返回今日热点: 谷歌Genie 4 AI搭建可漫游的世界；目前只对受邀测试者开放

Poly 榜单 · 来自今日热点

2026年最佳AI世界模型：外部长时间行走测试结果

在外部测试中，Genie 3的记忆力在所有受测模型中得分最高，但在听从按键指令方面只排第8位。10月27日发布的Genie 4，还没有任何外部基准测试对它做过测试。

第1名：Genie 3（谷歌DeepMind）
10 个名次
截至 2026年10月28日, 16:51 EDT

01最终榜单

领先的 AI 各自独立编制了十项榜单。这里是一份便于核对的汇总：每个名次都有理由、来源，以及列入它的 AI。

排序依据：按 AI 认同度从高到低。

亮色标签表示该 AI 把这一项列入了自己的榜单，暗色标签表示没有。

1
Genie 3（谷歌DeepMind）
第一人称视角在WorldRoamBench排名第一（论文中为73.81，项目网站上为70.32），记忆力最好，但按键跟随排第8位。Project Genie将行走时长限制在60秒。
已列入: Claude, ChatGPT, Grok, Nova, Kimi, Qwen, StepFun, DeepSeek. 未列入: Gemini, Wenxin.
在各自榜单中的名次: Claude: 1 · ChatGPT: 1 · Grok: 1 · Nova: 10 · Kimi: 1 · Qwen: 8 · StepFun: 2 · DeepSeek: 1
每个 AI 的看法 8
- Claude第 1 名
  在 WorldRoamBench 的第一人称榜上，记忆和物理排名第一，但动作跟随排第八、画面质量排第九：这是少见的、能记住房间却较少听你指挥的模型。
  来源 ↗
- ChatGPT第 1 名
  独立竞技场榜首，Elo 为 1,727；但即便是领先一代的交互式视频世界，离经过验证的一小时模拟仍然很远。
- Grok第 1 名
  在外部人员的长距离行走测试中领先（第一人称综合约 70–74 分），但与精心挑选的演示相比，外部人员仍能看到物理和记忆方面的差距。
  来源 ↗
- Nova第 10 名
  Genie 4 的基础，1 分钟稳定性
  来源 ↗
- Kimi第 1 名
  唯一在两项独立行走测试中都名列前茅的模型：WorldRoamBench 第一人称综合第一（73.81），WorldMark 世界一致性最佳——但你的行走按设计在 60 秒处结束。
- Qwen第 8 名
  Genie 4 的 2025 年前身，开创了用户引导的环境，如今在物理方面已被 Cosmos、在 3D 导出方面已被 Marble 大幅超越。
  来源 ↗
- StepFun第 2 名
  唯一一个所有外部基准都会运行的世界模型——其自称的一分钟记忆，表格大体上也证实了。
  来源 ↗
- DeepSeek第 1 名
  唯一在每个外部基准中都进入前三的世界模型，而它第八名的动作分数，恰恰显示了精选演示的边界所在。
  来源 ↗
8 个 AI 列入此名次
来源 ↗
2
Genie 4（谷歌DeepMind）
有声音、会说话的角色，还能在世界中途用文字改动场景，但只有受邀测试人员能用，也没有任何外部测试。“2分钟”来自媒体报道，谷歌没有给出数字。
已列入: Claude, ChatGPT, Grok, Nova, Kimi, Qwen, StepFun, DeepSeek. 未列入: Gemini, Wenxin.
在各自榜单中的名次: Claude: 3 · ChatGPT: 3 · Grok: 3 · Nova: 1 · Kimi: 9 · Qwen: 2 · StepFun: 3 · DeepSeek: 2
每个 AI 的看法 8
- Claude第 3 名
  功能列表最丰富（声音、会说话的角色、世界运行中可随时输入修改），外部证据却最少：昨天刚发布，尚无人测试。
  来源 ↗
- ChatGPT第 3 名
  约两分钟的交互式模拟现已包含生成的语音和声音，但独立测试者尚未确认，世界在回访时能否保持不变。
  来源 ↗
- Grok第 3 名
  首个带有原生音频和对话的 DeepMind 世界模型，但目前仅向受邀测试者开放，外部人员也未做基准测试。
  来源 ↗
- Nova第 1 名
  原生音频，2 分钟稳定性，由 Gemini 引导规划
  来源 ↗
- Kimi第 9 名
  昨天刚发布，宣称的飞跃最大——声音、会说话的角色、由 Gemini 驱动场景的“大脑”——但没有任何外部测试或公开规格可以验证。
  来源 ↗
- Qwen第 2 名
  于 2026 年 10 月 27 日宣布，新增实时原生音频和会话式角色，但其真实稳定性仍被锁在仅限受邀测试者的门槛之后。
  来源 ↗
- StepFun第 3 名
  迄今展示过的最具交互性的世界模型，还没有被谷歌以外的任何人运行过。
  来源 ↗
- DeepSeek第 2 名
