Viggle 发布物理原生世界模型 JST-2：约 1 秒生成 3D 场景、角色免绑骨即可动，PINOC 免费试用并开放 API

这件事意味着什么

【要点】

做表情包视频应用起家的 Viggle 10 月 19 日（北京时间 10 月 19 日 23:20）发布 JST-2，称是“物理原生”的世界基础模型：不在像素或视频空间里学习，而是把世界表示成 3D 空间里持续存在的“原子”，每个原子有明确的 xyz 位置和描述属性、动态的向量，用同一套架构生成场景、角色和动作。

场景：从文字或图片生成可漫游的 3D 场景，解码成 3D 高斯泼溅在浏览器本地渲染；Viggle 称在 NVIDIA B200 上约 1 秒生成一个场景、推理成本不到 0.01 美元，对比 World Labs 的 Marble 约需 5–6 分钟；最多可用 64 个视角作为空间上下文，逐步扩展场景，也能从稀疏的真实照片重建环境。

角色和动作：一张图（即使被裁切或遮挡）生成可直接动起来的全身 3D 角色，不需要单独绑骨骼；也能从文字或视频生成全身动作，并兼容标准角色骨架。Viggle 的盲测对比 Meshy 7.1、Tripo H3.1 和 HY-Motion-1.0 等，称 JST-2 领先。

现在可在浏览器应用 PINOC 免费试用，也开放 API 和 MCP 接入。

【可核验】

官方发布页：https://viggle.ai/jst2

官方发布帖：https://x.com/ViggleAI/status/2112202242048528540

角色评测报告：https://viggle.ai/research/jst2-character

【我们的判断】

一、多数世界模型从视频学习、事后再重建 3D；JST-2 直接在 3D 表示上建模，若速度和成本属实，交互式造景会便宜很多。

二、对比和盲测都是 Viggle 自己做的，与 Marble 的速度比较也只算模型推理时间，需要第三方复测。

三、它同时瞄准游戏、动画和机器人仿真环境，但在机器人场景里是否可用，目前还只是方向，没有公开的成绩。