元境公布面向交互式内容生成的世界模型研究进展，Jelly-World 位列WBench Navi榜综合第一，交互遵循、一致性两大维度同列第一
当视频生成进入游戏研发、长短剧制作与三维商业内容生产，创作者最常撞上的问题是：镜头一转，角色与环境对不上；离开再回来，场景变了样；想微调一个运镜角度，只能推倒重来、重新“抽卡”。
近日，空间智能服务商元境公布世界模型方向的研究进展。元境 Jelly-World 以持久的空间记忆保存、恢复和更新场景状态，以准确的相机位姿与运动轨迹组织内容生成，让内容创作围绕可维护的空间持续展开。
截至 2026 年 10 月 29 日，在交互式视频世界模型公开基准 WBench 的 Navi 榜单中，Jelly-World 以 82.7 分位列综合第一，交互遵循（89.8）与一致性（91.8）两大维度均列第一。
WBench 官网 Navi 榜单截图，2026 年 10 月 29 日
WBench是交互式视频世界模型公开综合基准。与单条视频生成评测不同，WBench把首帧与连续指令结合，检查模型能否在生成画面的同时，持续遵循设定、执行交互、并保持世界状态一致。
很多评测更关注一段demo像不像真的；WBench看的是另一件事——你连续往里走了4轮之后，桌子还在不在原地，墙还是不是那面墙。前者决定好不好看，后者决定能不能用。
整套基准包含289个多轮测试案例、1058轮交互，从画质、设定遵循、交互遵循、一致性、物理合理性五大维度22项指标进行评测，指标均经过人类判断验证；其中Navi榜单包含158个案例。目前WBench官网已收录45个模型的评测结果，涵盖谷歌、字节、京东等多家科技公司与研究团队。
l 持久记忆：场景的空间状态持续保存，解决“世界在不在”的问题。
Jelly-World 为生成的世界维护一份持久的空间记忆：它可以从文字、图像、视频等输入出发构建场景，场景状态可以随时恢复、更新，并在后续任务中加载复用。重访、定位、局部编辑和场景复用都基于同一份空间记忆，离开再回来，场景依然一致。评测中，Jelly-World 一致性维度取得 91.8 分，领先第二名 2.0 分。
片段1：同场景首次和二次环绕场景一致性展示；
- 精准相机控制：按指定机位与轨迹生成，解决“镜头去哪”的问题。
Jelly-World 支持相机控制生成：创作者可以明确指定相机的位置、朝向与运动轨迹，镜头意图不再依赖“向左看”这类文字描述，而是空间中可精确设定的视角与路径。同一场景可以按不同机位和轨迹反复生成，画面内容与空间结构保持一致，也可以在新的任务中继续复用。评测中，在交互遵循维度（Interaction），Jelly-World 以 89.8 分位列第一。
片段2：画面定格在任一瞬间，镜头按指定轨迹在场景中环绕移动，呈现任意时刻镜头准确控制生成，原始视频素材引自TACO数据集（Liu et al., CVPR 2024）；
- 可控动态：具备明确的物理与规则约束，解决“世界动不动”的问题。
运动不该靠逐帧猜测。物体怎么动、角色怎么走，在 Jelly-World 中都有规则与物理约束可循，交互过程稳定可控。
片段3：动态交互控制展示
过去几年，元境围绕 3D 交互内容建设了从生产到运行的基础设施：实时云渲染支撑过大规模云游戏的跨端运行；同时，元境为太古地产等商业空间提供空间智能服务，并参与璧山“梦界空间”数字内容生态建设。这些场景都要求内容在大规模、长时间的运行中保持一致和可控，这也是 Jelly-World 把一致性放在第一优先级的原因。
在应用落地上，内容生产工具与平台是这项能力最先进入的场景：同一个场景可以沉淀为可保存、可更新、跨任务复用的内容资产，支撑多机位、多轮次创作，边际成本低、交付可复制。元境研发的3D云原生游戏《太空天梯》已引入 Jelly-World 参与游戏视频制作：团队可以先锁定机位、构图与动作意图，更早围绕可见效果比较和调整展示方案。相关能力后续也计划逐步集成到元境 AI 剧创作平台“KaaTaa/咖哒”、一站式大模型聚合与智能管理平台“JellyToken”等产品的3D 内容开发工具当中。
在更远一步的延伸上，Jelly-World 在技术上已具备实时交互能力。结合元境在实时云渲染与跨端系统研发上的积累，它有望从内容制作延伸到实时交互体验；这项能力接下来应用落地的场景，将是云原生游戏等高要求的交互内容。元境将持续公布世界模型方向的技术进展，并开放技术交流。
关于元境：元境由阿里巴巴集团孵化，围绕 3D 实时交互内容，建设 AI 创作工具与云端运行能力；以高品质互动产品验证交付，以可复核的世界模型研发推进持续生成与空间记忆。