  两分钟的连贯性、原生声音、会对话的角色——但没有一行外部基准数据可以证明。
  来源 ↗
8 个 AI 列入此名次
来源 ↗
3
Marble（世界实验室）
不会漂移，因为它的世界是保存下来的3D文件（三维点云和网格），而不是实时视频。没有任何长时间行走测试检验过它，它也不是实时模拟器。
已列入: Claude, ChatGPT, Gemini, Grok, Kimi, Qwen, StepFun, DeepSeek. 未列入: Nova, Wenxin.
在各自榜单中的名次: Claude: 6 · ChatGPT: 2 · Gemini: 2 · Grok: 5 · Kimi: 4 · Qwen: 3 · StepFun: 1 · DeepSeek: 3
每个 AI 的看法 8
- Claude第 6 名
  它不串流视频，而是交给你一个持久的高斯泼溅与网格世界，因此设计上转身是安全的，但你无法在里面长时间游玩。
  来源 ↗
- ChatGPT第 2 名
  能导出为真正 3D 几何体的世界，在持久性上有优势；而精美却持续重新生成的视频，无法自动做到这一点。
- Gemini第 2 名
  与纯视频幻术不同，它能把单张照片编译为可导出的 3D 高斯泼溅世界，人类建筑师可以在其中无限行走，画面不会衰退。
- Grok第 5 名
  唯一能导出真正可编辑 3D（高斯泼溅、网格、GLB）的模型，而不是只能输出视频的行走。
- Kimi第 4 名
  稳定的秘诀：它的世界永不衰退，因为它们是导出的 3D 文件——是唯一一个任何基准都无法让它“忘记”房间的顶级模型。
- Qwen第 3 名
  唯一真正导出可编辑 3D 几何体、而不只是视频的模型，给电影制作人和建筑师提供的是真正的空间引擎，而不是幻觉。
- StepFun第 1 名
  唯一一个物体恒存性是一种文件格式、而非一种期望的世界模型。
- DeepSeek第 3 名
  唯一导出可在 Unreal 或 Blender 中重新打开的高斯泼溅场景的顶级模型——靠几何结构而非记忆实现物体恒存性。
8 个 AI 列入此名次
来源 ↗
4
英伟达 Cosmos 3
专为训练机器人和汽车而打造，未参加行走测试。英伟达自己的报告称，其中一个驾驶版本能保持指标稳定1小时（实验室说法，仅两个场景）。
已列入: Claude, ChatGPT, Gemini, Grok, Kimi, Wenxin, Qwen, StepFun. 未列入: Nova, DeepSeek.
在各自榜单中的名次: Claude: 8 · ChatGPT: 9 · Gemini: 3 · Grok: 4 · Kimi: 8 · Wenxin: 1 · Qwen: 1 · StepFun: 6
每个 AI 的看法 8
- Claude第 8 名
  专为生成机器人和汽车的训练数据而打造，而不是用来在其中漫步；面向开发者开放。
  来源 ↗
- ChatGPT第 9 名
  影响最大的世界模型平台，或许是那个为机器人训练打造数据的平台，而不是赢得精美世界视频比赛的那个。
- Gemini第 3 名
  专为物理 AI 而非游戏打造，在重力和摩擦基准上得分最高，并能摄入工业机器人轨迹。
  来源 ↗
- Grok第 4 名
  开放的全模态物理 AI 基础模型，已用于机器人和自动驾驶仿真；在开放的物理基准上排名靠前，但交互式长距离行走的分数落后于闭源模型。
  来源 ↗
- Kimi第 8 名
  没人为了乐趣走过它，但它是唯一公开了一小时稳定性曲线的模型——在整整 60 分钟的驾驶模拟中，各项指标都保持在范围之内。
  来源 ↗
- Wenxin第 1 名
  唯一拥有已公开物理引擎、今天就能运行机器人仿真的世界模型——为开发者提供数分钟的稳定世界。
  来源 ↗
- Qwen第 1 名
  唯一在七个物理 AI 排行榜上都位列第一的开源模型，使世界生成成为机器人训练的标准，而非噱头。
- StepFun第 6 名
  开放且全模态，但用于训练机器人，而不是让人走上一小时。
  来源 ↗
8 个 AI 列入此名次
来源 ↗
5
HY-World 1.5 / WorldPlay（腾讯混元）
按键跟随能力在所有模型中最强（部分准确率98.33，第一人称70.29），但第三人称控制降至21.23，而Happy Oyster为84.43。
已列入: Claude, ChatGPT, Grok, Nova, Kimi, Qwen, StepFun, DeepSeek. 未列入: Gemini, Wenxin.
在各自榜单中的名次: Claude: 4 · ChatGPT: 6 · Grok: 7 · Nova: 2 · Kimi: 6 · Qwen: 6 · StepFun: 5 · DeepSeek: 8
每个 AI 的看法 8
- Claude第 4 名
  唯一提供 24 FPS 并具备长期几何记忆的开源模型，附带完整训练代码和权重，并由外部人员在 WorldMark 中运行过。
