世界模型有了开源基座世界模型赛道新玩家

最新最强的开源原生多模态世界模型——

北京智源人工智能研究院（BAAI）的悟界·Emu3.5来炸场了。

图、文、视频任务一网打尽，不仅能画图改图，还能生成图文教程，视频任务更是增加了物理真实性。

先感受一下它的高精度操作：一句话消除手写痕迹。【图1】

第一视角漫游动态3D世界：【图2】

要知道，现在AI迭代的速度，正在刷新所有人的认知。

尤其是在文生视频这条赛道上，几乎每个月都有新技术出来"搞事情"。

肉眼可见，AI视频一个比一个真，一个比一个长。

but，先别急着鼓掌，真正的赛点，早已不是"像不像"，而是"懂不懂"。

它知道桌子上的苹果被拿走后，那里应该变空吗？它明白你转身之后，背后的场景依然存在吗？如果答案是否定的，那再逼真的视频，也不过是"高级的GIF"。

现在，致力于攻克这一终极难题的玩家，终于带着悟界·Emu3.5来了。

从官方放出的demo来看，Emu3.5生成的作品展现出极强的连贯性、逻辑性，尤其让AI模拟动态物理世界的能力又双叒增强了。

它能让你以第一人称视角进入它所构建的虚拟世界。你的每一次移动、每一次转身，它都能动态构建出你下一步应该看到的场景，全程保持空间一致性。

由于掌握了世界运行的内在规律，它不仅能像专业设计师一样，进行高精度、可控的图像编辑：【图3】

还能像拍电影一样，生成图文并茂的视觉故事：【图4】

从测评成绩来看，悟界·Emu3.5的表现也极其亮眼——在多项权威基准上，性能媲美甚至超越了Gemini-2.5-Flash-Image，没错，就是那个Nano Banana，在文本渲染和多模态交错生成任务上优势尤其显著。【图5】

Emu3.5的命名，就揭示了它的定位：世界模型基座。

顾名思义，它要做的是世界模型的基础模型，这等于是在AI领域开辟了一条全新的赛道。

那么，这样一个被寄予厚望的模型究竟有多强？来看更多案例：