世界模型具备哪些核心能力？

世界模型的核心能力可以归纳为四点，共同构成其区别于普通生成模型的特征。

1. 预测能力

在给定动作的条件下推演未来的世界状态，这是区别于单纯内容生成的关键。

2. 反事实推理能力

预测"如果采取不同动作，未来会如何不同"，这被英伟达 Jim Fan 视为世界模型推理能力的体现。

3. 交互性

环境能够实时接收动作输入并持续响应，而非播放一段固定录像。

4. 物理一致性与记忆能力

世界在交互过程中保持自洽。以谷歌 DeepMind 的 Genie 3 为例，该模型以 24 帧每秒的速度生成 720p 分辨率的可导航环境，并通过约一分钟的时空记忆窗口维持物体位置与环境结构的一致，展现出涌现的"物体恒存"特性。