颗粒，还得用更宽的位宽、更高频的接口，以及极其复杂的先进封装与垂直堆叠。以今天 AI 服务器标配的 HBM（高带宽内存）为例，它把多层 DRAM 芯片垂直打孔堆叠（TSV），制造难度和芯片面积远超传统内存。这种对超高带宽的极端渴求，正在上游掀起一场全球性的「产能大迁徙」。TrendForce 的调查数据显示，由于 AI 数据中心对 HBM 和高规格服务器 DDR5 的需求暴增，三星、SK 海力士和美光三大存储巨头正在全力将有限的先进晶圆产能向企业级倾斜。这直接挤压了留给消费级 PC DRAM 的供给空间，即便在传统淡季，合约价格依然持续环比上涨。去年底，美光正式宣布逐步退出 Crucial（英睿达）消费级内存业务，把供应链资源全面倒向规模更大、利润更高的战略客户；而最近国内 SK 海力士的第三方品牌授权店终止运营，也折射出上游原厂对消费级渠道的冷落。图｜美光普通装机者面对价格犹豫不决时，一抬头才发现：自己加装一根内存条的预算，无形中正和全球 AI 数据中心抢夺着同一批先进晶圆。为了不让算力卡在数据搬运上，芯片界从不同维度给出了各自的解法：1. 物理加宽车道：GDDR7 与 HBM最直观的办法依然是「大力出奇迹」。RTX 5090 采用 512-bit 超宽位宽配合 GDDR7，硬把显存带宽拉到了 1.8TB/s；AI 数据中心则在 GPU 身边紧挨着塞进一圈 8 层、12 层的 HBM 堆栈。这条路简单粗暴，但代价极其高昂，属于用最贵的工艺换取极致的吞吐。图｜NVIDIA2. 把存储搬到计算隔壁：玄戒 O100 的 3D 堆叠既然平面走线太长会有延迟和功耗，那就向立体空间要效率。小米玄戒 O100 采用了晶圆级垂直堆叠（Wafer-on-Wafer），直接把两层 DRAM 晶圆压在 NPU 计算晶圆的正上方。物理距离缩短到了微米级，数据不用在电路板上长途跋涉，用超短的垂直互联一口气换来了 1.22TB/s 的端侧带宽。图｜小米3. 消除冗余搬运与外部高速扩展：统一内存与雷雳 5在系统架构层面，苹果的统一内存解决的是「避免无谓倒手」。传统 PC 里 CPU 内存与 GPU 显存各占一边，数据要在两块内存之间来回复制；而在 Apple Silicon 统一内存体系下，所有计算核心直接共享同一块内存池，省去了繁琐的跨总线拷贝——少跑一趟，本身就是在抢时间。图｜M1 Ultra 的统一内存架构｜Apple而当单台设备的内存装不下超大模型时，高速数据通道还在往机箱外延伸。M5 Pro 版本的 Mac mini 配备了 3 个雷雳 5 端口，支持将多台设备直接串成集群；而在 Mac Studio 上，通过雷雳 5（最高 120Gb/s）和 RDMA 技术，4 台 Mac Studio 组建的分布式推理集群，能跑出接近单机 3 倍的吐字吞吐。图｜Mac Studio 集群｜Jeff Geerling4. 把计算搬到内存旁边：PIM 与存内计算再往前走一步，则是更大胆的颠覆：如果数据搬运代价太大，能不能干脆把计算挪到存储旁边，让数据留在原地？还是用前面后厨做菜来理解：GDDR7 和 HBM 是把过道拓宽；玄戒 3D 堆叠是把备菜台挨着炒锅放；苹果统一内存是共用一个主备料盒；而 PIM（Processing-in-Memory）和存内计算，则是工程师在琢磨——有些洗菜切菜的基础备菜工作，能不能直接在仓库里顺手做完，免得每次把整筐生料大老远端给大厨去折腾？PIM 会把部分计算单元直接塞进内存颗粒附近，避免数据反复回传；更进一步的存内计算（CIM），甚至尝试直接利用存储介质本身的物理特性完成矩阵乘加。尽管这类前沿架构在通用性和编译器生态上仍待成熟，但它指明了一个确定性的方向：未来的芯片设计，必须想方设法让数据少走几步路。绕了一大圈，AI 还是撞上了「内存墙」今天 AI 硬件折腾的这些问题，其实并不是什么新鲜事。我们现在使用的大部分计算机，仍然延续着经典冯·诺依曼架构的基本思路：存储和计算分离。数据放在内存里，处理器负责计算，需要用时再通过总线搬运。这种设计赋予了通用计算机极大的灵活性，但也埋下了一个三十年来始终无法摆脱的物理宿命：只要存算分立，数据就必须来回搬。早在 1995 年，计算机科学家 William A. Wulf 和 Sally A. McKee 就发表过一篇经典论文《Hitting the Memory Wall》（撞上内存墙）。他们敏锐地注意到，处理器的算力增速远快于内存带宽增速，两者的剪刀差持续扩大，处理器终将把越来越多时间耗在等待数据上——这便是著名的「内存墙」。图｜🔗 dl.acm.org/doi/epdf/10.1145/216585.216588三十年过去，这堵墙从未消失，只是大模型的爆发以前所未有的速度把整个行业推到了它面前。计算机关于「快」的度量衡，也随之发生了变化。以前衡量芯片，大家盯的是发布会 PPT 上的 TOPS、TFLOPS 和跑分；但到了今天，算力再高，只要数据送不过来，芯片也只能原地空转。