EVA01: Giving MLLMs a Native 3D Hand

这是Seele面向AI生成游戏的基础模型。
统一的 3D 原生多模态模型——在单一的 Transformer 混合架构中实现网格理解、生成和上下文感知编辑。

Seele 全灵招聘岗位：游戏发行经理、海外创作者增长负责人、GEO增长负责人、增长实验负责人，全都是AI-native 岗位，欢迎投递简历！

得道多助，失道寡助

物极必反，天道轮回

就是这么简单的道理

在 AWS 上海峰会，我的分享结束下来，被问到最多的一个问题，出乎意料的不是PEGA世界模型上线时间，不是技术实现方式，而是：“AI 工具我们试了一堆，为什么真放进业务流程里就卡住了？”

看来大家之前确实有关注到Seele 的AI办公实践，想一起讨论到底如何落地。这个问题戳中了很多人的现状。通用 AI 很强，可以写周报、做总结、生成方案，都很好用。但一旦你想让它进销售、研发、增长、交付这些业务里，它就停了。不怪 AI，因为业务现场里不只有生成答案，还有流程、数据、权限、责任。通用 AI 能聊，但没法替你推进一个销售机会、完成一轮投放实验、把一个研发任务从定义做到验收。

这也是 Seele 这一年在解决的事——让 Agent 真正进到业务流里，能拆任务、推进度、验结果、复盘迭代。

Seele（全灵人工智能）招聘品牌主理人！欢迎自荐&引荐！成功入职有奖！

看完这期世界模型访谈，有点失望。

访谈里花了不少篇幅强调“因果世界模型”相对于V-JEPA的优势，但几乎没有提Meta后来沿着同一路线继续推进的Causal-JEPA工作。这会给不了解背景的观众一种印象：仿佛JEPA停留在相关性建模，而因果建模是一条全新的路线。

实际上，JEPA最大的价值恰恰在于它提出了一种极其优雅的世界建模框架：不预测像素，而预测抽象状态表征。很多后续世界模型工作，无论是否打着“因果”“物理”“具身”的旗号，本质上都建立在这一思想之上。

我并不反对因果偏置、物理约束、模拟器增强这些方向，它们都可能有价值。但如果因此把JEPA描述成偏理论、偏学术，而把自己的路线包装成真正解决现实问题的方案，就多少有点失真了。

至少到目前为止，我还没有看到任何公开结果能够证明“因果世界模型”已经解决了JEPA解决不了的问题。相反，我看到的是越来越多工作在JEPA框架上不断加入对象建模、干预训练和物理归纳偏置。

所以与其强调与JEPA的区别，不如更坦诚地承认：大家其实都还站在同一棵树上。

@杨远骋Koji 最新的一期讲世界模型的访谈看过之后，有话不吐不快。
为了营销自己，突出所谓因果世界模型，把V-JEPA拿出来说事儿，而闭口不谈Causal-JEPA。然后话里行间把Lecun往“理论派”上放，再把自己营销成很注重落地，并且尊重老前辈，站在巨人肩膀上。
JEPA的最大效用闭口不提，它在数学上是多么优美简洁。你自己用这个思想再叠加几个模拟器、渲染器就可以和它平起平坐了？
现在一堆世界模型营销自己能搞定具身大脑、搞定因果的，都是瞎扯淡，为了碎银几两节操碎一地。赶紧都给Lecun去磕一个，他不把JEPA弄出来你们都骗不到人。

加谬花了很多笔墨写荒诞。如果他来到现在这个时代感受一下，他会觉得之前那些哪称得上是荒诞。

但从另一个角度，基本上19世纪、20世纪的诸多大师已经精确预言了现代。

大师之死。

6月5日Seele在上海静安市北高新举办发布会，正式官宣游戏多模态大模型和世界模型PEGA。这是当天的视频，Seele还登上了陆家嘴大楼的大屏[呲牙]
感谢市区领导！感谢市北高新！感谢合作伙伴！感谢团队兄弟姐妹！
Seele to the moon!

Seele的多模态模型可以端到端生成游戏（小游戏、2D、3D高品质的都可以），其训练起点就来自于此。

Seele对模型研究的理念是追求足够大的创新。每年的best paper 不少，但三五年后再看，真正经得起时间考验的科研成果泾渭分明（最新一届戛纳电影节大奖导演，也说了类似的话），在浮躁的时代，人和组织的追求塑造了自身的个性与不同，可以穿越周期。

后续还会开源回馈社区。