高德发布ABot-World Studio，单卡5090支持小时级交互式视频与3D场景生成
高德发布世界模型工坊，首次将交互式视频与3D场景统一，单卡可生成长时推理的AI世界。
高德发布ABot-World Studio，统一交互式视频与3D场景生成。输入文字或图片即可生成可实时交互、任意分享的AI世界，输出为视频和3DGS文件。单张5090显卡可本地部署，推理时长无上限，实测连续运行超1小时。内置“时空任意门”，可在不同3D世界间穿梭，适用于具身智能、内容创作、文旅教育等场景。
正文摘录
近日，阿里巴巴集团旗下高德正式发布通用世界模型工坊 ABot-World Studio，并同步开放测试。该工坊将交互式视频生成与 3DGS 场景生成统一在同一产品中 —— 用户只需输入一段文字或一张图片，即可生成一个可实时交互、任意分享的 AI 世界，输出结果可保存为视频与 3DGS 文件。 据悉，ABot-World Studio 可在单张 5090 上进行本地部署。该产品在架构层面不设推理时长上限，官方实测中，单次连续推理已稳定运行超过 1 小时且未出现崩溃或质量衰减，远超同类世界模型约 1 分钟的生成上限。该工坊还创新性地内置了 “时空任意门” —— 用户每穿越一次 “任意门”，即可跃迁至另一个完整的 3D 世界。 当前，世界模型存在多条完全不同的技术路径：交互式视频生成，侧重沉浸感和交互性，但视频生成后交互即结束，用户无法持续探索；3D 场景生成聚焦于构建高保真的空间资产，但世界之间缺少连续性，探索范围受限于单一场景。两者本质上仍停留在 “一段视频” 或 “一个场景” 的范式内。ABot-World Studio 首次将二者统一，同时实现了实时探索与永久记忆。 在交互式视频生成方面，ABot-World Studio 解决了传统视频模型长时序易崩坏的问题。工坊在确保画面与首帧画质相当的前提下，支持超过一小时的第一人称与第三人称长时推理。此外，由于模型对真实物理规则的高度还原，其生成的世界不再是被动播放的像素流，而是能跟随用户的每一个动作实时演化与反馈，真正实现对世界的预测和精准操控。 在 3D 场景生成方面，工坊原生输出具备真实几何结构的 3DGS 空间资产。生成的世界既拥有照片级视觉保真度，也具备可感知的空间深度与物理边界，用户可以自由进行空间探索。所有生成的 3D 世界均可保存与分享，构建起一个开放的公共世界库。