图｜Apple再回头看苹果那支 Mac mini 宣传片，小盒子上长出的粗壮肌肉胳膊，像极了过去几十年大家对「性能」最朴素的想象：芯片变强，就等于电脑又练出了一身肌肉，能扛更重的活。但在 AI 时代，肌肉练得再大，如果原料和养料供不上，庞大的身躯也只能原地干等。有意思的是，在这个连做张海报都能一键交给 AI 生成的时代，苹果这次给 Mac mini 拍摄宣传片，反而罕见地用了「古法手作」。从草图起步，到手工雕刻微缩模型、焊接机械联动结构，镜头里那些稍纵即逝的机械变形与视觉特效，背后大多真有一个可以拿在手里的实体道具。在全行业都在为纯虚拟的 AI 生成狂热时，苹果反倒花了大量「笨功夫」打磨实体质感。这恰好就像今天芯片底层的处境一样——无论上层的 AI 模型如何神乎其神，底层的硬件系统依然无法逃避最朴素的物理法则；想要数据跑得快，那些实实在在的通道、走线和晶圆工艺，终究一步都偷不了懒。过去几十年，我们想尽办法让计算机算得更快；而 AI 带来的新命题，则是如何让数据跟得上它。

我已经被机器人刷屏一周了。机器人刷新了人类百米纪录、「原地起飞」近三米、「害羞跑」的姿势火到海外、赛博张三丰腾空外摆 540°…….今年的世界人形机器人运动会更热闹了，来自六大洲 16 个国家的 666 支队伍，带着 2056 台机器人来到北京，比赛也从田径、武术等项目，一路延伸到家庭、酒店、工业和应急救援等真实场景。不过机器人在赛场上的翻车，大家笑笑就过去了。而机器人真正进入家庭后，可能就是打翻水杯、撞倒家具，或者把刚收好的衣服重新扯到地上，那就笑不出来了。真实的世界里没有固定的跑道和统一摆放的道具，杯子被人挪了一点，桌面多出一块抹布，原本训练好的动作就可能失效。把机器人这些试错搬进虚拟世界，正是当下世界模型想做的事。它试图还原一个符合物理规律的环境，让机器人真正在动手前先预演：手往左偏一点会不会抓空，夹爪提前闭合会不会碰倒杯子。但实际上不少世界模型无法实现可靠的「虚拟测试」。它们可能看懂了画面，却没有真正听从动作。推演时间一长，物体和位置开始漂移。虚拟世界里表现更好的策略，到了真机上也未必奏效。就在机器人开始从竞技场走向真实场景时，自变量机器人发布了自回归世界模型 WALL-SS。WALL-SS 构建的这座「虚拟训练场」终于突破了世界模型的瓶颈，动作能否真正改变结果，长任务中能否保持连贯，虚拟成绩能否经得起真机检验，都有了新的解法和答案。它可以推演持续60秒的倒水和物品整理任务，来测试不同动作的结果：按照不同的方式抓水杯，是抓空、碰倒水杯，还是成功抓起？研究团队还把多套机器人策略分别放进 WALL-SS 和真实世界测试，在虚拟世界里执行效果很好的动作策略，搬到物理世界往往也有好的结果。这就有意思了，机器人做的「梦」，开始能够用来练习和筛选真实动作。相关🔗项目主页：http://x2robot.com/pages/ss论文链接：https://github.com/X-Square-Robot/wall-ss/blob/main/wall-ss-paper.pdfGithub 链接：https://github.com/X-Square-Robot/wall-ss机器人「做梦」的方式，会决定现实里是否翻车世界模型是目前具身智能最受关注的方向之一。它可以理解成机器人脑中的预演系统。给它当前画面和一组准备执行的动作，它会预测接下来会发生什么。机械臂向左移动 1 厘米，杯子会被抓住还是被碰倒？抽屉已经打开，下一步应该继续取东西，还是先调整手腕角度？机器人可以比较多个未来，再决定采用哪条动作路径。机器人公司也可以把不同版本的动作策略放进世界模型测试。表现更好的版本再上真机，省下在真实世界测试动作效果的昂贵成本。问题是，很多世界模型很多时候更像一位过分乐观的导演。机器人训练数据通常以成功示范为主。如果模型看到的大部分夹爪闭合动作，后面都跟着物体被拿起，它就容易走捷径：只要夹爪闭合，物体就应该被抓起来。即使夹爪与物体之间还有明显空隙，生成画面里的物体也可能主动贴进夹爪。论文把这类现象称为类似「磁铁式抓取」的错误。这类偏差在跑步、跳舞等大动作里未必显眼，到了精细操作中却会直接决定成败。夹爪与杯把差几毫米，机器人可能抓空。插头角度偏了一点，也很难顺利插入接口。机器人从「会做」走到「做成」，往往就卡在最后几毫米。世界模型如果直接把这几毫米抹平，给出的未来越流畅，机器人越容易高估一套动作的可靠性。推演时间一长，还会出现新的麻烦。世界模型生成完一段画面后，还要把它作为下一段预测的依据。前面一点小误差，会在后续不断累积。物体可能慢慢偏离原位，夹爪与杯子的接触关系也会发生变化。只保留最近几帧，模型会忘记之前做过什么，但要是保留全部历史，计算量和显存占用又会持续增长。视频看起来逼真，不代表模型选出的策略真的更好。机器人研发需要知道，虚拟测试里的优胜者，到了真机上能不能继续领先。世界模型需要让不同动作确实通向不同结果，流畅画面只完成了最表面的一步。