品玩12月4日讯，北京智源人工智能研究院正式推出新一代多模态大模型Emu3.5，首次实现图像、文本与视频的“世界级统一建模”。

该模型摒弃传统分立架构，将所有模态统一编码为Token序列，专注于“Next State Prediction”（预测下一世界状态）任务，从而掌握物理规律与因果逻辑。

Emu3.5可合理推演视觉动作、语言续写及跨模态演化，显著提升生成内容的连贯性与真实性。专家认为，此举标志着多模态AI从“生成时代”迈向“世界模型时代”，为具身智能、自动驾驶仿真等高阶应用奠定基础。