刚刚，中国AI占领全球前四

AI视频，已经开始挑战「实时造世界」了！

9月初，Runway公布GWM Worlds 2研究预览，把音视频生成推进到了实时交互。

你让角色往前走，让房间涌进水，让沙尘暴卷过来，模型就接着生成后面的画面与声音。镜头怎么转、场景怎么变，都能继续下指令。

视频里的世界，开始跟着人的操作往下演。

但一个问题也跟着冒了出来：画面接得上，物理就一定说得通吗？

一篇名为PhysWeep的预印本，给「视频模型懂物理」泼了盆冷水。

研究人员测了三个开放视频生成模型。其中两个，在能追踪运动的样本里，暴露出一个问题：动作看着自然，物理参数却没按要求变化。生成结果，反倒更受随机种子左右。

画面演得挺像，物理题却做错了。

这道坎，恰恰卡在视频生成继续往前走的路上。

视频模型似乎学会了「马上回应」，却还没有学会「合理回应」：角色看似实时行动，场景随指令变化，但水为什么这样流、物体为什么这样倒、人物为什么此刻作出反应，仍在考验模型。

实时交互解决的是延迟，理解世界最需要的是逻辑。想让模型模拟事情如何发生，光靠几秒惊艳的画面，显然交不了卷。

就在这个节点，智象（HiDream.ai）发布原生全模态视频模型HiDream-O1-Video-1.0（下文简称HiDream V1）。

这是一款全新的「原生全模态」视频生成模型。它瞄准的，正是物理合理性、叙事规划和音画同步。

说得直白一点，就是让模型更懂创作者想要什么，生成的视频更连贯，也更接近可用素材。

首次参评，就在Artificial Analysis图生视频榜（含音频）杀入全球第四，Arena图生视频盲测榜全球第八。