来自中国的“无界天下模子”（Boundless World Model
，，，，，，BWM）一鸣惊人——开源版本BLM得分64.54
，，，，，，在13个参评模子中斩获全球第一
；；；
；闭源版本BWM-Fast得分67.87
，，，，，，在总计86个参评模子中位列全球第二
，，，，，，距离榜首仅差0.39分。
。。 这份榜单从视觉质量、运动质量、物理遵照性、内容一致性、三维空间准确性及可控性六大维度、16项细分指标举行综合评估。
。。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、北京人形机械人立异中心……海内外顶尖团队悉数加入。
。。 值得注重的是
，，，，，，BWM并非出自算力堆叠的大厂之手
，，，，，，而是由欧洲科学院外籍院士、同济大学盘算机科学与手艺学院院长申恒涛教授牵头
，，，，，，国家级青年人才朱磊及其团队
，，，，，，联合考拉悠然、上海码极客配合研发。
。。团队基于阿里巴巴开源的Wan2.2-TI2V-5B视频天生模子
，，，，，，以50亿参数的小体量
，，，，，，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
，，，，，，可能会有一个疑问：那些流通的行动、精准的抓取
，，，，，，究竟是提前编好的程序
，，，，，，照旧机械人真的“明确”了物理天下？？？这个问题的谜底
，，，，，，指向AI领域最前沿也最棘手的偏向之一——天下模子。
。。 天下模子的野心很大：让AI不但“望见”画面
，，，，，，还能“预见”接下来会爆发什么。
。。给它一张初始照片
，，，，，，再告诉它“机械人要把杯子放到桌上”
，，，，，，它就能推演出整个行动历程的视频——就像给AI装了一双能预见未来的眼睛。
。。这个能力一旦成熟
，，，，，，机械人就不需要在真实天下里一次次试错
，，，，，，而是在虚拟天下里先把行动“彩排”一万遍。
。。 2026年
，，，，，，天下模子成了AI圈最炙手可热的赛道。
。。图灵奖得主Yann LeCun与谢赛宁合资建设AMI Labs
，，，，，，据多家媒体报道融资规模达10亿美元级别
；；；
；李飞飞的World Labs一连加码
；；；
；贝索斯建设Project Prometheus押注制造业AI。
。。具身智能也被列入“十五五”未来工业妄想
，，，，，，政策与资源的双重驱动下
，，，，，，全球科技巨头正猖獗涌入。
。。 近两年
，，，，，，天下模子这条赛道有一种显着的“军备竞赛”倾向：模子参数越来越大
，，，，，，训练数据越堆越多
，，，，，，算力卡集群越拉越长。
。。在这种气氛下
，，，，，，BWM团队选择了一条不那么“卷”的蹊径——不靠堆数据和拼算力
，，，，，，而是靠架构立异和数据效率取胜。
。。 这里需要睁开诠释一下DiT架构的价值。
。。与古板扩散模子差别
，，，，，，DiT用Transformer替换了原来的卷积主干网络。
。。在处置惩罚长视频序列时
，，，，，，注重力机制能够捕获更远距离的时空依赖关系——简朴说
，，，，，，就是让模子在推演第100帧时
，，，，，，还记得第1帧里杯子放在那里。
。。而“动态影象机制”的引入
，，，，，，则进一步缓解了长时序推演中的“灾难性遗忘”问题。
。。 首帧指导机制使用初始帧信息锚定场景
，，，，，，提升视频天生的时空连贯性
；；；
；双通路行动控制调制则将机械人行动轨迹精准映射到视频天生中
，，，，，，实现行动可控的物理仿真。
。。三项立异从场景初始化、长时序影象建模到行动响应控制多维度协同
，，，，，，使BWM在时空连贯性、行动可控性与物理一致性上周全领先。
。。 BWM以小参数目跑赢大模子
，，，，，，这在天下模子领域并未几见。
。。它不但是一项手艺效果
，，，，，，更在提醒一个偏向：算力规模并非唯一的入场券
，，，，，，架构原创才是真正的壁垒。
。。 天下模子好欠好
，，，，，，最终要看它能不可在真实的机械人使命中“靠谱地预判”。
。。BWM在评测中笼罩了六大类典范具身使命场景
