昨天高德发了个通用世界模型工坊 ABot-World Studio，把交互式视频生成和 3DGS 场景生成塞进了同一个平台，输入文字或者图片就能出一个支持实时操控、能保存能分享的虚拟场景。底下是 ABot-World0 和 ABot-3DWorld0 两个模型撑着，能原生吐出带真实几何结构的 3DGS 空间资产，生成的世界带物理规则和空间深度，能在照片级画面里自己漫游。
我比较在意两点。一是它那个「任意门」，能在一个 3D 世界里嵌一扇通往另一个场景的门，把一堆孤立场景连成可探索的网络，这个设计比单纯堆生成质量有意思；二是架构层面不设推理时长上限，官方实测单次连续推理跑了超过一小时没崩、也没有质量衰减——做过长序列生成的都知道这条有多难。
最关键的是这套东西可以在单张 5090 上本地部署，而且 ABot-World 系列已经全面开源。等 huggingface 上权重和代码都齐了，本地跑一遍看看显存实际吃到多少，心里就有数了。