机器人怎么动，未来就该怎么变WALL-SS 预测接下来几秒的画面时，会先搭出一版「低清预览」。在这版预览里，模型先确定大方向：机械臂往哪里走，物体大概会怎么移动。随后，它把同一段画面一层层调清，补上物体轮廓、夹爪开合和接触位置。论文把这种从大轮廓到小细节的层级叫做「尺度」。已经生成的画面和发生过的动作，会成为下一段预测的历史，这就是「下一尺度自回归」。画面每清晰一些，动作也会再影响一次未来。手臂往左还是往右，会先改变低清画面里的运动方向。夹爪何时闭合，会继续影响清晰画面里有没有碰到杯子。一小段未来生成完成后，它会连同已经发生的动作一起进入记忆，成为模型继续往后推演的依据。过去一些世界模型更像在开拍前看一眼动作要求，但后面它还是容易依赖任务描述和视觉经验，把剩下的剧情把剧情自己脑补出来。WALL-SS 把动作和画面放在同一条时间线上。哪只夹爪在什么时候移动到哪里，头部相机和腕部相机应该看到什么变化，都要相互对得上。同一张初始画面配上不同动作后，模型会生成不同未来。夹爪偏离物体时，它需要表现抓空。路径碰到障碍物时，它也不能直接跳到任务成功的结局。结果怎么验证呢，WALL-SS 会固定初始画面，只换一条动作轨迹，看未来有没有跟着改变。模型如果只改变画面细节、始终生成同一个成功结局，很难在这项测试中获得高分。WALL-SS 在这项评测中得到 0.290，Cosmos3 为 0.044，其他模型则是0分。这项指标衡量模型对动作变化的敏感程度。两者之间的差距表明，WALL-SS 更愿意按照输入动作改变后续画面。模型愿意随着动作改变画面还不够。生成画面里的机械臂，也要真正走在给定路线上。在衡量这件事的「轨迹精度」上，WALL-SS 得到 0.539，是全部对比模型中的最高分。它的视觉骨干 InfinityStar 得分为 0.251。换成人话，虚拟机械臂既「听见」了动作指令，也更能沿着指令指定的路线移动。▲固定初始画面，只改变动作条件，三组分支会生成不同轨迹和不同未来。蓝线是给定动作，橙线是生成画面中实际出现的轨迹.这些能力也来自一批过去容易被丢掉的数据。研究团队保留了抓空、滑落、碰撞、重新抓取、人工接管和失败恢复等过程。其中一种采集方式，是先保留机器人发生错误的动作，再回到接近出错前的状态，由操作员执行一套纠正动作。如果训练数据里没有失败，世界模型很容易把「任务目标」误当成「必然结局」。做一分钟家务，机器人怎么才能不「断片」上面说的这些，只能保证机器人没有从第一步开始跑偏。而家庭任务往往包含多个连续步骤，打开抽屉、拿起物品、放进抽屉、再把抽屉关上，可能持续几十秒。机器人还要记住抽屉是否已经打开，物品目前在桌面还是手里。WALL-SS 没有让模型把每一帧都永远背下来。它会让记忆随着时间自动变得“模糊”。刚刚发生的动作保留更多细节：机器人几秒前有没有碰到杯子，夹爪是否已经闭合，都需要精确记住。更早的历史会被压缩。模型不必一直保存几十秒前每一帧的细节，只要记住桌上有哪些物体、它们大致在哪里、任务已经进行到哪一步。最初的观察画面会被保留下来，作为场景和物体身份的锚点。视觉历史被压缩时，对应的动作历史也会一起压缩。这就是「尺度压缩的长时间跨度记忆」，它像一份会自动整理的工作记录，刚刚发生的事情才保留详尽细节，更久以前的事情只留下摘要。模型不需要记住过去的每个像素，它只要了解哪些变化还会影响下一步。即便如此，预测画面的过程中仍不可避免地积累小的误差。机器人需要学会自己纠正误差。为此 WALL-SS 拿出了「逐尺度梦境强迫」的大招。训练时，研究团队会给历史信息加入扰动，要求基于有误差的信息，预测正确的未来。这相当于让机器人平时就在「有小错误的梦」里继续往下走，学会别把一个小错滚成整段任务崩溃。在长时测试中，WALL-SS 连续推演了 60 秒，轨迹误差、片段衔接、物体状态和视觉质量，都比对照模型更稳定。其中倒水任务包含接近水瓶、抓握、抬起、倾倒和放回等阶段。在 60 秒推演中，机械臂逐帧轨迹误差保持在画面对角线的 0.5% 以下。▲上方记录从接近水瓶、抓取、倒水到放回的连续过程，下方比较生成轨迹与给定轨迹只保留最近片段的版本，在 20 至 30 秒后开始明显恶化。去掉梦境强迫后，长期状态一致性也会持续下降。这就能验证一项持续 1 分钟的操作里，机器人仍能记得自己做过什么，能够稳定地推演未来。虚拟成绩，能不能替真机筛策略不过就算动作对了，记忆也没断片，虚拟世界仍然可能和现实存在偏差。你想如果一个机师只做过模拟飞行，你敢坐他的飞机吗？而 WALL-SS 则想了一个办法，是给自己的预测安排两位长期在线的「裁判」。在相同动作条件下，模型会生成多条未来支线。一个裁判会检查动作，比如画面里的机械臂是否按照给定方向移动，物体是否产生了对应变化。另一个裁判负责审核长期一致性，看机器人和物体的状态有没有漂移，前后片段能否接上，多个摄像头看到的世界是否一致。最后模型会根据评分调整下一次生成不同未来的概率，这套过程叫「视觉动力学的在线策略对齐」。