，，，，，，每一类都在磨练模子对差别物理交互的建模能力： 空间重排——按巨细排列积木、堆叠碗碟。
。。挑战在于多物体的空间排序与堆叠稳固性。
。。BWM能够坚持物体身份与目的结构
，，，，，，维持稳固堆叠接触
，，，，，，并展望自顺应夹爪控制。
。。 铰链交互——翻开微波炉、掀开条记本电脑。
。。挑战在于铰链约束下的开合动力学
，，，，，，以及旋转历程中物体几何形态的连贯性。
。。BWM在长时序推演中坚持了物体状态的长期性。
。。 细腻操作——拧开关、挂杯子、按铃铛、盖章章。
。。挑战在于极小的接触区域和准确的状态转变交互
，，，，，，要求模子明确物体的可供性——也就是"这个工具能怎么用"。
。。 双臂协同——双手转达积块、交接麦克风。
。。挑战在于双臂同步运动与近距离交接中的碰撞阻止。
。。BWM建模了同步双臂运动
，，，，，，坚持了物体一连性。
。。 长程安排——将物体放入柜子、瓶子扔进垃圾桶。
。。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"凭空消逝"。
。。 漫衍外泛化——团队用GPT-Image-2天生了从未见过的初始场景
，，，，，，叠加原始机械人行动序列让BWM推演未来效果。
。。面临物体外观的强烈转变
，，，，，，BWM仍然坚持了行动驱动的动力学一致性和交互连贯性。
。。这意味着模子并不是靠"背题"拿到高分
，，，，，，而是真正学到了某种水平的物理纪律——即便面临训练历程中没见过的场景外观
，，，，，，它依然能沿着给定的行动序列
，，，，，，合理地推演出接下来会爆发什么。
。。用更通俗的话说：模子拥有了一定水平的“物理直觉”。
。。 这些场景的难度在于
，，，，，，它们不是简朴的视频天生
，，，，，，而是基于给定行动序列的物理仿真。
。。模子需要明确“力”与“运动”的关系
，，，，，，需要预判行动的效果
，，，，，，需要对三维空间有准确感知。
。。这正是天下模子区别于通俗视频天生模子的焦点能力。
。。 当宿天下模子行业保存一个显着的痛点：学术效果难验证
，，，，，，顶尖手艺难复现。
。。许多团队在论文里报告的效果令人印象深刻
，，，，，，但外界既无法复现
，，，，，，也难以判断真实能力界线在那里。
。。 BWM团队接纳的战略是开源与闭源并行——开源版本BLM释放可复现的手艺底座
，，，，，，降低科研与开发门槛
；；；
；闭源版本BWM-Fast则一连探索模子性能上限
，，，，，，验证手艺蹊径的竞争力。
。。 阻止发稿
，，，，，，BLM的模子权重、推理代码已在GitHub和Hugging Face同步开放
，，，，，，训练代码也在逐步释出中。
。。GitHub客栈已收获凌驾1600颗Star。
。。当足够多的研究者和开发者基于统一套开源底座做实验、提issue、孝顺代码
，，，，，，天下模子的迭代速率将会显著加速。
。。 从更大的行业视角来看
，，，，，，天下模子赛道正在从“要不要做”进入“怎么做”的深水区。
。。LeCun的JEPA蹊径、李飞飞的3D天生蹊径、华为系团队的类脑认知蹊径、以及BWM所代表的行动条件视频天生蹊径——差别的手艺路径正在交汇和分解。
。。 英伟达机械人偏向认真人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
，，，，，，复旦大学团队联合新加坡国立大学揭晓综述《World Action Models: The Next Frontier in Embodied AI》
，，，，，，与Jim Fan的论断遥相呼应。
。。 无论这场蹊径之争最终走向何方
，，，，，，BWM的效果已经证实晰一件事：在天下模子的竞争名堂中
，，，，，，中国团队不但在场
，，，，，，并且有实力站在最前面。
。。同济大学空间智能团队体现
，，，，，，这套手艺蹊径与全栈能力系统已形成
，，，，，，未来将在空间智能与天下模子焦点问题上一连深度探索。
。。而关于整个行业来说
，，，，，，一个开源、高水平、一连迭代的天下模子底座
，，，，，，或许正是目今最缺的那块拼图。
。。