  来源 ↗
- ChatGPT第 6 名
  一款公开发布的世界模型，带有明确的记忆重建机制：即便生成的世界不完美，其工程实现也可以检视。
  来源 ↗
- Grok第 7 名
  开放权重，部分动作分数领先，但在第三人称控制和物理方面远远落后于闭源模型。
  来源 ↗
- Nova第 2 名
  质量与控制均衡，开源
  来源 ↗
- Kimi第 6 名
  比 Genie 3 更好地跟随键盘指令（部分动作准确率 98.33），但角色一出现就会丢失房间——第三人称控制率仅 21%。
  来源 ↗
- Qwen第 6 名
  腾讯的开源多模态框架，可构建带有深度和相机姿态的可导航真实 3D 场景，是闭源巨头的强劲对手。
  来源 ↗
- StepFun第 5 名
  唯一承诺几何一致性、而不只是视觉记忆的开源模型。
  来源 ↗
- DeepSeek第 8 名
  WBench 导航最佳，得分 87.5，但视角一致性崩溃至 62.5——一个可以驾驭、却不值得在转身时信任的世界。
  来源 ↗
8 个 AI 列入此名次
来源 ↗
6
Matrix-Game 3.0（昆仑万维）
最快的开源模型（720p下40 FPS，为作者所称），但在外部行走测试中第一人称得分仅63.31。其分钟级记忆力是实验室自己的说法。
已列入: Claude, ChatGPT, Grok, Nova, Kimi, Qwen, StepFun, DeepSeek. 未列入: Gemini, Wenxin.
在各自榜单中的名次: Claude: 5 · ChatGPT: 7 · Grok: 8 · Nova: 3 · Kimi: 5 · Qwen: 5 · StepFun: 4 · DeepSeek: 7
每个 AI 的看法 8
- Claude第 5 名
  一个 5B 开源模型可达 720p、最高 40 FPS，较 2.0 的 25 FPS 大幅提升，但“一分钟”的说法来自作者自己。
  来源 ↗
- ChatGPT第 7 名
  1,487 Elo 与 Genie 3 相比并不出色，但 WorldMark 认为它在执行反向指令方面是个好例子。
- Grok第 8 名
  快速的开源交互式视频模型（约 5 MPPS），但在长时程物理和记忆方面仍然落后。
  来源 ↗
- Nova第 3 名
  物理表现强，支持第三人称
  来源 ↗
- Kimi第 5 名
  开源的一分钟保持者：720p、40 fps，记忆可持续一分钟；2026 年 10 月 15 日，它发展为 Matrix-Game 4.0，成为可以真正游玩的游戏关卡。
  来源 ↗
- Qwen第 5 名
  长时长 720p 视频生成的开源冠军，在 WorldMark 上能将场景连贯保持数分钟，而专有模型往往会在视觉漂移中瓦解。
  来源 ↗
- StepFun第 4 名
  约 25 GB 的开源权重，在消费级显卡上可在 720p 下达到 40 FPS。
  来源 ↗
- DeepSeek第 7 名
  720p 下 40 FPS，模型规模 5B——是开源实时基准中需要超越的目标。
  来源 ↗
8 个 AI 列入此名次
来源 ↗
7
YUME 1.5
WorldMark中画面最漂亮（成像得分74.36），但连贯性弱：WorldRoamBench第一人称得分56.21，在10个模型中排第9。转身时，房间就会变得不合常理。
已列入: Claude, ChatGPT, Grok, Nova, Kimi, Qwen, StepFun, DeepSeek. 未列入: Gemini, Wenxin.
在各自榜单中的名次: Claude: 9 · ChatGPT: 5 · Grok: 9 · Nova: 4 · Kimi: 10 · Qwen: 7 · StepFun: 10 · DeepSeek: 9
每个 AI 的看法 8
- Claude第 9 名
  WorldMark 在相同场景上运行过这款开源模型，但在我能检索到的资料中没有突出的成绩。
  来源 ↗
- ChatGPT第 5 名
  人类偏好投票中排第三，但 WorldMark 的动作测试显示，一个逼真的场景仍可能对基本移动指令反应糟糕。
- Grok第 9 名
  在 WorldMark 上美学分数很高，但在长时程的 WorldRoamBench 稳定性排名中接近垫底。
  来源 ↗
- Nova第 4 名
  视觉吸引力强，一致性较弱
  来源 ↗
- Kimi第 10 名
  选美冠军，却栽在记忆测试上：WorldMark 中的画面最漂亮，但你一转身，房间就不再合乎逻辑。
  来源 ↗
- Qwen第 7 名
  一款文本控制的交互式世界生成器，在 WorldMark 的统一场景上表现稳定，但缺少 Genie 4 那种实时音频的深度。
  来源 ↗
- StepFun第 10 名
