Здравствуйте! Я ваш друг-журналист по финансовым вопросам и экономист. Сегодня мы поговорим не о холодном коде, а о новом инструменте, который тихо, но неуклонно меняет наш образ жизни в будущем — мировых моделях (World Models).
В последнее время термин «мировые модели» стал очень популярен в технологических кругах. Компании вроде LiFeiFei, ByteDance, Tencent, Alibaba и Ant Group активно участвуют в их разработке. Но что это вообще такое и какое отношение это имеет к обычным людям? Можно ли ими уже пользоваться сейчас?
Чтобы разобраться, я тщательно изучил статью с подробным тестированием от «XiXiaoYao Technology Talk». В ней не используются сложные термины, а автор лично протестировал пять основных продуктов мировых моделей на китайском рынке, как будто играл в видеоигры.
Теперь я объясню всё простым языком, разделив этот обзор на пять ключевых аспектов, чтобы вы смогли понять, на каком этапе находятся технологии создания «виртуальных миров».
---
I. Определение: мировые модели — это не просто видео, а интерактивные параллельные вселенные
Сначала давайте развеем самое распространенное заблуждение: мировые модели ≠ модели генерации видео.
- Модели генерации видео (например, Sora): вы просто смотрите, не можете вмешиваться. Вы видите то, что снял режиссер. Это линейный и фиксированный процесс.
- Мировые модели: похожи на игры вроде «The Legend of Zelda» или «Minecraft». Вы можете прямо влиять на происходящее:
- идти вперед, отступать, поворачивать;
- давать команды миру (например, «пусть пойдет дождь», «открой дверь», «пусть кошка станет супергероем».
- Основной принцип: следующий кадр генерируется в реальном времени на основе ваших действий и команд.
Простой пример: если модель генерации видео — это видеозапись подводного мира, то мировая модель — это возможность попасть в этот мир. Если вы попытаетесь повернуть влево, рыбы разбегутся; если бросите камень, появятся брызги. Всё происходит в реальном времени и с немедленной реакцией системы.
В Китае пять компаний предлагают свои продукты для тестирования:
1. Ant LingBot-World 2.0
2. Loopit Zing-0.5
3. Alibaba HappyOyster 1.0
4. Aishi R1
5. Tencent Hunyuan HY-World 2.1
Их функции делятся на три категории:
- Режиссерский подход: вы даете команды, и мир изменяется в соответствии с ними (Tencent, некоторые продукты Alibaba).
- Интерактивный подход: вы идете, и мир изменяется по вашим действиям (Aishi, некоторые продукты Alibaba).
- Комбинированный подход (ближе к играм): вы одновременно двигаетесь и влияете на мир (Ant, Loopit).
---
II. Сравнение базовых функций: могут ли они запомнить, кто вы?
В играх самое раздражающее — это ошибки в визуальном отображении персонажей или окружающей среды. Например, вы только что были главным героем, а потом вдруг стали обычным прохожим; или дома за вашей спиной исчезли.
Статья показывает, насколько хорошо различные продукты справляются с этой задачей:
1. Воспроизведение начального состояния (стабильность при запуске)
- Тест: нужно было точно воссоздать изображение пустынного пейзажа с лодкой и парусами.
- Результат: Zing, HappyOyster, LingBot показали лучшие результаты.
- Примеры ошибок:
- Aishi R1: если вы предоставили изображение спины персонажа, система отобразила его лицо, что сильно исказило сцену.
- Tencent HY-World: отказалась обрабатывать изображения лиц, предпочитая только пейзажи. Это говорит о том, что сейчас системы больше сосредоточены на генерации сцен, а не на взаимодействии с персонажами.
2. Сохранность изменений во время движения (не исчезают ли объекты и персонажи после действий?)
Это критически важно для правдоподобности виртуального мира. Например, если вы идете вперед, мир должен оставаться стабильным.
- Сохранность персонажей: Zing и HappyOyster: всё остается на месте (лодка, персонаж).
- LingBot: возникли небольшие ошибки (например, из-под лодки появились четыре больших черных колеса, и система не смогла восстановить исходное состояние).
- Aishi R1: катастрофический результат: лицо главного героя трижды изменилось во время движения (спина → лицо → очки → женское лицо). Это показывает, что система пока не может сохранять долгосрочные изменения.
Примечание журналиста: Alibaba HappyOyster лучше всех справляется с сохранением стабильности мира, что идеально подходит для создания погружающихся игровых сред. Loopit Zing также на хорошем уровне; Ant LingBot и Aishi R1 часто допускают ошибки при длительном взаимодействии и нуждаются в доработке.
