搜索
PhyMAGIC通过让物体动起来，从视频中提取物理证据，帮助准确推断材料属性。它结合图生视频与视觉语言模型，生成针对性运动探针，并不断修正物理参数，最终构建出可微分的3D动态模型，实现更符合现实的视频生成。
WorldArena 1.0 的核心意义，在于将世界模型评测从 “好不好看” 推进到 “是否真的有用”。它不再只关注视频观感，而是把物理一致性、可控性、3D 准确性和具身任务功能性纳入统一评测框架，使许多看似流畅的生成结果第一次在机器人具身任务中接受检验。
在传统认知里，制作一个高质量 3D 模型，往往意味着复杂的软件流程、昂贵的硬件设备，以及经年累月积累的专业知识。对专业设计师而言，这是日常工作；可对普通用户而言，却是「看得见，做不了」的高门槛。
3D空间数据的瓶颈，从来不是算法，而是标注。
把一个Bug交给Claude Code或Codex，十几分钟后它回了一句“Done”和一大片Diff。过程中它读错了什么、为什么反复改同一个文件、最后有没有重新跑测试......开发者想知道就只能去几百行日志里碰运气。7月11日，一个名叫Mindwalk的开源项目发布了v0.1.0。
大模型竞技场的 AI 能力负责人 Peter Gostev，在前几天公开了 63 条几乎是故意为难模型的 3D 提示词；从大型 3D 世界，到各种可游玩的 3D 场景、名画世界，以及极端视角、自然奇观，和元素与宇宙终局场面等。
测试方法很简单。 找一个创意性极强的项目，让 4 个模型从零搭建，然后逐个跑一遍，看看谁做得最好看、谁最完整、谁翻车最惨。项目选的是一个 3D 浮岛创意作品集，对标 jordan-breton.com 那种风格，一座漂浮在空中的岛屿，上面有自然元素，随着页面滚动镜头会环绕岛屿移动，分成远景、中景、近景、拉远四个章节。
昨天早上我想给 Claude 的一篇文章配几张 3:4 的社交媒体图。手边有自己做的社交媒体 Skills，就顺手让 Codex 调了 GPT-Image 2.0。出来的效果超出预期。干净白底，克制的 3D 材质，中文标签直接印在图里，远看像杂志内页，近看细节都读得清。
近期， ECCV 2026 结果公布，Realsee 团队的成果 Argus: Metric Panoramic 3D Reconstruction for Indoor Scenes 成功入选。它面向室内全景图像，能够从稀疏、无序的全景照片中，直接预测相机位姿、度量深度和点云重建结果，可以为 3DGS 提供更稳定、更精准的几何约束。
两个月的时间，混元 3 正式版上线。结合了用户对预览版的反馈以及对模型稳定性和可用性的提升，Hy3 在 Agent 和 Coding 能力上有了实质的提升。我们做了多个前端网页的生成测试，大多数都包含复杂的 3D 网页模拟、严格的游戏逻辑，以及需要调用不同的框架和库文件，Hy3 交付的内容要比预览版好上一个等级。