动作条件输入Action-conditioned input
交互 · 待核
Cosmos 的 `Input Type(s)` 明列 Action Trajectory 并给出各本体维度;Matrix-Game「action-conditioned generation」各家叫法:action trajectory · action-conditioned · 动作条件 · keyboard input同一件事,各家名字不同。我们自己就因为按字面去搜而误判过 —— Kling 管角色参考叫 Element、LTX 叫 Ingredients,按 Character Reference 去找会一无所获, 然后把「没找到」写成「官方没说」。
world:谁实现了
英伟达
NVIDIA Cosmos3
Google DeepMind
Google Genie 3
⚠️ 证据强度弱于 Cosmos:官方没有给出可喂的动作格式或维度,只说了「你可以在里面走」。同样是 ✅,可复现程度差一截。
Google DeepMind 官方博客 · Genie 3官方来源核验版本 Genie 3核验于 2026-08-14机器录入
World Labs
World Labs Marble
「interact with them」说了可交互,但没说喂什么(键盘?轨迹?相机位姿?)—— 不够判这一格。
无来源 —— 这一格是「查了没找到」,不是「我们没查」核验版本 Marble核验于 2026-08-14机器录入
Odyssey
Odyssey-3
2026-10-10 纠正出处:此前引用的多人实时共享世界原句属于官网 Agora-2 产品卡,不能证明 Odyssey-3 具有此能力。当前保留未知,待 Odyssey-3 自己的直接证据。
Odyssey 官网(产品线自述)官方来源核的是 Odyssey-2 · 现已是 Odyssey-3,未重核核验于 2026-10-10机器录入
昆仑万维 Skywork
Matrix-Game 3.0
昆仑万维官方 · Matrix-Game 3.0 模型卡官方来源核验版本 3.0核验于 2026-08-14机器录入
腾讯
混元世界 HY-World 2.0
⚠️ 这一行普遍薄,原因要说清:HF 上的模型卡只有 3k(大半是徽章与 BibTeX),能读的主要是仓库更新日志。日志能证明「发布过什么」,证明不了「它能做什么」 —— 各支的技术细节分散在四个独立仓库里(HY-World-2.0 / HY-WorldPlay / WorldMirror / FlashWorld),还没逐个读。这是「还没读到」,不是「读完没找到」。
无来源 —— 这一格是「查了没找到」,不是「我们没查」核验版本 HY-World 2.0核验于 2026-08-14机器录入
微软
Microsoft WHAM
微软官方 · WHAM 模型卡官方来源核验版本 WHAM核验于 2026-08-14机器录入
Meta
Meta V-JEPA 2
⚠️ 它和这一卷别家不是一类东西:V-JEPA 2 是表征/理解模型(编码视频、做物理推理基准),不生成可交互的世界。这一整块 ⬜ 不是「查不到」,是这些问题在它身上问不出来 —— 同 Helix 那一行的性质(规则十五边界三)。
无来源 —— 这一格是「查了没找到」,不是「我们没查」核验版本 V-JEPA 2核验于 2026-08-14机器录入
Decart
Decart Oasis 3