阿里发布World-in-Context视频世界模型

2026年10月27日，阿里巴巴 Token Hub 团队发布交互式视频世界建模框架 World-in-Context。据 AGI Hunt 报道，该框架通过显式 token 与交互感知的位置编码，在上下文条件化中统一自由视角、第一人称与第三人称动作以及相机控制，用于改进交互式视频生成与导航。框架支持 Free-Camera、First-Person、Third-Person 等多种控制模式，代码与项目页已同步开源。报道未披露模型规模、训练数据、评测结果与具体性能指标，也未提及后续迭代计划。目前该工作处于开源释出阶段，尚无第三方复现或基准对比信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。