哪些部署指标真正决定世界模型是否可用？
最关键的实际部署指标是“动作到首帧延迟”“持续帧率”和“峰值内存占用”——因为它们直接决定了模型能否支持交互式闭环控制。ABot-World-0 是这里唯一报告这些数据的研究：它在单块 RTX 5090 桌面级 GPU 上以最高 16 FPS 的帧率流式输出 720P 视频，动作到首帧延迟为 1.2 秒，峰值显存占用约 19 GiB [3]。这意味着用户按下按键后大约一秒钟就能看到响应，并且能获得流畅的每秒 16 帧画面，而且这一切都运行在消费级 GPU 上——这类证据能让你确信模型确实具备可部署性。
相比之下，ForgeWM和DreamX-Phi在摘要中报告了视频质量和动作保真度指标（如参考LPIPS、动作信号准确性和对象一致性），但未提及延迟、帧率或内存占用[1][2]。缺少这些数据，你无法判断它们的少步模型能否在你的硬件上实时运行。因此，尽管视频测试有助于衡量输出质量，但不足以评估部署就绪性——部署指标才是区分研究演示与可用交互系统的关键。
为什么基于动作条件的视频测试无法反映真实世界的约束？
动作条件视频测试（如LPIPS、动作信号准确率或物体一致性）衡量的是生成视频与预期未来的匹配程度，但它们忽略了决定模型能否用于交互式场景的计算预算和硬件限制。例如，ForgeWM报告了领先的成像质量和动作信号准确率，但其摘要并未提及运行速度或内存需求[1]。DreamX-Phi同样强调真实感和忠实度（例如，利用深度和掩码来保持物体一致性），但同样省略了部署指标[2]。这些测试对于比较模型质量很有价值，但它们无法告诉你模型能否在特定GPU上维持实时循环。
最佳情况与典型情况下的证据差距十分明显：ABot-World-0明确针对部署进行了优化，采用流式推理栈、低比特DiT推理和内存感知调度，并报告了具体数据[3]。另外两篇论文则更侧重于训练和蒸馏技术，因此它们的证据主要关乎质量，而非运行性能。这意味着，如果你在为实际应用选择模型，应优先考虑部署指标——延迟、帧率、内存——而不是视频测试分数，因为一个在视频测试中得分高但无法实时运行的模型，对交互式任务而言并无用处。
在部署指标之外，视频测试在哪些情况下仍然重要？
视频测试对于确保模型输出忠实于指令动作仍然至关重要，尤其是在机器人操作等安全关键领域。DreamX-Phi指出，仅凭逼真度并不能保证忠实性——一段 rollout 可能看起来令人信服，却移动了错误的手臂或丢失了物体[2]。他们采用每只手臂的SE(3)几何编码和物体掩码来保持一致性，并通过视频测试加以验证。因此，在错误预测可能造成伤害的应用中，视频测试对于确认模型遵循动作序列至关重要。
然而，即便在这些情况下，部署指标仍是关键门槛：如果模型无法以所需速度运行，就不能用于闭环系统。ABot-World-0证明了二者可以兼得——它在报告具有竞争力的可控性和连贯的长时程演化能力的同时，也满足了实时部署目标[3]。因此，理想状态是两者兼备，但如果必须有所取舍，部署指标应优先考虑，因为它们决定了可行性，而视频测试则用于优化质量。
关于这些来源
该回答基于3项研究（均为预印本）——发表于2026年，其中3项为2024年或之后——从3项通过质量筛选的研究中选出最相关的，这些研究来自从超过5亿篇论文数据库中检索到的76篇文献。
本文引用的文献
ForgeWM：面向少步动作条件视频世界模型的渐进式因果训练
ForgeWM提出了一种渐进式因果训练框架，用于少步动作条件世界模型，在成对的Minecraft轨迹上实现了领先的成像质量、与参考对齐的运动以及动作信号准确性，其回放时细化效果可与四步质量相媲美，同时与从噪声重新生成相比，与经验轨迹的接近程度高出三倍。
DreamX-Phi 1.0：面向机器人操作的动作条件视频世界模型
DreamX-Phi 1.0是一个面向机器人操作的动作条件视频世界模型，它将每只机械臂的SE(3)几何编码注入注意力机制，并利用深度和物体掩码来确保保真度，在WorldArena 2.0赛道1中荣获第一名，在赛道2中荣获第二名，但其摘要未报告延迟或内存等部署指标。
ABot-World-0：在单张桌面级GPU上实现无限交互式世界部署
ABot-World-0是一个面向实时长时程交互的动作条件视频世界模型，可在单块RTX 5090 GPU上以最高16 FPS的帧率流式输出720P视频，动作到首帧延迟为1.2秒，峰值显存占用约19GiB，其实现依托于流式推理栈与低比特DiT推理。