小鹏 XGEN-JING 世界模型开源：第一人称交互，6 张 H100 即可跑 Demo
AdinaYakup · x · 2026-09-21
XGEN-JING 是小鹏 XGEN 团队基于 MiniMax-H3 构建的第一人称交互式体验模型，根据动作、参考图和观察历史联合生成导航、物体交互与对话所需的视频和音频。关键信息：
- 相机控制：键盘 WASD 探索真实或想象场景
- 交互与对话：文本引导物体操作与角色对话，音视频同步生成
- 参考条件：最多组合 5 张人物/物体/场景图，从同一起点探索不同动作
- 当前发布为 JING-Flash-v1 四步双向推理模型，附推理代码、示例和 Prompt skills；因果模型与技术报告即将发布
- 部署验证环境为 6 张 H100：文本编码器、VAE 各一张，4 张用于 DiT 序列并行，默认 FlashAttention-4，需 Python 3.12 与 SGLang 运行时
所属事件:小鹏 XGEN 发布开源世界模型 XGEN-JING(4 条相关)→
「具身」频道最新
- AI 戒指宣称可代记事、操控应用还兼顾健康监测 — rohanpaul_ai · 2026-11-12
- Scoble：X 低估 Meta、Google、Snap 与中国厂商的 VR 眼镜攻势 — Scobleizer · 2026-11-12
- Otto Pro 发布：专为 Agent 设计的本地小盒子，数据不出家门 — heyshrutimishra · 2026-11-12
- NVIDIA Isaac Orbit 升级为 Isaac Lab,支撑 GR00T 机器人训练 — animesh_garg · 2026-11-12
- Abbeel 组 SuperMimic：可微分世界模型让 sim-to-real 提速近千倍 — HirokatuKataoka · 2026-11-12
- UC Berkeley 开源 RoboSimStudio：AI Agent 无需训练数据编程工业机器人 — berkeley_ai · 2026-11-12