简单来说就是用来专门优化视觉世界的变化规律。机器人控制器不会收到任务成功率奖励。参考模型约束和真实轨迹回放也会同时加入，防止模型为了获得高分而牺牲原有画面质量。对齐之后，动作跟随从 0.264 提升至 0.290，轨迹精度从 0.512 提升至 0.539，跨片段边界误差从 0.118 降至 0.104。动作与轨迹更贴近指令，前后视频也更容易接上，画面质量基本没有变化。我们直接看看论文里虚拟测试和真机测试的对比。研究团队选取 5 个不同训练阶段的 WALL-WM 策略，在 6 项任务、20 组匹配初始状态下，分别进入 WALL-SS 和真实机器人执行，共得到 600 对闭环结果。600 对实验中，有 527 对的最终成败一致。WALL-SS 在虚拟世界里选出的较好版本，有 89% 的优劣关系与真机测试相同。如果把 30 个「任务与策略版本」组合的成功率放在一起比较，虚拟结果和真机结果的相关系数为 0.926，平均绝对误差为 0.062。这个 0.926 衡量虚拟与真实结果的整体变化趋势，不能理解成单次预测有 92.6% 的命中率。▲左图比较虚拟与真机成功率，数据越接近对角线，代表两者越一致。右图比较 6 项任务中 5 个策略版本的虚拟与真机成.世界模型无需彻底取代真机测试，它只要能先筛掉较差的版本，就已经可以省下大量现实试错。WALL-SS 还在同一套系统中加入了动作专家。外部动作给定时，视觉生成器负责预测「这样做会发生什么」。需要模型自主行动时，动作专家可以根据当前状态生成下一段控制指令。两个部分共享已经确认的世界状态和动作接口。动作专家可以直接控制真实机器人。在论文的桌面双臂任务中，WALL-SS 的平均任务进度得分为 69.1。作为对比，π 0.5 为 49.6，DreamZero 为 44.1，LingBot-VA 为 34.0。模拟器负责预演，动作专家负责执行。两者在同一份世界状态上来回接力，形成「提出动作—预演结果—继续行动」的闭环。WALL-SS 主要作用在机器人认知和训练这一侧：怎样预演动作、记住长任务、评测策略。真正拧紧一颗螺丝、把插头稳定送进接口，还依赖关节精度、灵巧手、触觉和力控。世界模型可以提前发现哪条动作更可能失败，也能减少较差策略直接上真机的次数。末端执行器能否稳定落位，仍取决于整套软硬件的配合。具身智能的「ChatGPT 时刻」，看谁能更快走进现实前几年，人们还在关注机器人能不能站稳、跑起来。今年的赛场开始把衣物整理、家庭清洁、酒店服务和应急救援放进长流程任务。当机器人从舞台演示走向真实服务，行业判断技术的方式也会改变。一个成功 Demo 只是一张入场券。机器人能否重复完成任务，换个环境是否还能工作，模型每次更新要花多少真机成本，都会变得更重要。下一轮具身智能竞争，会看谁能让机器人学得更便宜、测得更可靠，并走进更多陌生环境。WALL-SS 给我们提供了一种具体的解法：动作必须真正改变预测结果，长任务中不能轻易失忆，虚拟策略排名还要接受真机验证。当世界模型能预测真机策略的

电影《奇异博士》里，奇异博士转动阿戈摩托之眼，可以让时间向前或向后流动，到了《复仇者联盟 3》，他又在与灭霸的对决前，提前看见了多种可能的未来。这是电影里的魔法，也是小鹏提供的现实。8 月 27 日，小鹏开了一个物理 AI 分享会，同时展示了第二代 VLA 的全新版本。这场沟通会最大的关键词是「时间」，小鹏给车上的模型加上一个「阿戈摩托之眼」：往回转，能回溯 30 秒的世界，向前转，则开始预判未来 6 秒会发生什么。汽车没有时间宝石，但有大模型加持，模型根据过去一段时间里累积的信息，计算出几种概率更高的后续状态，再为眼前这一刻选择动作。对智驾而言，拥有「时间线的记忆」，就能带来更加拟人化的操作。人在开车时，从来不只看眼前这一帧，你会根据前几秒的记忆判断后方路况，也会根据前车的减速和路边的岔口预判几秒后有可能出现的小电驴。从某种意义上说，驾驶不只发生在路面上，也发生在时间里。最新的小鹏第二代 VLA 全新 6.3.0 版本，即是一个在时间流中开车的模型，全新 VLA 将于 9 月开始面向所有 Ultra 和 Ultra SE 车型推送，小鹏 G9L Ultra 与 Ultra SE 将首发搭载，而单图灵芯片 Max 车型也将在 9 月获得第二代 VLA Lite 蒸馏版。驾驶没有单帧答案小鹏这次对新 VLA 的核心思路是让过去、现在与未来连在一起。Infini-VLA 负责记住过去。它的底层架构可以支持更长的时序，小鹏考虑驾驶任务与端侧计算量，将量产版本的历史记忆设置为 30 秒。也就是说它能记住过去 30 秒发生的路面状况，并将其带入到当下的判断中。小鹏在沟通会上展示了一段演示视频，前车在路中掉头时，车身后方一度露出可以穿过的空位，测试车没有立即加速，而是结合之前的运动过程，等待对方完成掉头后再向前。模型理解的是「前车正在掉头」这个持续发生的行为，不再只有「前方出现空位」这一帧画面。