---
III. Физика и логика: понимают ли системы «здравый смысл»?
Мировые модели должны не только выглядеть реалистично, но и соответствовать законам физики. Например, если цунами идет с вершины корабля, игра становится неприемлемой.
В статье были проверены два физических сценария:
1. Нападение цунами
- Команда: «Нападение цунами».
- Результат: Zing: волны поднимаются с поверхности моря и ударяют по мосту, что соответствует законам физики.
- LingBot: вода течет с вершины корабля, как водопад, но поверхность моря остается спокойной. Это нелогично.
2. Рассвет
- Команда: «Наступает рассвет».
- Результат: Zing: небо и море постепенно освещаются, переход между светом и тенью естественный, как настоящий рассвет.
- LingBot: изменения незаметны, что создает ощущение нереальности.
Примечание журналиста: Zing лидирует в понимании физических законов. Его созданный мир похож на функциональную систему, а не просто на сборку визуальных эффектов. Это важно для будущих игр и симуляций, потому что нелогичные физические эффекты могут снизить уровень вовлеченности пользователя.
---
IV. Основные способы использования: просто смотреть или участвовать в действиях?
Это определяет, являются ли мировые модели просто видео или инструментами для создания игр.
1. Режиссерский подход (система сама решает, что показать)
- Aishi R1: похожа на безумного сценариста. Изображения красивые и креативные, но часто возникают нелогичные ситуации (например, у кошки появляются крылья или появляются неожиданные предметы).
- Alibaba HappyOyster: похожа на профессионального режиссера: камера правильно показывает детали сцены (например, когда кошка идет, сначала показываются ее лапы, затем цветы, затем общий вид). Рассказ развивается логично, что создает наилучший игровой опыт.
2. Комбинированный подход (вы управляете действиями и изменениями окружающей среды)
Это наиболее перспективный подход для будущих игр.
- Пример: вы управляете персонажем, а система изменяет окружающую среду.
- Zing: отлично справляется с этим: когда вы движетесь и стреляете в дракона, камера показывает ваше положение и положение дракона, что помогает понять следующие действия.
- LingBot: слишком много визуальных эффектов (синие ореолы, фиолетовое пламя мешают видеть). Это мешает взаимодействию с персонажем.
Примечание журналиста:
- Если вам нужно просто наблюдать за событиями, выбирайте HappyOyster (Alibaba).
- Если вы хотите участвовать в действиях и влиять на сцену, выбирайте Zing (Loopit).
- LingBot (Ant) имеет красивые эффекты, но они могут мешать взаимодействию с персонажем.
---
V. Коммерческий аспект: насколько быстро технологии распространяются и сколько они стоят?
Даже если технологии хороши, если они медленные или слишком дорогие, обычные люди не смогут ими воспользоваться.
1. Скорость реакции системы
- Zing: быстро реагирует на изменения окружающей среды (например, на появление грозовых облаков).
- LingBot: быстро реагирует на действия персонажа (например, на поворот).
- Aishi R1: реакция медленная, нужно ждать несколько секунд, пока изображение изменится.
- HappyOyster: хорошо справляется с плавными действиями, но не позволяет одновременно давать несколько команд.
Вывод: Zing обладает лучшей скоростью реакции и наиболее близок к реальной игровой плавности.
2. Стоимость
Это важный экономический аспект. В статье сравнивается стоимость использования систем на протяжении 10 минут:
| Продукт | Стоимость за 10 минут | Примечания |
| :--- | :--- | :--- |
| Loopit Zing | менее 1 юаня | Это расходы на серверы и вычислительные ресурсы; если цена будет такой же, продукт будет конкурентоспособным. |
| Ant LingBot | около 2 долларов | Официальная цена за 10 минут использования. |
| Alibaba HappyOyster | около 10,4 долларов | Включает стоимость создания виртуальной среды и плату за реальное время взаимодействия. Самый дорогой вариант. |
| Tencent/Aishi | Данные отсутствуют или ценообразование неизвестно | У Tencent цена зависит от результата использования, у Aishi данных нет. |
Примечание журналиста:
- Zing имеет большое преимущество по стоимости. Если его расходы снизят до 1 юаня, он может стать широко доступным.
- HappyOyster из-за высоких затрат скорее предназначен для профессиональных пользователей, чем для широкой аудитории.
---
📝 Вывод: на каком этапе находятся мировые модели?
С экономической точки зрения мировые модели сейчас находятся на уровне GPT-3:
- Они еще не достигли уровня ChatGPT — не готовы к немедленному использованию без ошибок и с отличными характеристиками.
- Но они уже демонстрируют работоспособность своей технологической концепции. Мы четко видим, что путь, который они выбрали, верный, но необходимо доработать многие детали.
Советы для обычных пользователей:
1. **Не ожидайте, что с