蚂蚁集团、西湖大学、浙江大学联合推出 Code World Model 2.0,它给代码驱动世界模型配上被叫做 “生成式显卡” 的 Invoker-Render 视觉渲染引擎,解决传统视频型世界模型长时间生成容易物体漂移、画面崩坏、身份错乱的痛点,在赛车交互演示里完成长达 30 分钟无切镜、无重置的一镜到底连续生成,用户可以通过手柄持续操控赛车,全程保持物体外观、场景结构稳定,指令响应也足够精准。传统世界模型大多直接根据动作生成像素画面,把世界规则、画面渲染绑在一起,一旦生成时间拉长,很容易出现物体变形、场景错乱、前后逻辑对不上;而 CWM 2.0 采用 “代码维护世界状态 + Proxy 中间表征 + 生成式渲染” 的分离架构,大模型负责持续编写代码维护世界里物体位置、运动规则、碰撞逻辑,输出轻量化 Proxy 线框表征,再交给 Invoker-Render 这个 “生成式显卡”,把结构化 Proxy 转换成高清画面,世界逻辑和画面渲染拆开之后,稳定性上限大幅提升。整套运行流程分成三层协同运转,代码层负责世界推演、状态更新,Proxy 层做结构化中转,渲染层负责输出高保真画面,三层解耦之后,就算长时间持续交互,底层世界规则不会随着画面生成跑偏。目前这套方案还属于实验室研究成果,演示以赛车场景为主,距离开放世界、人形机器人仿真、商用游戏落地还有不少优化工作,不过它给交互式世界模型提供了一条新路线,不用完全依赖传统游戏引擎光栅化渲染。
一、Code World Model 2.0 核心信息清单
- 研发主体:蚂蚁集团、西湖大学 AGI Lab、浙江大学
- 核心组件:Invoker-Render(生成式渲染引擎,俗称生成式显卡)
- 核心能力:30 分钟一镜到底连续交互生成,无切镜、无重置
- 底层范式:代码维护世界状态 + Proxy 结构化表征 + AI 渲染
- 演示场景:交互式赛车,支持手柄实时操控
- 解决痛点:长时序生成物体漂移、身份混淆、场景结构崩坏
- 对比旧版:CWM 1.0 重点验证代码驱动世界,2.0 重点强化长时序渲染稳定性
二、CWM 2.0 架构分层对比表
| 分层模块 | 核心职责 | 特点 |
|---|---|---|
| 代码世界大脑 | 编写、执行代码,维护世界规则、物体状态、碰撞逻辑 | 只负责逻辑,不生成像素,状态稳定可追溯 |
| Proxy 中间表征层 | 将世界状态转为轻量化线框结构化描述 | 作为渲染输入,信息精简、结构固定 |
| Invoker-Render 生成式渲染引擎 | 接收 Proxy,输出高保真连续画面 | 相当于 AI 版显卡,专注视觉生成 |
三、传统像素直出世界模型 VS Code World Model 2.0
| 对比项 | 传统像素式世界模型 | Code World Model 2.0 |
|---|---|---|
| 世界逻辑与渲染 | 耦合在一起 | 解耦分离,逻辑由代码维护 |
| 长时序稳定性 | 长时间容易物体崩坏、漂移 | 30 分钟连续交互保持一致性 |
| 控制精度 | 动作指令容易失控、跑偏 | 依托 Proxy,操控响应精准 |
| 修改场景规则 | 很难,需要重新训练 | 直接修改代码规则,灵活度高 |
四、Code World Model 2.0 完整运行流程
- 用户输入操作指令(手柄、键盘动作)
- 代码智能体更新世界代码,刷新物体位置、运动、碰撞状态
- 根据最新世界状态生成 Proxy 结构化线框表征
- Invoker-Render 读取 Proxy,渲染出当前帧高清画面
- 画面输出给用户,持续接收新操作,循环推进,全程不重置世界
五、当前方案局限与发展方向
- 局限:演示场景以赛车为主,复杂开放场景、多物体密集交互还待验证;算力消耗高,暂时没有面向公众开源部署
- 发展方向:拓展机器人仿真、数字孪生、AI 原生交互场景;进一步降低推理算力;兼容更多环境类型
六、总结
Code World Model 2.0 最大创新就是引入 Invoker-Render 这个 “生成式显卡”,把世界逻辑和画面渲染拆开,依靠 Proxy 中转,实现 30 分钟一镜到底的连续交互生成;它避开纯视频世界模型长时序不稳定的通病,是代码驱动世界模型路线的重要进展,但现阶段仍是实验室研究,大规模落地还需要持续迭代。
【相关 FAQ】
问题 1:Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成,“生成式显卡” 指的是什么?
回答 1:Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成,生成式显卡就是 Invoker-Render 渲染引擎,它接收 Proxy 结构化表征,负责把世界状态渲染成高清连续画面,是这套架构里专门负责视觉输出的模块。
问题 2:Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成,和普通视频世界模型差别在哪?
回答 2:Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成,普通视频世界模型直接从动作生成像素,逻辑和渲染绑定,长时间容易崩坏;CWM 2.0 用代码维护世界规则,Proxy 做中转,渲染单独分离,长时序稳定性更强。
问题 3:Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成,这个模型现在可以公开体验吗?
回答 3:Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成,目前属于实验室研究成果,赛车演示对外放出,暂时没有公开开源、开放体验通道。
【参考资料】
[2026-11-18](给世界模型装上「生成式显卡」!Code World Model 2.0 实现 30 分钟一镜到底)凤凰网科技
[2026-11-18](Code World Model 2.0 发布:代码驱动世界模型长时序交互渲染)机器之心
[2026-11-18](解耦世界逻辑与渲染,CWM 2.0 突破长视频世界模型一致性难题)36 氪
[2026-09-07](Code World Model:用代码构建可交互 AI 世界)36 氪
【免责声明】
本文仅整理 Code World Model 2.0 公开研究资讯,30 分钟一镜到底为特定赛车场景下实验室演示效果,不代表所有场景都能达到同等稳定性;该项目尚处于科研阶段,未商用,相关性能表现不代表未来产品能力;内容仅作为 AI 技术科普参考,不构成采购、开发投资建议。
本文来自作者[冷轨聚合]投稿,不代表新新网立场,如若转载,请注明出处:https://www.xxcmw.com/rgzn/202611/4143.html
评论列表(4条)
我是新新网的签约作者“冷轨聚合”!
希望本篇文章《Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成》能对你有所帮助!
本站[新新网]内容主要涵盖:互联网行业的追踪与探索
本文概览:蚂蚁集团、西湖大学、浙江大学联合推出 Code World Model 2 0,它给代码驱动世界模型配上被叫做 “生成式显卡” 的 Invoker-Render