# WBench – 美团推出的交互式视频世界模型多轮评测基准 - Link: https://paooo.com/aigc-news/24630/ - Published: 2026-07-07T19:35:58+08:00 - Author: 站外新闻 ## WBench是什么 WBench 是美团 LongCat 团队推出的，首个面向交互式视频世界模型的系统性多轮评测基准， 包含 289 个测试案例和 1058 个交互轮次，覆盖自然、城市、幻想等 6 类场景与 7 种艺术 风格。基准通过统一交互接口对 20 个前沿模型进行CT 扫描，精准定位模型从被动观看到主动 交互的能力边界，揭示当前世界模型在多轮交互、导航控制和视角切换等维度的核心短板。 阅读目录 * [WBench是什么](https://paooo.com/aigc-news/24630/#wbench%e6%98%af%e4%bb%80%e4%b9%88) * [WBench的主要功能](https://paooo.com/aigc-news/24630/#wbench%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd) * [WBench的技术原理](https://paooo.com/aigc-news/24630/#wbench%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86) * [如何使用WBench](https://paooo.com/aigc-news/24630/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8wbench) * [WBench的核心优势](https://paooo.com/aigc-news/24630/#wbench%e7%9a%84%e6%a0%b8%e5%bf%83%e4%bc%98%e5%8a%bf) * [WBench的项目地址](https://paooo.com/aigc-news/24630/#wbench%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80) * [WBench的同类竞品对比](https://paooo.com/aigc-news/24630/#wbench%e7%9a%84%e5%90%8c%e7%b1%bb%e7%ab%9e%e5%93%81%e5%af%b9%e6%af%94) * [WBench的应用场景](https://paooo.com/aigc-news/24630/#wbench%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af) ![WBench](https://paooo.com/wp-content/uploads/2026/07/WBench-website-1.avif) ## WBench的主要功能 * **多维度世界定义**：支持 6 类场景（自然、城市、室内、工作区、幻想、运动）、7 种艺术风格（写实、动漫、卡通、油画、水墨、扁平、素描）及 3 种视角包括第一人称/ 第三人称/具身第一人称）。 * **四类核心交互**：提供导航、主体动作、事件编辑、视角切换四种交互方式。 * **统一交互接口**：通过 Action Router 将文本指令、6DoF 坐标和键盘动作统一映射为 标准化输入，适配不同模型的原生接口。 * **五维评测套件**：从视频质量、设定遵循度、交互遵循度、一致性、物理真实性五个维 度进行量化评分，包含 NavScore、Gated Spatial Consistency 等硬核指标。 * **多轮长程评估**：支持连续多轮交互测试，测量模型在长时间交互后的性能衰减情况。 ## WBench的技术原理 * **四大核心要素架构**：WBench 的设计遵循世界定义 + 指令集 + 统一交互接口 + 评测 套件的框架。世界定义负责构建多样化的测试环境；指令集提供标准化的动作描述；统一 交互接口通过 Action Router 将异构输入转换为模型可理解的信号；评测套件则从五个 维度输出量化指标，形成完整的评估闭环。 * **场景与交互解耦设计**：采用舞台与剧本分离的设计理念：场景和交互独立配置，可自由 组合。这种解耦使评测可精准定位问题根源。 * **多轮自回归反馈机制**：评测流程采用自回归方式：每一轮的输出帧会作为下一轮的输入， 模拟真实交互场景。通过这种方式，WBench 能检测模型在长程交互中的错误累积效应， 如导航能力在多轮后平均下降 33 点。 ## 如何使用WBench * **克隆仓库**：访问 GitHub 仓库并克隆 WBench 代码到本地，安装 Python 依赖环境。 * **下载数据集**：从 HuggingFace 拉取包含 289 个测试案例和 1058 个交互轮次的评测 数据集。 * **接入模型**：通过 Action Router 将待测模型接入 WBench 的统一交互接口，适配文本 或动作输入协议。 * **定义场景**：在配置文件中选择场景类型、艺术风格、主体对象及观察视角。 * **选择交互**：从导航、主体动作、事件编辑、视角切换四类交互中组合测试动作。 * **设定维度**：启用视频质量、设定遵循度、交互遵循度、一致性、物理真实性五维评测 指标。 * **单轮测试**：运行初始帧生成与单轮交互，获取模型基础能力得分。 * **多轮测试**：启动自回归模式，将上一轮输出作为下一轮输入，测量长程性能衰减。 * **批量对比**：配置多个模型并行运行相同测试用例，生成横向对比数据。 * **查看报告**：评测结束后自动生成雷达图与得分表，直观展示各维度强弱分布。 ## WBench的核心优势 * **首个多轮交互评测基准**：区别于传统单轮视频生成评测，WBench 首次系统性地评估 模型在连续交互中的表现，填补行业空白。 * **覆盖全面且解耦**：289 个案例覆盖 6 大场景、7 种风格、5 类主体，且场景与交互 独立配置，可精准定位模型短板。 * **统一接口兼容异构模型**：通过 Action Router 适配文本驱动模型（如 Kling 3.0） 和专用世界模型（如 HY-World 1.5），实现公平对比。 * **揭示关键行业洞察**：本驱动模型擅长理解，专用世界模型擅长导航；视频质量与导航 能力基本无关；多轮交互是核心难点。 ## WBench的项目地址 * **项目官网**：https://meituan-longcat.github.io/WBench/ * **GitHub仓库**：https://github.com/meituan-longcat/WBench * **HuggingFace模型库**：https://huggingface.co/datasets/meituan-longcat/WBench * **技术论文**：https://huggingface.co/papers/2605.25874 ## WBench的同类竞品对比 | 维度 | **WBench** | **WorldScore** | | **定位** | 多轮交互式视频世界模型评测 | 世界生成统一评测基准 | | **发布时间** | 2026-05 | 2025 | | **案例规模** | 289 案例，1058 交互轮次 | 3000 案例 | | **交互类型** | 导航、主体动作、事件编辑、视角切换 | 轨迹条件控制，无自由交互 | | **多轮支持** | 原生多轮自回归评测，支持长程衰减分析 | 单场景/多场景序列，非交互式 | | **统一接口** | Action Router（文本/6DoF/离散动作） | 统一世界规格（布局+语义） | | **评测维度** | 视频质量、设定遵循、交互遵循、一致性、物理真实性 | 可控性、质量、动态性 | | **核心特色** | 多轮交互衰减诊断，场景与交互解耦 | 跨 3D/4D/I2V/T2V 统一评测 | | **在线平台** | 离线评测套件 + HuggingFace 数据集 | 离线排行榜 | ## WBench的应用场景 * **世界模型研发**：为视频世界模型（如 Genie、Kling、Wan 等）提供标准化评测工具， 指导模型迭代优化。 * **导航与具身智能评估**：专门评测模型在虚拟环境中的导航控制能力，适用于机器人、 自动驾驶等具身智能方向。 * **多轮交互产品测试**：帮助 AI 视频/游戏产品评估长程交互体验，如虚拟世界探索、 AI 游戏引擎等。 * **学术研究基准**：作为学术界研究世界模型、交互式视频生成的基础评测框架，推动领域 标准化。 * **开源 vs 闭源模型选型**：为企业和开发者提供客观数据，辅助选择适合特定交互任务（ 如导航/编辑）的模型方案。 **🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词 咒语库 [🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/) [⚡ AIGC 早报生成器](https://paooo.com/mtool/)