HiDream-O1-World 值不值得期待，我只看一点：交互时状态保不保得住。
智象未来这次的路线倒是清楚，不在生图模型外面再套一层控制模块，而是走原生全模态，各模态放在同一个底座里训。拼接方案靠接口把模态对齐，一碰到需要跨模态推理的场景就容易掉链子，原生路线理论上能省掉这层转译损耗。
可理论归理论。“交互式世界模型”这说法这两年被用得有点滥，这类模型最典型的毛病就是前三步惊艳，第五步开始自己跟自己对不上。连着改十几步之后场景漂不漂，得等能上手了才好下判断。
原生全模态和拼接方案的差别，落到用户这边其实就是能不能连续改
蹲后续