  开放且可用键盘操控，也是演示超过其自身旋转表现的最清晰例子。
  来源 ↗
- DeepSeek第 9 名
  WorldMark 的视觉质量冠军，在长时程连贯性上排名靠后——美丽却没有记忆。
  来源 ↗
8 个 AI 列入此名次
来源 ↗
8
Happy Oyster（阿里巴巴）
画面中出现角色后，它就胜过Genie 3：第三人称视角在WorldRoamBench排名第一（60.24比57.04），第一人称进入前三。闭源，需通过候补名单申请抢先体验。
已列入: Claude, Grok, Nova, Kimi, Qwen, StepFun, DeepSeek. 未列入: ChatGPT, Gemini, Wenxin.
在各自榜单中的名次: Claude: 2 · Grok: 2 · Nova: 9 · Kimi: 2 · Qwen: 4 · StepFun: 8 · DeepSeek: 4
每个 AI 的看法 7
- Claude第 2 名
  在 WorldRoamBench 的第三人称榜上位居第一，第一人称前三名中也有它；媒体称其漫游模式可运行约 1 分钟。
  来源 ↗
- Grok第 2 名
  在外部人员的同一批行走测试中，第三人称控制和记忆位居第一，这些测试暴露了开源模型的差距；其导演模式可达 3 分钟。
  来源 ↗
- Nova第 9 名
  早期阶段，测试有限
  来源 ↗
- Kimi第 2 名
  一出现角色就超越 Genie 3：WorldRoamBench 第三人称第一，第三人称控制率达 84.4%，约为最佳开源模型的 4 倍。
  来源 ↗
- Qwen第 4 名
  一个实时开放式引擎，可处理语音和键盘输入，在 WorldRoamBench 上得分高，但仍难以在 60 秒之后保持物理稳定。
  来源 ↗
- StepFun第 8 名
  在最常被引用的开源榜单上是响亮的名字，但在跟随你的按键方面仍落后于开源模型。
  来源 ↗
- DeepSeek第 4 名
  WorldRoamBench 的第三人称冠军，也是 WBench 导航上的异类，得分 94.8——但视觉分却排在最后。
  来源 ↗
7 个 AI 列入此名次
来源 ↗
9
Lyra 2.0（英伟达）
外部长时间行走测试中最好的开源模型：第一人称得分70.32（网站上为69.61），紧随Genie 3之后。模型权重采用非商业许可证。
已列入: Claude, ChatGPT, Grok, Nova, Kimi, DeepSeek. 未列入: Gemini, Wenxin, Qwen, StepFun.
在各自榜单中的名次: Claude: 7 · ChatGPT: 查看列表 · Grok: 6 · Nova: 6 · Kimi: 3 · DeepSeek: 5
每个 AI 的看法 6
- Claude第 7 名
  在 WorldRoamBench 第一人称榜上位列前三，但受到的关注远少于 Genie。
  来源 ↗
- ChatGPT
  在它自己的列表中名称不同：请打开完整列表。
  查看列表
- Grok第 6 名
  WorldRoamBench 上开源模型的第一人称最高分（约 69–70），紧随闭源领先者之后。
  来源 ↗
- Nova第 6 名
  记忆强，物理中等
  来源 ↗
- Kimi第 3 名
  外部人员行走测试中最好的开源权重模型：第一人称综合 70.32，与 Genie 3 相差不到 3.5 分，而且你可以租用它的硬件。
  来源 ↗
- DeepSeek第 5 名
  开源权重领先者：在 WorldRoamBench 综合排名第二，也是前五名中唯一可以下载并运行的模型。
  来源 ↗
6 个 AI 列入此名次
来源 ↗
10
LingBot-World（蚂蚁集团）
面对复杂的按键序列时表现稳定（严格准确率下降不到5个百分点），WorldRoamBench第一人称得分64.25，但第三人称只有32.19。
已列入: ChatGPT, Grok, Nova, Kimi. 未列入: Claude, Gemini, Wenxin, Qwen, StepFun, DeepSeek.
在各自榜单中的名次: ChatGPT: 8 · Grok: 10 · Nova: 5 · Kimi: 7
每个 AI 的看法 4
- ChatGPT第 8 名
  一位 Elo 为 1,605 的竞争者，有 228 场竞技场对战，公开对比记录比几个更知名的对手还多。
- Grok第 10 名
  开源模型在动作跟随上有竞争力，但外部人员运行相同的行走测试时，第三人称控制和整体稳定性较弱。
  来源 ↗
- Nova第 5 名
  空间一致性好，控制有问题
  来源 ↗
- Kimi第 7 名
  开放世界中一贯的亚军：外部人员行走测试得分 64.25，在英伟达的相机导航基准中仅次于英伟达自家的模拟器。
  来源 ↗
4 个 AI 列入此名次
来源 ↗

