高德发布ABot-World-0：单张消费级显卡实现天级长时推理
高德ABot-World-0把世界模型推理时长从分钟级提升到天级，并开源，让个人开发者也能本地部署。
高德发布通用交互式世界模型ABot-World-0，首次在单张消费级GPU上连续推理24小时，画面和物理一致性不衰减。此前同类模型只能维持30秒到1分钟，因自回归生成中误差累积会导致画面崩坏。高德用LongForcing训练范式（引入长时域教师模型约束生成分布）解决此问题，且已开源。
正文摘录
- title: 全球首个单张消费级显卡实现"天级"长时推理，高德 ABot-World-0 登顶 Hugging Face - sourcecompany: 新智元 - bodymarkdown: 近日，阿里巴巴集团旗下高德正式宣布，其自研的通用交互式世界模型 ABot-World-0 完成新一轮技术升级，在单张消费级 GPU 上实现连续 24 小时超长时稳定推理，画质、物理一致性与交互响应无明显衰减，刷新了交互式世界模型的时长极限。这也是全球首个将推理时长从"分钟级"提升至"天级"的世界模型。  过去，业界主流世界模型的单次连续生成时长普遍停留在 30 秒至 1 分钟量级，一旦推理时间拉长，模型便会出现画面崩坏、物体形变漂移、物理规则失真、交互指令响应错位等典型问题——这一现象背后是自回归式视频生成中的误差累积问题：画面对上一帧的依赖，使微小的预测偏差在长序列中被指数级放大。如何让世界模型"跑得久、跑得稳、跑得住"，成为整个行业必须跨过的一道门槛。 为解决上述问题，高德自研的通用交互式世界模型 ABot-World-0 提出全新的 LongForcing 长程训练范式：将"长时间尺度上的稳定性"与"场景与动态的开放性"统一纳入模型学习目标，让模型在训练阶段就直面超长时序推演。 LongForcing 的核心，并不是让模型机械地"记住"更早的画面，而是引入具备更长时域建模能力的教师模型（teacher model），将训练目标从短片段内的局部生成质量，拓展到多轮自回归之后的长程生成分布。