videoworld 文章 进入videoworld技术社区

让AI用视觉认识世界，豆包发布并开源VideoWorld视频生成模型

• 2月10日，豆包大模型团队联合北京交通大学、中国科学技术大学，发布了视频生成模型——VideoWorld，并且已开源代码与模型。与Sora、DALL-E等主流多模态模型不同，VideoWorld开辟了新的路径，打破对语言模型的依赖，实现仅靠“视觉信息”认知世界。就像幼儿能在不依赖语言的情况下理解真实世界一样，VideoWorld通过浏览视频数据，让机器掌握推理、规划和决策等复杂能力。在仅有300M参数量时，它就已展现出可观的性能，达到专业5段9x9围棋水平，还能在多种环境中执行机器人任务。在模型构建方面，
• 关键字： VideoWorld  模型  机器视觉