这有点像人与别人谈话时的短期记忆，人不会每听一句话就忘掉上一句，驾驶者也不会因为前车此刻横在路中，就忘记它前面做出了准备掉头的举动。如果说 Infini-VLA 让车辆不再忘记上文，Streaming Inference 「流式自回归推理」则负责缩短车辆理解当下的时间。按照小鹏的解释，模型可以边获取输入、边推理、边输出轨迹，不必等完整理解一段历史之后才开始动作。小鹏给出的数据是，这套流式推理让决策速度提升了 300%。同样地，这也类似人开车时，眼睛看路、大脑判断、手脚操作同时进行。遮挡处突然出现目标时，这样的并行处理能够少留下一段等待推理完成的空白。记得过去，着眼当下，自然也要展望未来。于是新版本 VLA 中的 X-Foresight 会根据历史状态，对未来 6 秒进行推演，Flow Matching 再对多种可能的轨迹分布进行拟合，帮助模型选择更合适的动作。词汇是晦涩难懂的，但带来的作用是十分清晰的，新版 VLA 通过持续观察当前路况，对未发生但可能出现的情况进行预判，并做下一步决策。而现实生活中老司机们常提到的「防御性驾驶」，本质上也是一种预判。现场视频里，一辆对向白车占据了逆向车道。测试车需要判断对方是准备等待、继续向前，还是让出一部分空间，再推演自己此刻前进会不会封死两辆车的通路。看清对方在哪里只是第一步，理解对方将要做什么，才能决定自己下一步的操作。过去的记忆和未来的推演，最终服务于每一次的加减速和转向，也让第二代 VLA 6.3.0 版本能「在时间里流动」。进入现实世界架构图里的名词很多，但回到产品上，VLA 要面对的还是现实道路上的各种麻烦，小鹏的答案是使用更大的模型，这一次小鹏将模型参数量扩大了 3.5 倍。沟通会播放的一段视频里，测试车来到了轮渡码头。渡口没有清晰的车道线，码头并非一条常规道路，但依靠模型自身的思考，车辆仍然自己找到入口，开上轮渡，跟着前车停下，轮渡靠岸后，它又随车流驶出。另一段视频发生在狭窄山路，在急弯之后，道路前方出现了一根悬空树枝，车辆没有将它当成普通的路面障碍物停在原地，也没有朝着看似尚有空间的缝隙直接向前，而是主动减速，一边观察树枝与车身的关系，一边寻找能够通过的空间。值得一提的是，前些天，一辆运行 FSD v14.3.7 的特斯拉在美国一座公寓停车楼中从二楼一路开到六楼，并试图继续朝顶层金属铁丝网方向寻找通路，好在车主在接近铁丝网时接管，车辆没有坠落。类似的 「corner case」极端案例，小鹏 VLA 和 FSD 却做出了不同的判断，模型除了要看到空间，也要能够理解那是不是一条路。轮渡和树枝属于很少见的场景，也正是小鹏坚持扩大模型的理由。一套依赖固定规则的系统，可以针对码头、羊群、暴雨或每一种新障碍物分别增加补丁，但真实道路总会出现你意想不到的情况。更大模型所追求的，是处理这些没有见过的问题，而非为每个场景背下一个答案。当然，模型不会凭空获得这种能力，小鹏称，当前模型单次训练的数据吞吐量已达 1 亿个视频片段。它还建立了向量化的数据检索系统，用户上报或测试中出现一个问题后，开发团队可以从数据库中找出更多语义相似的场景，组成一本更有针对性的「错题集」。模型训练完成后，小鹏的仿真系统会对车型、天气、光照和视角进行变化，反复验证同一个模型。按照小鹏公布的数据，从今年 6 月到沟通会前两周，每日仿真验证的新模型数量提升了 290%。真实数据提供题库，仿真负责考试，暴露的问题再回到数据库变成新的错题。小鹏将这套模型、数据和仿真的闭环视为物理 AI 的技术底座。依照小鹏的测试口径，新版本在仿真和测试中的综合安全能力提升超过 20 倍，这套能力还要开始进入算力更小的车型。为了让它进入单图灵芯片的 Max 车型，小鹏用 Hybrid ViT 重新设计了计算量最高的视觉部分，尽量保留视觉输入和大模型的底层能力。第二代 VLA Lite 将于 9 月开启首批推送，小鹏 G9L Max 也会首发搭载。汽车即机器人Car as Robot，汽车即机器人——这是今天小鹏通用智能中心负责人刘先明给出的定论。到了模型这一层，这两者其实没有多少分别：感知周围环境，记住之前发生过什么，理解人的意图，将一个含糊的目标变成一系列动作，再在物理世界中把它们做完。小鹏也在新版本里重构了车端大脑。Omni 全模态模型结合语言、环境和上下文理解用户，Master Agent 再将意图分成车辆可以执行的任务。相比每次只接一张工单的「执行员」，新架构可以记住整段对话，明白这些工单共同指向哪个目标。当用户向车辆说出「找个地方靠边停车」，系统不能在接到语音后就在当前车道里刹停，而要先变道至最右侧，观察护栏、公交站和道路环境，排除不合适的区域，找到可以停下的位置。理解语义并从座舱转向驾驶域，执行连续决策，是这套系统的目标。此外，小鹏的计划是将同一套架构和模型同时用在 L2 驾驶辅助与 L4 Robotaxi 上。