前三名详解 ↓

02前三名详解

榜单在上方。这里进一步介绍排名前三的对象：它们是什么、为什么上榜、有哪些值得了解的事。

只有Genie 3有外部评分（WorldRoamBench）。Genie 4没有外部测试，Marble是一个保存下来的3D文件，没有任何长时间行走测试覆盖它，因此这三者的衡量方式并不相同。

1Genie 3（谷歌DeepMind）

第 1 名 — Genie 3（谷歌DeepMind）. 10 个 AI 中有 8 个将其列入榜单；在其中的中位名次：1. 在外部行走测试中，它的记忆力是所有模型中最好的，但对按键的响应较差，而且每次行走都会在60秒时结束。

Unknown author Unknown author · Public domain · Wikimedia Commons

你知道吗

Genie 3可以从谷歌街景出发生成街景场景。Waymo为了模拟机器人出租车遇到的罕见路况，开发了自己的版本——Waymo World Model。该版本输出激光雷达数据的速度快4倍。
来源 ↗

它是什么: 谷歌的一款AI，可以实时生成一个你能走进去的世界，并以视频形式呈现。
它的优势: 三者中唯一有外部测试成绩的一款，记忆力排名第一。
适合谁: 适合想体验可实时行走世界的人；不适合需要长时间使用的人。

WorldRoamBench第一人称得分第一人称73.81分（论文数据）

维基百科 · Wikidata

为什么上榜

在包含12个世界模型的WorldRoamBench测试中，Genie 3在第一人称行走的记忆力上排名第一，物理表现也排名第一。其短板是按键响应，在这一项中排名第8。
来源 ↗
Genie 3的记忆时长约为一分钟，而Genie 2只有10至20秒。但大众能用的版本Project Genie，每次行走都会在60秒时结束，因为更长的时长成本过高，难以广泛提供。
来源 ↗ ✓ 多个 AI 共同确认

你知道吗

据报道，Genie 3拥有110亿个参数。其约一分钟的视觉记忆，是Genie 2的10至20秒的3至6倍。Genie 2生成的世界分辨率也只有360p。
来源 ↗

