#world-models

World Models: The Quiet Race to Build AI That Understands Reality, Not Just Language

Trong khi AI generative tập trung vào chatbot và image generators, một cuộc đua thầm lặng đang diễn ra để phát triển World Models. Các tập đoàn lớn như DeepMind, OpenAI và Google đang nghiên cứu mô hình có thể hiểu về thế giới thực, không chỉ xử lý ngôn ngữ. World Models tích hợp dữ liệu từ nhiều nguồn cảm biến để xây dựng biểu diễn nội bộ về môi trường vật lý, như cách hệ thống Dreamer của DeepMind học qua reinforcement learning. Sự tiến bộ này có thể dẫn đến các AI thực tế hơn, có khả năng tương tác và điều hướng thế giới thực an toàn và hiệu quả. Lập trình viên nên chú ý vì đây có thể là hướng phát triển tiếp theo của AI vượt ra khỏi xử lý văn bản và hình ảnh thuần túy.

Đọc bài này giúp lập trình viên hiểu xu hướng phát triển AI từ ngôn ngữ sang mô hình thực tế, mở rộng tầm nhìn công nghệ.

Runway’s WorldPrompt and the Engineering of Real-Time Worlds

Runway đã phát triển WorldPrompt, một hệ thống sử dụng GWM Worlds 2 để tạo video và audio theo thời gian thực. Hệ thống này hoạt động dựa trên persistent context và timed actions để duy trì ngữ cảnh liên tục. Giải pháp này cho phép tạo thế giới ảo với phản ứng tức thời khi người dùng tương tác. Công nghệ này đáng học hỏi ở cách tối ưu hóa xử lý chuỗi dữ liệu đa phương tiện trong real-time.

Bài viết này giải thích cách WorldPrompt và timed actions của Runway tạo ra các thế giới thời gian thực với video và audio liên tục.

World model companies are keeping a lot of secrets

Everyone in the world-models space is sitting on a pile of cash and a ton of buzz, but good luck getting anyone — from the founders to their own data suppliers — to tell you what they're actually building.

Former DeepMind world-model researchers’ startup Emulate in talks to raise $700M

Công ty Emulate, được thành lập bởi các nhà nghiên cứu cũ của Google DeepMind thuộc dự án Genie, đang đàm phán gọi vốn lên đến 700 triệu USD do Index và Lightspeed dẫn dắt. Vốn đầu tư này nhằm phát triển công nghệ world models - mô hình mô phỏng thế giới ảo thông qua học máy. Việc huy động số vốn khổng lồ này cho thấy tiềm năng lớn của phương pháp tiếp cận world models trong lĩnh vực AI tạo sinh. Các lập trình viên quan tâm đến AI tạo thế giới ảo có thể theo dõi sát sao dự án này như case study điển hình về ứng dụng Genie framework.

Emulate đang gây chú ý với việc gọi vốn kỷ lục lên tới 700 triệu đô la cho công nghệ mô hình thế giới mới nổi.

A Beginner’s Guide to World Models

Learn how to simulate reality with Python

This AI entrepreneur is developing agents that can plan ahead for the unexpected

Danijar Hafner has a startup in stealth and a long track record of teaching AI agents about our world.

Anthropic has walked away from its $6bn Decart deal, Bloomberg reports

Anthropic đã hoàn thành thẩm định kỹ thuật Decart nhưng quyết định hủy bỏ thỏa thuận trị giá khoảng 6 tỷ USD. Thỏa thuận này tập trung vào việc cải thiện hiệu suất chip cho Anthropic's AI system. Việc hủy bỏ có thể liên quan đến những thách thức kỹ thuật trong việc tích hợp Decart's technology với hệ thống hiện tại của Anthropic. Động thái này cho thấy các công ty AI đang trở nên thận trọng hơn trong các thương vụ M&A lớn sau khi đạt đến giai đoạn thẩm định kỹ thuật chi tiết.

Đọc bài viết này giúp lập trình viên hiểu xu hướng đầu tư công nghệ và tác động của nó đến ngành AI.

ByteDance is preparing a real-time spatial video model under Zhang Yiming, Bloomberg reports

ByteDance is readying a Seedance-based spatial video model for Pico headsets, rendered in the cloud at roughly 50 milliseconds of latency.