按照小鹏公布的最新口径，其 Robotaxi 内测已经完成超过 2000 单，搭载第二代 VLA 的 Robotaxi 近日获得广州市智能网联汽车远程测试资质，可在相关测试道路开展主驾无安全员道路测试。汽车之外，小鹏还在现场留了一个机器人彩蛋。视频一边是车辆，另一边是机器人在室内完成导航与操作，小鹏称两种本体使用了同一套基座模型，虽说是彩蛋，但这也是「汽车即机器人」的核心逻辑，小鹏也将自己定义为「物理 AI 企业」但话又说回来，将汽车与具身智能领域相挂钩，这条路线并非小鹏独有。特斯拉早已将汽车、Robotaxi、Optimus 机器人和 AI 训练放进同一幅蓝图，理想也将自己的定位从智能汽车转变为「具身智能企业」。车企们的共识，是造车即是做一个能在物理世界中行动的机器人。毕竟「新造车」已经不那么性感了。它从一个充满想象力的新物种，变成了一片比拼价格、配置、渠道与交付的红海。「物理 AI 公司」显然性感得多，模型、芯片、Robotaxi 和机器人，可以组成一个更诱人的资本故事。资本市场的喜好当然是这次身份转换的一个推手，但在热钱之外，从无休止的价格战转向前沿开发，推动技术向前，依然是一件令人兴奋的事，只不过这条道路也同样需要靠持续投入、反复验证和一次次量产兑现走下去。奇异博士可以在一瞬间看尽多种未来，一家现实世界里的公司却只能一个版本、一辆车地向前。小鹏已经为 VLA 补上了过去 30 秒与未来 6 秒，「物理 AI 公司」这个新身份能否成立，则要看 9 月开始上车的新版本，能不能让车主真的感觉到它记得更多、判断更早、反应更快。

8 月 26 日，奇瑞风云正式上市风云 T7，一台全系 600km CLTC 续航的纯电 SUV。风云 T7 共推出三个版本：600km 悦享版 9.79 万元，抢先置换价 9.49 万元600km 舒享版 10.89 万元，抢先置换价 10.59 万元600km 智享版 11.89 万元，抢先置换价 11.59 万元奇瑞还在发布会现场完成首批交车，风云 T7 上市即交付。十万级纯电 SUV 早已是一片红海，9 万元级的起售价、长续航版本和越来越大的屏幕都不再稀奇。不过风云 T7 并没有在续航上分档次，三款车型续航里程完全一致，同时在安全性上做出了兜底承诺，力图在这个产品极为密集的市场里留下自己的位置。入门不缩水，全系长续航风云 T7 的三款车型都搭载 65.05kWh 犀牛电池，CLTC 续航同为 600km，30% 充至 80% 电量需要 20 分钟。奇瑞官方称实测续航能达到 681.6km，不过奇瑞并没有透露这个「实测」究竟是在什么环境下达成。通常来说，CLTC 续航都要比实际续航高出一截，如果实测能实现「反向虚标」，那风云 T7 的这套能耗管理值得非常多车企深入学习。除了电池，178kW 电机与 12 合 1 鲲鹏电驱也为全系配备，电驱综合效率为 90.8%，AGS 智能进气格栅、双源宽温域热泵空调和高压 PTC 同样为标配。在能耗和热管理上，风云 T7 选择了各配置一视同仁。值得一提的是，风云 T7 在灵犀智舱 2.0 接入豆包大模型，同时支持 CarPlay、HiCar 和 CarLink 无线连接，在十万级的产品中，这也是一个加分项。而相比入门版本，升级到舒享版得到的是天窗、电动尾门、座椅加热与通风、50W 无线充电、540° 影像，以及 BSD、开门预警和哨兵模式等更贴近日常使用的功能。顶配的智享版，则把高通骁龙 8775 舱驾一体芯片、猎鹰 500 驾驶辅助、18 英寸轮毂、氛围灯和主驾腰托放进来，在智能化层面上做出升级。智享版的猎鹰 500 驾驶辅助方案由 3 颗毫米波雷达、7 个摄像头和 12 个超声波雷达组成，支持跨楼层泊车、100 米循迹倒车、300 余种自动泊车场景及高速领航辅助。安全方面，风云 T7 的车身按 2026 版 E-NCAP 五星标准开发，采用高强度钢占比 80% 的车身，电池包使用 31 层的 「6D 锁子甲防护结构」，IP68 防水和 200kN 侧边抗挤压能力，分别达到国标要求的 96 倍和 2 倍。双框副车架和 Pack 防撞梁则负责在碰撞发生时，让冲击尽可能绕开乘员舱和电池包。先验证，再兜底风云 T7 这次的另一个重点是安全和耐久验证。奇瑞为风云 T7 投入了 81 台专属耐久试验车，整车累计测试里程超过 600 万公里，其中耐久专项实测 145 万公里。作为一台「全球车」，风云 T7 的路试地点也覆盖了全球的不同路况，如巴西的高减速坎、墨西哥的鹅卵石路、德国高速的大曲率弯道和南非的非铺装泥路，对用户来说，这也意味着长时间使用后，车子「闹脾气」的概率降低。奇瑞这一次还给风云 T7 带来了一些兜底政策。如果因动力电池自身原因导致整车发生热失控损毁，品牌将赔付同款新车或不低于原车配置的新车。而自购车之日起一年内，在泊车和智能领航场景中，若事故被判定为智能驾驶辅助系统原因造成，涉及车上人员伤害与第三者损失，最高赔偿 500 万元。这也是风云 T7 在十万级市场打出的一张差异化牌，和其他部分新车不同的是，风云 T7 的同源车型 Lepas L6 其实已在南非、泰国上市，随后还将进入更多欧洲和东南亚国家的市场。「全球车」也意味着需要适配更多地区的安全法规，比如在开发阶段这台车就按照 2026 版 E-NCAP 五星标准推进，在安全层面拥有先天的优势。而这让风云 T7 更有底气在安全层面上做出兜底的承诺。价格战把新车的门槛压得足够低，十万级的新能源 SUV 可选项并不少，于是在卷配置和卷价格之外，风云 T7 还选择了在「安全感」上更进一步，用兜底承诺来提供更多的隐性价值。

