来自中国的“无界世界模型”（Boundless World Model，BWM）一鸣惊人——开源版本BLM得分64.54，在13个参评模型中斩获全球第一
；关源版本BWM-Fast得分67.87，在总计86个参评模型中位列全球第二，距离榜首仅差0.39分
。 这份榜单从视觉质量、活动质量、物理遵循性、内容一致性、三维空间正确性及可控性六大维度、16项细分指标进行综合评估
。参赛阵容堪称豪华：Google、NVIDIA、高德、智元机械人、生数科技、极佳视界、流形空间、北京人形机械人创新中心……国内表顶尖团队悉数参与
。 值妥贴心的是，BWM并非出自算力堆叠的大厂之手，而是由欧洲科学院表籍院士、同济大学推算机科学与技术学院院长申恒涛教授牵头，国度级青年人才朱磊及其团队，结合考拉悠然、上海码极客共同研发
。团队基于阿里巴巴开源的Wan2.2-TI2V-5B视频天生模型，以50亿参数的幼体量，跑赢了诸多规模远超自己的敌手
。 若是你看过波士顿动力的机械人视频，可能会有一个疑难：那些流畅的作为、精准的抓取，到底是提前编好的法式，还是机械人真的“理解”了物理世界？这个问题的答案，指向AI领域最前沿也最辣手的方向之一——世界模型
。 世界模型的野心很大：让AI不只“看见”画面，还能“预赣妆接下来会产生什么
。给它一张初始照片，再通知它“机械人要把杯子放到桌上”，它就能推演出整个作为过程的视频——就像给AI装了一双能预感未来的眼睛
。这个能力一旦成熟，机械人就不必要在真实世界里一次次试错，而是在虚构世界里先把作为“彩排”一万遍
。 2026年，世界模型成了AI圈最炙手可热的赛路
。图灵奖得主Yann LeCun与谢赛宁合资缔造AMI Labs，据多家媒体报路融资规模达10亿美元级别
；李飞飞的World Labs持续加码
；贝索斯成立Project Prometheus押注造作业AI
。具身智能也被列入“十五五”未来产业规划，政策与本钱的双沉驱动下，全球科技巨头正疯狂涌入
。 近两年，世界模型这条赛路有一种显著的“军备较量”偏差：模型参数越来越大，训练数据越堆越多，算力卡集群越拉越长
。在这种氛围下，BWM团队选择了一条不那么“卷”的路线——不靠堆数据和拼算力，而是靠架构创新和数据效能取胜
。 这里必要发展诠释一下DiT架构的价值
。与传统扩散模型分歧，DiT用Transformer代替了原来的卷积骨干网络
。在处置长视频序列时，把稳力机造可能捉拿更远距离的时空依赖关系——单一说，就是让模型在推演第100帧时，还记得第1帧里杯子放在哪里
。而“动态影象机造”的引入，则进一步缓解了长时序推演中的“苦难性忘却”问题
。 首帧疏导机造利用初始帧信息锚定场景，提升视频天生的时空连贯性
；双通路作为节造调造则将机械人作为轨迹精准映射到视频天生中，实现作为可控的物理仿真
。三项创新从场景初始化、长时序影象建模到作为响应节造多维度协同，使BWM在时空连贯性、作为可控性与物理一致性上全面当先
。 BWM以幼参数量跑赢大模型，这在世界模型领域并不多见
。它不仅是一项技术成就，更在提醒一个方向：算力规模并非唯一的入场券，架构原创才是真正的壁垒
。 世界模型好不好，最终要看它能不能在真实的机械人工作钟装靠谱地预庞妆
。BWM在评测中覆盖了六大类典型具身工作场景，每一类都在考验模型对分歧物理交互的建模能力： 空间沉排——按大幼分列积木、堆叠碗碟
。挑战在于多物体的空间排序与堆叠不变性
。BWM可能维持物体身份与指标布局，维持不变堆叠接触，并预测自适应夹爪节造
。 铰链交互——打开微波炉、打开笔记本电脑
。挑战在于铰链约束下的开合动力学，以及旋转过程中物体几何状态的连贯性
。BWM在长时序推演中维持了物体状态的悠久性
。 精密操作——拧开关、挂杯子、按铃铛、盖章章
。挑战在于极幼的接触区域和精确的状态变动交互，要求模型理解物体的可供性——也就是"这个器材能怎么用"
。 双臂协同——双手传递积块、交代麦克风
。挑战在于双臂同步活动与近距离交代中的碰撞预防
。BWM建模了同步双臂活动，维持了物体陆续性
。 长程搁置——将物体放入柜子、瓶子抛进垃圾桶
。挑战在于长时序场景一致性与遮挡下的物体漂移问题——BWM在遮挡场景下物体不会"凭空隐没"
。 散布表泛化——团队用GPT-Image-2天生了从未见过的初始场景，叠加原始机械人作为序列让BWM推演未来了局
。面对物体表观的剧烈变动，BWM依然维持了作为驱动的动力学一致性和交互连贯性
。这意味着模型并不是靠"背题"拿到高分，而是真正学到了某种水平的物理法规——即便面对训练过程中没见过的场景表观，它依然能沿着给定的作为序列，合理地推演出接下来会产生什么
。用更通俗的话说：模型占有了肯定水平的“物理直觉”
。 这些场景的难度在于，它们不是单一的视频天生，而是基于给定作为序列的物理仿真
。模型必要理解“力”与“活动”的关系，必要预判作为的后果，必要对三维空间有精确感知
。这正是世界模型区别于通常视频天生模型的主题能力
。 当前世界模型行业存在一个显著的痛点：学术成就难验证，顶尖技术难复现
。好多团队在论文里汇报的成就令人印象深刻，但表界既无法复现，也难以判断真实能力天堑在哪里
。 BWM团队采取的战术是开源与关源并杏转—开源版本BLM开释可复现的技术底座，降低科研与开发门槛
；关源版本BWM-Fast则持续索求模型机能上限，验证技术路线的竞争力
。 截至发稿，BLM的模型权沉、推理代码已在GitHub和Hugging Face同步盛开，训练代码也在逐步释出中
。GitHub仓库已收成超过1600颗Star
。当足够多的钻研者和开发者基于统一套开源底座做尝试、提issue、贡献代码，世界模型的迭代速度将会显著加快
。 从更大的行业视角来看，世界模型赛路在从“要不要做”进入“怎么做”的深水区
。LeCun的JEPA路线、李飞飞的3D天生路线、华为系团队的类脑认知路线、以及BWM所代表的作为前提视频天生路线——分歧的技术蹊径在交汇和分化
。 英伟达机械人方向掌管人Jim Fan在红杉AI Ascent 2026大会上抛出了一个极具争议的论断：“VLA已死，WAM当立”
。随后，复旦大学团队结合新加坡国立大学颁发综述《World Action Models: The Next Frontier in Embodied AI》，与Jim Fan的论断遥相响应
。 无论这场路线之争最终走向何方，BWM的成就已经证了然一件事：在世界模型的竞争格局中，中国团队不仅在场，并且有实力站在最前面
。同济大学空间智能团队暗示，这套技术路线与全栈能力系统已形成，未来将在空间智能与世界模型主题问题上持续深度索求
。而对于整个行衣反说，一个开源、高水平、持续迭代的世界模型底座，或许正是当前最缺的那块拼图
。