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 发布开源世界模型 XGEN-JING(4 条相关)→
「具身」频道最新
- Y Combinator 系 Mantle 发布：AI 原生工厂机器人维保，已网罗 250+ 技师 — ycombinator · 2026-11-13
- UMI 扩散策略叠方块：慢速演示训练达 100/100 成功率 — DominiqueCAPaul · 2026-11-13
- LC-IL：用语言批评从次优演示学机器人技能，7 项任务平均领先基线 7 个点 — shaohua0116 · 2026-11-13
- XE² Arena 发布：5 种机器人本体、12 个真实任务、400 个仿真任务 — shangbinfeng · 2026-11-13
- 台大联手 NVIDIA 推 PhysCaP：无额外传感器称量物体质量与刚度 — shaohua0116 · 2026-11-13
- NXP 发布统一机器人平台,30 分钟即可跑通无人机初始功能 — shashib · 2026-11-13