XGEN 发布 JING：基于 MiniMax-H3 的第一人称交互式世界模型
Scobleizer · x · 2026-09-22
XGEN Labs 推出 XGEN-JING，一个基于 MiniMax-H3 构建的第一人称（egocentric）交互体验模型，已在 Hugging Face 和 GitHub 开源。
核心能力：
- 键盘操控探索：通过相机控制在日常场景或想象世界中导航；
- 交互与对话：用文字引导物体操作和角色对话，视频与音频同步联合生成；
- 参考图条件化：结合角色、物体、场景图像组合体验，并从同一起点尝试不同行动。
本次发布包含四步双向推理的 JING-Flash-v1、推理代码与示例、Prompt skills；因果模型和技术报告将随后发布。演示在 6 张 H100 上验证（1 张文本编码器、1 张 VAE、4 张 DiT 序列并行），默认后端为 FlashAttention-4。
所属事件:小鹏 XGEN 开源世界模型 XGEN-JING，基于 MiniMax-H3(3 条相关)→
「具身」频道最新
- 智平方被曝打造机器人「人格商店」:同一具身体随换 AI 人格 — Scobleizer · 2026-09-22
- AI 激光除草机不用除草剂，直接激光消灭杂草 — TinfoilTricorn · 2026-09-22
- Light Origins 开源 6B 全身动作模型 Light-O1-Preview — CurieuxExplorer · 2026-09-22
- Muse 模型实机跑上 Meta 眼镜，或成 Connect 大会重头戏 — Scobleizer · 2026-09-22
- VR 拥挤环境动捕采 1185 条轨迹，训练人形机器人钻缝隙爬行 — Scobleizer · 2026-09-22
- 周末原型：用 Spectacles 实现多人共置观战一起玩宝可梦 — willeastcott · 2026-09-22