娱乐 · 熟练
一句话就能改世界，这算哪门子游戏？
像不像一个世界，取决于生成要多久
2026 年真正换了玩法的是「实时世界模型」——你不再是在预写好的分支里选，而是直接对世界提要求。实测里能做出来的动作包括：召唤一只雄鹰站到车上 · 让彩虹出现在指定位置 · 直接把车点燃 · 打 Boss 时输入「变小狗」看它下一刻变成一条金毛。判断它像不像一个世界，看的不是画质，是「生成时间能不能被播放时间盖住」 —— 当前片段还剩 10 秒、下一段从接收到播放只要 8 秒，观众就能连着看下去；要你退出场景盯着进度条等，那就还是生成式产品而不是世界。目前的交互分三层：WASD 控制角色（实时响应）· 自然语言改世界（指令理解与动态生成）· 互动影游（把交互 · 剧情 · 音效 · 世界状态串起来）。门槛也在掉：开源的 LingBot-World 2.0 用 1.3B 的 Small 版就能在消费级单卡上实时跑，还支持一人玩、一人当导演用文本改环境。
方法 · 一图看懂
1
先分清你在哪一层 — WASD 控制 / 自然语言改世界 / 互动影游，三层要的东西完全不同
2
用「生成 ≤ 播放」当判据 — 下一段生成的时间能不能被当前片段的播放时间盖住
3
拿世界状态当考点 — 反复大幅度移动 · 转身 · 跳跃之后，回头看场景有没有崩
4
导演位比玩家位更值得试 — 一人玩、一人用文本改环境，是这类模型最常被忽略的用法
5
看门槛，不只看演示 — 本地单卡能跑的版本，和只能排队演示的版本不是同一件事
原理 · 为什么有效
这类东西的体验上限不取决于画面，而取决于「反馈是否连续」。传统生成式产品的节奏是「提要求 - 等结果」，中间那段空白会立刻把「这是一个世界」的感觉打断；而实时世界模型把生成塞进了播放的缝里 —— 只要下一段内容的生成耗时能被当前片段的播放耗时覆盖，用户的每一次操作就都发生在世界里，而不是发生在加载界面里。第二层原理是「一致性比自由度更贵」：让模型自由生成不难，难的是在你大幅移动 · 转身 · 跳跃之后，场景还认得出刚才那个地方。Genie 3 的首测里最值得记的不是画面，而是「故意做物理极限动作后没有穿模」；毛毡蜗牛那条也是 —— 每次跳的高度一致、没有陷进地里。第三层是「谁来维持一致」：LingBot-World 2.0 用两个 agent 分工（一个管输入与角色行为，一个管场景元素与光照），把「响应性」与「一致性」拆开养，这比把所有事压给一个模型更稳。
适用场景
适用：想尝鲜 AI 互动游戏 / 互动影游的人 · 手里有中端独显想本地跑的人 · 做直播或内容、想知道「实时生成」现在能做什么的人 · 已经玩腻分支选择、想直接对世界下指令的人。
⛔ 不适用：只想找一款成品游戏玩通关的 —— 现阶段这些东西的可玩时长与内容量都还很有限。
⚠️ 前提：接受它现在的样子（画质与时长都不稳定），当实验而不是当产品。
自测 · 6 问
我要的是实时控制，还是想要它记住我说过什么？这两件事不是同一个能力。
我最近一次玩的时候，是「操作被打断等生成」，还是「一直在动」？
大幅度移动或转身之后，场景有没有变成另一个地方？
我有没有试过让另一个人用文字当导演，而不只是自己操控？
我想跑的那个版本，是本地能跑，还是只能在别人演示里看到？
我期待的是「像游戏一样能玩很久」，还是「像玩具一样新鲜十分钟」？
怎么上手 · 验证步骤
先只做一件事：挑一个能实时交互的世界，连续操作一分钟不做任何生成请求，只看它稳不稳（视角跟手 · 大幅移动后场景一致 · 不穿模）。然后再做第二个动作：对世界提一个「加东西」的要求（在自己的位置生成一个具体物件），观察它多久出现、出现后会不会影响一致性。两个动作都过了，再谈剧情与影游 —— 顺序反了很容易被演示片段误导。
自检动作：回看自己这一次的操作录屏，写出「哪几秒我在等生成、哪几秒我在世界里」。等生成的片段越少，说明这个模型已经跨过「可交互」那道线；如果全程都在等，那它现在只是一台更快的视频生成器。