一个开源库把世界模型拆成了乐高积木

有人在调试一段视频生成代码，发现要接入物理常识判断，得重写数据预处理层；另一组人在做3D场景重建，卡在如何让模型记住上一帧里门是开着的。这些不是孤立的问题，而是同一类困境：世界模型（让AI理解环境动态变化的系统）长期缺乏统一接口。

OpenWorldLib 提供了一个共用代码库和标准化框架，把感知（看懂画面）、交互（推断动作影响）、长期记忆（记住门开着）三种能力解耦成独立模块。这意味着，做视频生成的人不用从头训练记忆机制，只要调用现成组件，就能让生成的视频里角色持续记得自己刚打开的抽屉。

它整合了视频生成、3D场景合成、视觉推理三类任务的流水线，且全部开源。这意味着，过去需要三个不同团队分别维护的模型结构，现在可以共享底层状态管理逻辑——比如同一个记忆缓存，既服务3D建模中的空间关系追踪，也支撑视觉推理里的多步因果推断。

别人还在为‘世界模型’这个概念争论定义时，OpenWorldLib 已经默认它必须可拆解、可组合、可验证：不是先造出一个全能大脑，而是确保每个功能块都能被单独测试、替换或复用。

下次看到AI生成的连续10秒视频里，角色绕过障碍物后仍记得目标位置——那背后可能没用什么新算法，只是有人把记忆模块正确接进了视觉流。