蚂蚁技术研究院和西湖心辰在 11 月 17 日联合发布世界模型 Duo,它是全新 RWM 双向世界模型范式的首个落地版本,和传统单向生成类世界模型不一样,Duo 把智能体当成世界里面的组成部分,依靠 Intent、Realization 两个耦合模块,实现边说话边响应、可主动打断、也可以静默等待的双向实时交互。以往大部分世界模型都是先接收用户输入,再一次性输出画面或者语音,属于一问一答的串行模式,很难做到自然的对话打断、同步联动虚拟场景。Duo 的 Intent 模块负责理解当下交互环境、做推理、决定怎么参与对话,Realization 模块负责把意图转换成连贯的语音、视频画面,虚拟场景还能跟着对话内容动态变化,用户可以直接展示现实物体给模型,不用键鼠操作就能和虚拟智能体互动,适合数字人、沉浸式虚拟场景、具身智能交互方向。
Duo 双向世界模型核心模块清单
- Intent 意图模块:理解上下文、环境信息,做交互推理,判断是主动发言、回应、打断或者保持沉默
- Realization 实现模块:承接意图指令,输出同步的音频、视频画面,驱动虚拟场景动态变化
- 交互范式:原生全双工实时双向交互,支持对话中途打断、并行响应
- 核心定位:RWM(Reciprocal World Model)双向世界模型首个实现
- 交互形式:音视频同步联动,虚拟环境随对话内容实时演变
- 输入方式:支持现实物体画面输入,摆脱键鼠控制交互
Duo 和传统世界模型对比
| 模型类型 | 交互方式 | 响应逻辑 | 场景联动 |
|---|---|---|---|
| 传统世界模型 | 单向串行交互 | 用户输入完成之后再输出内容,不支持中途打断 | 画面生成和对话是分开的 |
| Duo 双向世界模型 | 全双工双向实时交互 | 对话过程里随时响应、主动打断、自主选择沉默 | 虚拟场景、数字人画面跟着对话同步变化 |
潜在落地方向
- 高自然度实时数字人,支持像真人一样自由对话、插话
- 沉浸式虚拟互动空间,聊天同步变换场景光影、环境元素
- 具身智能交互,给机器人提供实时双向感知交互能力
- 交互式音视频游戏、无键鼠自然交互应用
【常见问题】
问题 1:蚂蚁技术研究院与西湖心辰发布的世界模型 Duo,RWM 双向世界模型是什么意思?
回答 1:蚂蚁技术研究院与西湖心辰发布的世界模型 Duo 就是 RWM 双向世界模型的首个实现,区别于传统单向生成模型,RWM 范式让智能体作为世界的一部分,支持双向、实时、可打断的全双工交互。
问题 2:世界模型 Duo 里面 Intent 和 Realization 两个模块分别干什么?
回答 2:世界模型 Duo 的 Intent 模块负责读懂交互场景、推理、决定交互策略,Realization 模块负责把意图转换成连贯的语音和视频画面,两个模块紧密配合完成实时双向互动。
问题 3:世界模型 Duo 支持中途打断对话吗,和普通大模型流式输出差别在哪?
回答 3:世界模型 Duo 原生支持全双工交互,可以在对话进行的时候主动打断、随时回应,普通流式大模型大多还是用户说完再输出,没法做到同步双向、动态联动虚拟场景。
问题 4:世界模型 Duo 现在对外开放体验或者开源了吗?
回答 4:本次蚂蚁技术研究院与西湖心辰发布世界模型 Duo,现阶段以技术发布为主,公开可体验、开源计划、商用接口的信息还没有同步放出,后续进展以官方公告为准。
【参考资料】
[2026-11-17](蚂蚁技术研究院与西湖心辰发布世界模型 Duo)第一财经
[2026-11-17](两个世界彻底「连上了」!全新世界模型 Duo v1 开启实时交互)新浪财经
[2026-11-17](蚂蚁联合西湖心辰推出 RWM 双向世界模型 Duo)界面新闻
【免责声明】
本文为 AI 前沿技术资讯,世界模型 Duo 的交互效果、能力上限、落地计划由蚂蚁技术研究院、西湖心辰官方定义;该模型尚属于前沿研究原型,性能、开放时间、商用方案存在调整空间,本文不构成项目开发、产品选型、投资参考。