Fable 5.1, Muse Spark beats Sol, 3 new world models blow our minds

Các lab biên giới như Weights & Biases và CoreWeave đã đẩy ra các phiên bản .1 trước khi OpenAI có thể phát hành GPT-6. Trong đó Fable 5.1 và Muse Spark đã vượt qua Sol, đồng thời ba mô hình world mới được giới thiệu gây ấn tượng mạnh. Khi các bản .1 này được công bố, GPT-6 Astra đã xuất hiện bất ngờ giữa buổi trình diễn và được đưa vào tập phim riêng. Điều này cho thấy chiến lược phát hành nhanh các bản cập nhật nhỏ giúp duy trì lợi thế cạnh tranh và bắt kịp nhịp phát triển của ngành. Đối với lập trình viên, bài viết nhấn mạnh việc theo dõi các bản .1 và các mô hình world mới là cách hiệu quả để không bị bỏหลัง trong cuộc đua AI.

Fable 5.1 cung cấp cái nhìn tổng quan toàn diện về các mô hình thế hệ mới nhất trước và sau sự ra mắt GPT-6 Astra.

REFACTOR-VLA: Unsupervised Library Learning of Typed Motor Programs

Most current vision-language-action (VLA) models—such as OpenVLA, π0, RT-2, and RDT-1B—are “monolithic.” This means they generate raw motor…

Beyond Visual CoT: Internalized Visual Thinking for Proactive Video Reasoning

Bối cảnh: Các mô hình ngôn ngữ đa phương tiện hiện đang xử lý video, nhưng các phương pháp hiện tại vẫn dựa vào Visual CoT bên ngoài, tức là việc tách rời việc suy luận hình ảnh và thời gian. Nguyên nhân kỹ thuật: Bài báo giới thiệu Internalized Visual Thinking, tức là việc tích hợp trực tiếp quy trình suy luận vào mô hình để dự đoán hành động trước khi xem toàn bộ video, giảm độ trễ và tăng tính chủ động. Hệ quả: Trên dữ liệu Something‑SomethingV2, độ chính xác cải thiện 3‑5% so với baseline Visual CoT và thời gian xử lý giảm khoảng 30%. Điều đáng học: Việc “internalize” reasoning cho phép mô hình dự đoán trước, mở ra khả năng áp dụng trong robotics và giao tiếp thời gian thực. Do đó, nếu bạn là lập trình viên cân nhắc đọc, bài này cung cấp ví dụ cụ thể về cách cải thiện Visual CoT bằng internalized reasoning, kèm mã và evaluation metrics chi tiết.

Bài này giúp lập trình viên hiểu cách internalized visual thinking cải thiện khả năng lý luận video proactively trong multimodal large language models.

Valor, Point72 back General Intuition at $6B valuation as AI startup pushes into robotics

General Intuition, the startup building a foundation model that trains generalized AI agents how to move through space and time, is in talks to raise at a $6 billion pre-money valuation from new investors including Valor Ventures, Point72 Ventures, Seven Seven Six.

#AAMAS2026 blue sky award winner: Foundation world models for agents in changing environments

Florent Delgrange nhận giải Best Blue Sky Paper Award tại AAMAS 2026 và đưa ra kế hoạch nghiên cứu về “foundation world models” nhằm kết hợp reinforcement learning với formal verification để agent có thể tiếp tục học trong môi trường thay đổi mà không mất đi bảo đảm an toàn. Các mô hình này được thiết kế để được calibrated, compositional và có thể truy vấn ngữ nghĩa, cho phép một verifier kiểm tra liên tục xem policy còn thỏa mãn specification hay không khi điều kiện thay đổi. Ví dụ, chứng chỉ của robot giao hàng trong kho sẽ bị thu hồi và re‑verify khi một xe fork‑lift thay đổi mẫu lưu lượng, trong khi đội ngũ agent đa‑cơ thể cần đảm bảo các bảo đảm địa phương hợp thành thành toàn cục. Điều này cho thấy việc duy trì an toàn trong quá trình học liên tục phụ thuộc vào khả năng truy vấn và hợp thành các chứng chỉ từ world model, mở ra một thách thức nghiên cứu dài hạn mà các mô hình ngôn ngữ có thể đề xuất giả thuyết formal để verifier kiểm tra. Vì đây là một thách thức nghiên cứu chứ không phải hệ thống đã triển khai, cần thêm công việc về việc tích hợp LLMs với các phương pháp xác thực formal để đạt được mục tiêu trên.

Post-Train NVIDIA Cosmos 3 Edge for On-Device Robot Control

Robots need policies that can adapt to their sensors, environments, and tasks while running on onboard computing hardware. World models offer a foundation for…