从海拉鲁到现实世界：视频模型如何理解「变化」
AI 摘要
雷峰网 AI 科技评论对智象（HiDream.ai）发布的视频生成模型 HiDream-O1-Video-1.0 进行评测，设计夜市爆炒、舞台鼓手、冰可乐 ASMR 三组图生视频任务，与 Seedance 2.5、MiniMax H3 在相同参考图和提示词下对比。评测从意图规划、时间因果和音画对应三个维度量化分析，指出 HiDream 在动作—声音—结果时序、连续运镜和音画对应上表现较好，而 Seedance 和 MiniMax 存在硬切、火焰早于声音、低频闷响替代镲片等问题。文章强调视频模型不等于完整世界模型，需从最小状态变化检验其物理认知。
正文节选
HiDream-O1-Video 的三场世界回应测试。 作者丨Reah 编辑丨李 娜 在《塞尔达传说：旷野之息》中，玩家点燃一片草地，火焰会沿着草叶蔓延，热空气随之升起。此时展开滑翔帆，林克便能借助上升气流离开地面。雷雨中装备金属武器可能招来闪电，降雨又会让攀爬变得困难。海拉鲁并没有追求照片级的视觉拟真，却通过一组稳定、可组合的规则，让玩家感受到一个世界正在持续运行。这种体验的关键是无论世界里有多少种物体，系统都会回应玩家的行动，并且符合物理规律。规则稳定，玩家才有可能根据经验作出预测；多条规则相互作用，又会产生未被逐一写死的解法。一个可信的虚拟世界，因而同时包含状态、变化、交互与反馈。《塞尔达》当然不是机器学习语境中的世界模型。前者的规则主要由设计师与工程师显式构建，后者则试图从数据和交互中学习状态、行动与后果之间的关系。两者机制不同，但指向了同一种直观体验：