JST-2

Viggle正式推出JST-2，宣称它是世界上首个全栈物理原生世界基础模型。不同于多数世界模型在像素、视频空间学习外观，JST-2回归第一原理，整套模型架构在三维空间构建。模型可以在数秒内生成3D场景并持续扩展，使用统一架构创建自带动作能力的角色。

JST全称Joint Space-and-Time，它把整个世界建模为三维空间内持久存在的原子单元，每一个Physics-Native Token都带有显式xyz坐标，搭配可学习向量描述物体属性与运动规律。团队历时四年从零搭建整套技术栈，包含分词机制、模型架构、数据合成引擎、预训练以及后训练流程。

核心能力

JST-2完成3D场景推理仅约1秒，单次推理成本低于0.01美元。模型最多支持64路输入视角作为空间上下文窗口，支持切换视角、持续拓展同一个三维世界。模型输出解码为3D高斯泼溅，在浏览器本地渲染，场景生成完成后，浏览视角不需要重复调用模型，只有新增内容才会触发推理。

它支持从稀疏真实世界观测重建完整三维环境，可用来基于真实场地搭建机器人仿真环境，具备自动驾驶、三维建图、建筑可视化等落地潜力。

角色生成方面，JST-2可由文本或单张图像生成原生具备运动特性的3D角色，运动动态由模型直接学习获得，省去传统3D工作流的骨骼绑定、蒙皮工序。即便是局部遮挡的图像，也能补全完整人物模型，在盲测评估中，角色生成与动画表现优于Meshy 7.1、Tripo H3.1。

动作生成支持文本或者视频输入，输出全身3D动作。输入视频时，模型还原可见动作，同时推断被遮挡部位的运动。生成动作既可直接作用于JST原生角色，也兼容标准3D骨骼，盲测中文本驱动动作、视频驱动动作两项任务均领先竞品，手势、舞蹈细节与动作节奏表现力突出。

产品迭代路线

Viggle在2022年成立，先用两年时间研发JST-1，验证了这套物理原生架构，JST-1支撑的创作应用全球用户突破五千万。2024至2026年开发迭代出JST-2。

团队已经规划下一代JST-3。当前JST-2仅角色运动由学习动力学驱动，物体碰撞、交互依旧依靠规则物理模拟；JST-3目标将学习动力学拓展到物体之间的相互作用，用学习物理替代传统规则模拟，打造面向物理AI的体验引擎，让智能体能够在模拟世界里行动、观察结果、自主学习。后续版本还计划支持文本引导场景拓展、提升高斯泼溅细节，并且从视频中还原人物在场景内的移动轨迹。