新智元报道 模型吃掉应用的故事反了，「可以玩的抖音」开源视频世界模型。 过去几个月，实时视频世界模型突然成为一张拥挤的牌桌。 PixVerse、LingBot、阿里「快乐生蚝」、智象未来等团队，先后发布实时视频世界模型、Demo，并不约而同地把第一站指向互动内容/互动娱乐/ AI游戏。 它们讲述的故事高度相似：当视频能够持续生成、实时响应，人就不再只是观看一段内容，而是可以进入一个由模型生成的世界。 一个强烈的行业预期正在形成：视频模型正在越过AI短剧的边界，向互动娱乐腹地推进。 熟悉的味道，像是又一次「模型吃掉应用」的前奏。 不过，新智元了解到一个特别的玩家打破了这个局面： Loopit发布了实时互动世界模型Zing-0.5，在美团LongCat与复旦大学联合推出的可交互视频世界模型评测WBench中拿到第一。目前已经开源，并计划在2周内在Loopit APP（海外版）上线对应产品功能。 没有看错，就是那个以「可以玩的抖音」被外界熟知的Loopit，其产品上线后曾获马斯克点赞，两个月登顶欧美娱乐榜，累计融资1亿美元。 这家擅长做C端产品和全球增长的应用公司，反过来做出了自己的实时互动世界模型，并在公开评测中拿下第一。 模型吃掉应用的故事，似乎被反了过来。 但这次发布真正值得关注的，还不只是一个应用公司下场做模型拿到第一。 Loopit还提出了三个颇具争议的判断： 第一，空间探索与实时语义生成的联合控制，只是实时视频世界模型进入互动内容的入门门槛。 第二，纯实时视频流无法直接走到世界模型终局。多人、持续、可互动的数字世界，需要先由Code维护状态、规则和因果，再由 Pixel 完成开放的生成式渲染。这也是本次模型命名为Zing-0.5的原因。 第三，模应一体不是商业模式选择，而是走向端到端互动世界模型和构建互动内容产品的必经阶段，只有先把模型放进真实产品，积累「意图—行动—世界变化—用户反馈」的完整轨迹，未来才可能进一步把状态、规则和渲染统一进一个模型。 Loopit一边开源实时视频世界模型，一边戳破实时视频模型的「世界梦」。 它并不否认端到端的终局，而是提出了另一条抵达终局的路径： 先用Coding × Pixel把世界运行起来，再让端到端模型从这个世界里长出来。 开源github地址：https://github.com/seedleap/zing-world-model modelscope 模型下载地址： https://modelscope.cn/models/seedleap/Zing-0.5 huggingface 模型下载地址：https://huggingface.co/seedleap/zing-0.5 以下是新智元了解和实测的详细内容。 Zing-0.5在公开评测WBench中拿到第一 一个可互动的世界，既要允许用户控制「去哪里」，也要允许用户决定「发生什么」。 Zing-0.5通过两条同时运行的控制链路，让用户一边用键盘或手柄探索空间，一边用自然语言改写接下来发生的事情。 Loopit将这项能力概括为「联合控制」： 空间操作决定用户去哪里； 语义输入决定世界发生什么； 两种控制共同作用于同一段持续生成； 新指令进入当前世界，而不是用一段新视频替换当前世界。 围绕这条控制链路，新智元体验了五个逐步加深的 Case。 Case 1：飞行没有中断，巨龙开始喷火 在骑龙飞行约43秒后，输入「龙嘴巴喷火」。 火焰与烟雾随即出现，但巨龙仍沿原方向飞行，洞穴、瀑布和远处光源没有被重置。喷火结束后，飞行继续，前后仍是一段完整的世界演化。 骑龙飞行43秒后输入「龙嘴巴喷火」 Case 2：一句指令，同时改变人物和多座雕像 第二个Case把难度提高了一层。 在石像场景的第 14 秒，新智元输入： 祈祷：主控人物跪地祈祷，所有人脸雕像睁开眼睛。 人物随即跪地，雕像睁眼并发光。角色继续移动时，原有人物和雕像仍保持各自的位置，玩家也可以继续观察结果。 这要求模型不仅理解「发生什么」，还要区分「谁发生变化」以及「哪些对象同时变化」。 主控人物祈祷，多座雕像同时睁眼 Case 3：第一条改写仍在生效，第二条指令已经到来 第三个Case从相同初始画面、相同操作轨迹和相同Prompt出发，将 Zing-0.5 与同类模型进行对比： 第4秒输入「暴风雪」，改变全局天气； 第22秒输入「远方人像睁眼」，改变局部对象。 难点在于，第二条指令必须发生在已经被暴风雪改变的世界里，而不是重新生成场景。 结果显示，在连续改写任务中，Zing-0.5 能够更稳定地把新指令写入当前世界。 相同起点下的「暴风雪—远方人像睁眼」连续改写对比，左侧为Zing-0.5，右侧为另一开源模型 Case 4：一直向前走，主角和通道还能保持原样吗 连续生成的难点，并不只