历史

Project Genie于2026年1月29日向美国的谷歌AI Ultra订阅用户开放。谷歌的页面称，行走时长上限为60秒，且控制可能会比较慢。
来源 ↗

需要注意

TechCrunch称，由于计算成本，每次Project Genie使用都限制在一分钟内。回到同一地点通常可以正常工作，但场景重新绘制时，物体可能会缺失或多出来。
来源 ↗ ✓ 多个 AI 共同确认
同一篇报道还发现，按键有时没有反应，或让角色朝错误的方向移动，角色偶尔还会穿墙而过。写实风格的提示词往往看起来像电子游戏。
来源 ↗

进一步了解

Project Genie面向美国18岁及以上的谷歌AI Ultra订阅用户，运行的是Genie 3。可以从世界草图开始：描述一个场景，选择行走、飞行或驾驶，然后在其中移动。注意60秒的时长限制。
来源 ↗

视频: AlphaGo - How AI mastered the hardest boardgame in history (英文) · Arxiv Insights

比较前三名 ↓

2Genie 4（谷歌DeepMind）

第 2 名 — Genie 4（谷歌DeepMind）. 10 个 AI 中有 8 个将其列入榜单；在其中的中位名次：3. 它增加了声音，世界也更长，据媒体报道约两分钟，但只有受邀的测试者能使用，目前没有外部测试。

Unknown author Unknown author · Public domain · Wikimedia Commons

你知道吗

Genie 4于2026年10月27日以研究预览形式亮相，距离本排名仅一天。谷歌表示，它基于Gemini Omni构建，以呈现逼真的细节。DeepMind还将其定位为一个安全的场所，用来测试机器人和智能体如何移动。
来源 ↗

它是什么: 谷歌最新的世界模型，2026年10月27日发布。
它的优势: 世界比Genie 3更长（据媒体报道），并增加了声音和会说话的角色。
适合谁: 适合能加入测试者名单的人；其他人应等待更广泛的开放。

WorldRoamBench第一人称得分暂无外部测试

维基百科 · Wikidata

为什么上榜

Genie 4的体验时长约为两分钟，是2026年1月Project Genie的60秒时长的两倍。因此在时长上排名高于Genie 3。这一数字来自媒体报道，并非谷歌公布。
来源 ↗ ✓ 多个 AI 共同确认
谷歌于2026年10月27日宣布Genie 4，但只对一小群值得信赖的测试者开放。Ultra订阅用户将“很快”获得，Gemini API合作伙伴稍后可用，具体日期未公布。因此在谁能使用这一项上，它排名低于Genie 3。
来源 ↗ ✓ 多个 AI 共同确认

历史

Genie 4于2026年10月27日仅向值得信赖的测试者以研究预览形式开放。“最长两分钟”这一数字来自TechCrunch的报道，是Genie 3上限的两倍。
来源 ↗ ✓ 多个 AI 共同确认

需要注意

TechCrunch称，Genie 4可在最长两分钟内保持场景一致，但运行时间越长，细节和物体可能越会漂移。它目前只是面向值得信赖测试者的研究预览。
来源 ↗
TechCrunch报道称，DeepMind尚未解决如何让声音准确，以及如何让世界中的任何文字可读。
来源 ↗

人们怎么说

"anytime you’re kind of in need of rapid ideation." — Diego Rivas, Google DeepMind engineer
来源 ↗

进一步了解

Genie 4是面向值得信赖测试者的研究预览，所以你大概暂时打不开。请阅读页面上关于声音以及“几分钟的连续互动”的说明，然后在Project Genie中与Genie 3进行比较。
来源 ↗

Nova 把它排在第一。它们看到了什么

Nova: 原生音频，2 分钟稳定性，由 Gemini 引导规划

视频: AlphaGo - How AI mastered the hardest boardgame in history (英文) · Arxiv Insights

比较前三名 ↓

3Marble（世界实验室）

第 3 名 — Marble（世界实验室）. 10 个 AI 中有 8 个将其列入榜单；在其中的中位名次：3. 它的世界是保存下来的3D文件，因此从不漂移，但没有任何长时间行走测试覆盖它，而且它不是实时模拟器。

你知道吗

Marble的免费套餐可以生成世界，但不能导出。保存splat文件、360度全景图和物理碰撞网格需要付费套餐。带纹理的GLB网格需要Pro套餐，商业使用权也只包含在Pro套餐中，不含Standard套餐。
来源 ↗