2013 年，几乎就在苹果发布 iPhone 5s 的同时，《GTA 5》正式发售，两款产品后来都给各自行业带来了深远影响。13 年过去，苹果即将发布第一款折叠屏 iPhone，发布会也将成为新任 CEO John Ternus 接棒后的首次大考；而在另一边，洛圣都的夕阳终于落下，Rockstar 准备带我们前往罪恶城。北京时间今天凌晨，Rockstar 在 Netflix 放出了《GTA 6》长达 26 分钟的扩展演示——《分量十足的一瞥》（An Extended Look）。视频在 Netflix 独占 6 小时后，才会免费登陆 Rockstar 官网和 YouTube，带中文字幕的版本则会在上午 11 点上线 B 站。这一次，Rockstar 直接端出了接近半小时的游戏内画面，带玩家跟着 Jason 和 Lucia 两位主角驾车、抢劫、枪战，在灯红酒绿的罪恶城里亡命。看完之后，我觉得不妨这样大胆判断：《GTA 6》可能是当下最保守的游戏，也是最激进的游戏。13 年后，GTA 还是你 GTA在这次扩展演示之前，我们已经能通过前两支预告片和各种采访信息，拼凑出《GTA 6》的背景故事——《GTA 6》的主舞台是以现实中迈阿密为灵感的「罪恶城」（Vice City），但实际的游戏版图扩展到了以佛罗里达为原型的整个 Leonida 州。这是社交媒体、旅游业、犯罪团伙和发财梦共同撑起的「阳光之州」。众所周知，佛罗里达不养闲人。玩家能操控的主角是自小混迹于街头的 Jason Duval，和擅长格斗、渴望改变生活的 Lucia Caminos。这对亡命恋人是 2020 年代的雌雄大盗，也是整个开放世界的根基。当然，前面两段预告片呈现的更多是佛罗里达的热闹生活，游戏具体玩起来什么样，只有看刚刚发布的扩展演示才能略知一二。26 分钟的视频，以 Jason 和 Lucia 的互动为中心，串起了几段主线任务片段：他们替夜店老板 Boobie 取货，却一头撞进警察突袭；加入银行劫匪 Raul Bautista 的队伍，在一次次交易和抢劫里往上爬；也会在任务失控后分头行动，一个在楼上依托掩体枪战，另一个在楼下潜行脱身。和现在很多「双主角」游戏类似，两个人的关系也成了玩法的一部分——玩家可以让 Jason 开车、Lucia 在副驾驶刷手机，也可以瞬间切换过去，让 Lucia 接管方向盘，Jason 探出车窗向追兵开火；既能让两人一起行动，也能让他们分开，在城市的不同角落各自惹事。不过，如果把这些为数不多的新设计抛开，《GTA 6》还是那个老玩家们熟悉得不需要学习的游戏。第三人称越肩视角、掩体射击、抢车飙车、通缉逃亡，这些是从《GTA 3》开始就一路延续的基本玩法，旧作中的「六星通缉」也宣告回归。主线之外，则继续用数量惊人的活动填满开放世界：篮球、健身、潜水、赛艇、越野摩托、跳伞，以及所有你能在佛罗里达想得到或想不到的消遣。至于那些低俗招牌、广告里的雷霆广告、委托任务的神人，更是原原本本继承了下来。正如《卫报》记者看完演示后的速评所说，如果提前做一张 GTA 元素表，在这 26 分钟过后几乎所有元素都能集齐。R 星没有像当年创造《GTA 3》一样发明一种新的游戏模式，就玩法来说，《GTA 6》保守得不能更保守了。但玩法创新对 GTA 系列来说本就不是必须。倒不如说，它真正的创新在于用恐怖的劳动量，堆出一个极其真实的世界。把熟悉的一切放入城市演示里有一段从高楼跳伞的镜头，从楼顶跳下，整个世界在面前展开，颇有《旷野之息》开头一幕的感觉：环顾四周，城市一直铺到地平线尽头。港口、高架桥、低矮住宅区和摩天楼彼此相连，远处依然保留着清晰的建筑轮廓。地面上的道路没有为了方便设计而简化，而是像一座真正自行生长出来的城市，匝道、立交和街区复杂地咬合在一起。如此大规模的城市，其他游戏也许能复刻；但像《GTA 6》一样在每个路人身上做到尽善尽美，恐怕只此一家。演示里两个主角走入夜店，周围挤满了 NPC。在少有人注意的画面角落，人们自拍、跳舞、喝醉、靠在栏杆旁聊天，身材、肤色、穿着和动作都不相同。Lucia 的头发会随着转身甩动，贴身衣物会跟随身体自然变形，舞池里每个人的重量感和节奏也各有区别。Rockstar 在接受 Dazed 采访时曾透露，为了做出这群路人，公司人手规模已经比《荒野大镖客 2》时期扩张了一倍以上，甚至有一个分部专门只做来往行人。