李飞飞创立的 World Labs 发布了新的多模态世界模型 Atlas，用户只需一张图片即可创建完整的 3D 空间场景并自由运动，模型还能理解时间演变规律。Atlas 可将多张输入图像锚定在共享三维空间上下文中，支持三大任务：一是从参考图出发，以像素级精确的相机控制生成图像或最长 1 分钟的 1440p 视频；二是用少量图片重建真实 3D 场景，生成点云和 3D 高斯泼溅结果，效果超过专门的 3D 优化模型；三是时空仿真，可将普通手机视频重制为“子弹时间”效果，并为机器人训练生成测试数据。
Google DeepMind发布新一代世界模型Genie 4，作者从游戏与VR玩家视角解读其三大进步：照片级画质与物理交互、世界一致性与实时控制、原生同步音频与角色实时对话。文章科普了世界模型两条技术路线——Google Genie代表的视频生成路线与李飞飞World Labs代表的3D高斯泼溅路线，指出二者各有优劣并正在合流：World Labs推出全能世界模型Atlas，Google则在Genie 4中引入Gemini作为引导智能体负责规划。作者展望世界模型将改变开放世界游戏、互动影游的内容生产逻辑，催生游戏、电影与互动叙事之间的全新媒介。
李飞飞宣布其创办的空间智能公司 World Labs 将加入 AMD，她本人将出任 AMD 执行副总裁兼首席科学家。文章回顾了她自 2000 年进入 AI 领域以来的历程，包括 ImageNet、Google Cloud AI 和斯坦福 HAI 的工作，以及 2024 年与 Ben Mildenhall、Justin Johnson 共同创立 World Labs，专注空间智能与物理世界推理。公司发布了 Atlas 模型，解决了新视角预测等关键问题。她认为与 AMD 的软硬件整合能加速 AI 解决药物研发、机器人等现实问题，并以'寻求新世界'表达对未来的期待。
本文是 Next Token 播客第 004 期的聊天实录，由 Orange AI 与歸藏、杨攀、向阳乔木等围绕 Anthropic 最新发布的 Opus 5.5 展开讨论。文章梳理了 Opus 5.5 刷屏的三类内容：纯代码生成的品牌宣传片、具备物理互动打击感的像素动画，以及操作电脑绘画的能力。嘉宾们认为该模型已从“软件操作工”进化为有审美判断的“熟练工”甚至“天才员工”，并探讨其是否已具备世界模型特质、Skill 与 MCP 内化带来的智能提升、以及内容创作行业中人的角色变化等话题，最后展望了模型自我迭代（RSI）的可能性。
李飞飞创办的AI公司World Labs被AMD以约82亿美元全股票收购，李飞飞将加入AMD担任首席科学家，向苏姿丰汇报。该公司2024年初成立时估值仅约2亿美元，今年年初估值涨至50亿美元，成立仅两年半即被收购。a16z等硅谷风投自2024年4月起连续多轮投资，成为最大赢家。文章借此说明站在AI风口上的巨大价值与资本回报。
本文基于李飞飞的观点，深入探讨了“世界模型”这一AI术语在当前语境下的定义与功能。文章通过强化学习中的POMDP框架，将世界模型系统分为三类：输出视觉观察的“渲染器”、输出物理状态的“模拟器”以及输出行动指令的“规划器”。作者指出，尽管渲染器目前商业应用最成熟，但模拟器作为连接视觉与行动的桥梁，是实现空间智能和通用机器人的关键。文章最后预测，这三类功能的边界将逐渐坍缩，最终融合为一个统一的、能够理解并交互物理世界的基础模型。
本文由李飞飞撰写，旨在厘清当下 AI 领域中“世界模型”这一概念的混淆。文章基于强化学习中的智能体循环框架，将现有的世界模型划分为三类：侧重视觉保真度的“渲染器”、侧重物理与几何结构准确的“模拟器”，以及侧重决策输出的“规划器”。作者强调，模拟器虽然公众关注度较低，但连接了视觉与行动，是实现物理世界精准交互的关键，也是空间智能的核心所在。
作者试用了二十多款用代码生成视频的Skills，最终筛选出三款推荐：ClaudeAnimationBase（效果最好，2k star，卡通动漫风、视频连贯性好）、mg-styles-15 和 video-shotcraft。这些工具既能制作宣传片，也可直接用于视频平台起号。作者使用 Claude Code 搭配 Opus 5.5 进行测试，并指出先参考素材找到想要的风格，再让模型描述生成，效果更佳。
作者拆解了热门的AI视频换人技术，基于机智波玩AI发布的MiniMax H3角色替换工作流（RunningHub画布），讲解如何用现成模板最快做出第一版换人视频。文章指出应先认准真正生效的上方分支，第一步保留原视频只换角色参考图，第二步只修改提示词中换人对象的定位描述（用位置加衣服锁定目标），第三步照抄采样等参数不做凭感觉的调整，第四步通过分帧核查验证新结果并按错误类型逐项排查。最后总结可迁移的控制逻辑：视频给动作环境、图片给角色身份、提示词限定改动范围，建议按风险从小到大逐步修改素材。
作者分享团队过去一年研究市面上主流AI视频模型的经验，涵盖物理运镜控制、光影材质一致性和多模型协同的工业化分镜工作流。他们认为技术壁垒正迅速瓦解，未来制作的真正门槛在于叙事野心、分镜审美与思考深度，因此决定开源团队实战打磨的技巧与核心Prompt。文章附上一个30秒、16:9横版、音画同步的原创奇幻机关剧场片头的完整提示词，详细描述了朱红版画、幽蓝巨物、金箔机关三种美术段落的分镜设计、运镜手法与128BPM原创配乐方案。
本文介绍了如何使用 Claude Code 搭配 Opus 5.5 模型，在 15 分钟内生成完整动态视频的完整流程。文章涵盖初始设置（Claude Code、HyperFrames/Remotion 视频框架、动态设计 Skill）、创意简报撰写的八个关键要素（角色、格式、故事、视觉风格、排版、动效语言、音频、禁忌事项），并提供可直接使用的提示词模板。还分享了进阶技巧，包括创建自定义品牌 Skill、控制节奏、使用真实素材文件、逐场景拆解等方法，适用于产品发布视频、产品更新、个人品牌等场景。
作者以致敬抗美援朝的AI音乐短片《茶汤》为例，完整拆解了AI短片制作流程：找对标、拆剧情、写剧本、查参考、做资产、生视频、后期。文中介绍了豆包辅助分析对标视频、ChatGPT写剧本、Gemini换装改图、即梦生成视频、剪映后期剪辑的工具分工，分享了角色与场景资产制作的具体提示词，并对比了海螺H3与Seedance 2.5在画面质感上的差异。文章附有可直接参考的提示词与操作截图，帮助读者从单镜头进阶到完整成片。
作者分享使用 Claude Code 配合 DeepSeek Flash 1017 模型制作两个 Remotion 视频的经历，总成本不到 3 元。一个视频作为个人介绍页的开屏动画，另一个是 52 秒的 Media Kit 视频。作者基本只负责描述想法，通过开启 xhigh 思考模式、配置 workflow 并挂载 remotion-best-practices skill，模型即可直接实现效果。文章还介绍了该 skill 的路由机制：平时只占一句描述的上下文，需要时才按需读取转场、字幕、音效等子文档。作者提到之前担心的缓存命中问题已不存在，命中率超过 98%。