它是什么: 世界实验室推出的工具，可将文字或图片转换为保存下来的3D世界。
它的优势: 它的世界是文件，因此不会漂移，也不会忘记某个房间。
适合谁: 适合想要可导出3D内容的创作者和游戏制作者；不适合想要会随操作而变化的世界的人。

WorldRoamBench第一人称得分暂无长时间行走测试

维基百科 · Wikidata

为什么上榜

Marble把每个世界保存为文件，而不是实时生成。全质量文件包含200万个splat（微小的3D光点），格式为.ply或.spz，因此无论你停留多久，世界都保持不变。
来源 ↗ ✓ 多个 AI 共同确认
Marble还提供为实时播放而做的较轻版本，包含50万个splat，并支持标准3D网格。这个世界是一个可以在游戏工具中打开的文件，而不是你可以走进去的实时模拟器。
来源 ↗

你知道吗

Marble的世界可以脱离Marble使用。可导出至Unreal Engine、Unity、Blender和Houdini，也可通过Spark for three.js导入网页应用。因为它是保存下来的文件，而不是实时生成的视频，所以表现稳定。
来源 ↗ ✓ 多个 AI 共同确认

历史

2025年11月，世界实验室推出了其首款商业产品Marble，可将文字提示转换为可下载的3D世界。该公司此前的估值已略超过10亿美元。
来源 ↗

需要注意

AI Indigo的评测写道：“最明显的局限是缺乏精细控制。”它还称，Marble无法取代完整的制作流程。
来源 ↗
同一篇评测称，虽然可以在这些世界中行走，但“互动性有限”。因此，Marble更像是一个可供探索的保存场景，而不是一个有生命、会反应的世界。
来源 ↗

人们怎么说

"It doesn’t replace the 3D artist, but it gives every creator the power to build a world." — AI Indigo Team
来源 ↗

进一步了解

Marble可以根据文字提示、图片或视频生成保存下来的3D世界。打开“创建”栏目，选择预设或输入简短描述，然后在生成的世界中走动，并在转身回来时确认同一个房间仍在原处。
来源 ↗

StepFun 把它排在第一。它们看到了什么

StepFun: 唯一一个物体恒存性是一种文件格式、而非一种期望的世界模型。

视频: Why Calacatta Marble Is So Expensive | So Expensive | Business Insider (英文) · Business Insider

比较前三名 ↓

前三名对比

	Genie 3（谷歌DeepMind）	Genie 4（谷歌DeepMind）	Marble（世界实验室）
进入 AI 榜单	8 / 10	8 / 10	8 / 10
WorldRoamBench第一人称得分	第一人称73.81分（论文数据）	暂无外部测试	暂无长时间行走测试
排第一的 AI	Claude, ChatGPT, Grok, Kimi, DeepSeek	Nova	StepFun

AI 数量相同的名次，按其在各 AI 榜单中的平均名次排序。

03值得了解

AI 在编制榜单时注意到的内容。

同一个Genie 3，记忆和物理表现排第1，按键跟随排第8，画面质量排第9：记住一个房间和听从你的指令，是两种不同的能力。

提及者:

已列入: Claude, StepFun, DeepSeek. 未列入: ChatGPT, Gemini, Grok, Nova, Kimi, Wenxin, Qwen.

01最终榜单

Genie 3（谷歌DeepMind）

Genie 4（谷歌DeepMind）

Marble（世界实验室）

英伟达 Cosmos 3

HY-World 1.5 / WorldPlay（腾讯混元）

Matrix-Game 3.0（昆仑万维）

YUME 1.5

Happy Oyster（阿里巴巴）

Lyra 2.0（英伟达）

LingBot-World（蚂蚁集团）

02前三名详解

1Genie 3（谷歌DeepMind）

你知道吗

2Genie 4（谷歌DeepMind）

你知道吗

3Marble（世界实验室）

你知道吗

前三名对比

更多榜单

03值得了解

04大家常问的问题

05我们如何统计

1问题

2为什么选这个话题

3适用范围

4考量标准

5谁来排名

6名次如何确定

06各个 AI 的单独榜单

Claude 注意到的内容

ChatGPT 注意到的内容

Gemini 注意到的内容

Grok 注意到的内容

Nova 注意到的内容

Kimi 注意到的内容

Wenxin 注意到的内容

Qwen 注意到的内容

StepFun 注意到的内容

DeepSeek 注意到的内容