团队还请了 50 多个街头艺术家专门创作罪恶城里的街头涂鸦壁画，调试开车手感的则是清一色的赛车手。和环境之间的交互也做得更细致了——背着枪上街，周边行人会变得躲躲闪闪；勤奋锻炼的话，Jason 和 Lucia 肌肉会变得更紧实；连续几天不睡觉，黑眼圈和松松垮垮的皮肤也会暴露这一点。所有这些细节，都呈现在预告片里。这就是为什么，明明实机演示的画质肉眼可见不如前两支预告片，却令人更安心。没错，夜晚场景里有很明显的超分痕迹，一些角色动作也还有别扭的沉重感，但官方标明这些画面是在上市将近 6 年的 PS5 上录制的。三个月后我们能玩上的游戏，很可能和演示片里完全一致。PS5 的陈旧机能很难支撑精细建模，但 R 星还是能从中榨取出一些新意：镜头从室内推向户外时，阳光、阴影和反射自然地落在不同材质上；枪战打响后，玻璃、桌椅和装饰物一起破碎飞散；白天密集的人流、复杂的交通与极远处的城市景观，可以同时存在于一台已经上市将近六年的主机上。你很难从中指出哪一项技术是前所未见的，但也很难再找出第二款游戏，能把这么多技术汇集在同一个画面里。Rockstar 真正无可比拟的，是对游戏工业化的投入。这就是《GTA 6》最矛盾的地方：它的玩法结构极度保守，制作方式却激进到了不可复制。无法再复制的游戏工业奇观从《GTA 5》到《GTA 6》隔了 13 年，但这不等于 Rockstar 把 13 年都花在同一款游戏上。《GTA 6》的前期构思大约始于 2014 年，《荒野大镖客 2》在 2018 年发售后，项目才进入早期开发；而真正调集主要资源、全面制作，则要到 2020 年前后。以今天 3A 游戏普遍需要 5 年甚至更久的开发周期来看，《GTA 6》本身并不算很夸张。但以并行投入的资源来算，《GTA 6》绝对是无人能敌的。Rockstar 没有公布过具体的项目预算，但考虑到直接参与开发人数接近 4000 人、全面制作周期长达六年，外界估算项目总成本已经达到 10—15 亿美元。作为对比，《赛博朋克 2077》巅峰期开发者近 500 人、本体开发成本约 1.74 亿美元。《GTA 6》几乎十倍于《赛博朋克 2077》。你很难说极高的投入和外界期待，到底是一种幸运还是诅咒。一眼看不到头的开发周期和极高的关注，催生了内部压力和外部入侵。从 2022 年发生历史上最严重的开发代码早期泄密事件，到加班文化严重、性别薪酬差距和解雇疑似泄密员工等事件引发的劳资对立与工会摩擦，再到新预告片发布前夕 Cyberleek 连续泄露多段实机画面和完整的 Leonida 地图，强如 R 星，也无法保持绝对的优雅。Rockstar 联合创始人、系列核心编剧 Dan Houser 和长期塑造 GTA 电台、对白与流行文化气质的 Lazlow Jones 选择在项目刚刚起步的 2020 年先后离职。后来谈及离开原因时，Dan Houser 说《GTA 5》和《荒野大镖客 2》这样的项目越来越庞大、越来越难做，会吞掉一个人很多年的全部时间。他不知道自己是否还有精力再完成一部这样的游戏。换句话说，《GTA 6》可能已经抵达了人类组织能力的极限。Rockstar 几乎是在风雨飘摇中强行把游戏做出来了。好消息是，这次演示证明 Rockstar 并没有因为几位灵魂人物离去而跌落神坛。Jason 和 Lucia 的对白依然简洁、自然又带着黑色幽默；罪恶城仍是一块当代美国社会的切片——社交媒体、炫耀性消费、毒品、枪支、夜店、网红和「佛州奇人」，共同组成阳光之下最阴暗的地方。但这样的游戏，恐怕不会有下一个了。罪恶城是前 AI 时代最后一个借由近乎无限的人力和时间手搓出来的精细世界，所以 Rockstar 才有资格把实机预告像新剧一样放在 Netflix 限时独占，甚至收费也没能阻止玩家把 Netflix 挤到短暂宕机。以前是游戏厂商求着玩家看广告，但这一次，营销即产品。连宣传片都能包装成付费产品，没有什么能比这更能彰显《GTA 6》的行业地位。《GTA 6》也有资格把标准版价格推到 79.99 美元、终极版卖到 99.99 美元。某种意义上，这一举动甚至能拯救疲惫不堪的游戏产业——只有当玩家能把 79.99 美元当成新的基线，饱受成本问题所困的 3A 开发商们才能有利可图。今天的主机游戏行业已经很久没有真正的代际革命了。硬件越来越贵，开发周期越来越长，玩家的时间则被短视频、流媒体和免费游戏切得稀碎。游戏大厂纷纷被出售，或主动收缩战线，依靠热门产品的在线模式苟延残喘。在这种情况下，《GTA 6》不仅代表着 3A 游戏的成本上限，也是整个行业对「高风险、高回报」模式的最后一次押注。我们等了 13 年，等来了《GTA 6》，同时也告别了一种可能很难再有下一次的游戏制作方式。《GTA 6》将于 2026 年 11 月 19 日正式发售，登陆 PS5 及 Xbox Series X｜S 平台，标准版及终极版售价分别为 79.99 美元和 99.99 美元。