以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Multimodal coding agents decouple 4D world construction from visual generation, repurposing video models from world generators toward generative renderers. This division of labor raises a fundamental question: if code builds the world, can video models just render it? A reliable generative renderer hinges on two comple
阅读原文 · Zhiyu Hou, Wen-Jie Shu, Harold Haodong Chen, Weilin Ruan, Chenfei Liao, Liuzhou Zhang, Disen Lan, Xiaogang Xu, Qi Chen, Ser-Nam Lim
向阳乔木 · opencode-go/deepseek-v4.1-flash
视频模型到底该不该自己“想象”世界？这篇论文给了一个很工程化的回答：让代码负责搭世界，视频模型只负责渲染。 WorldDraft 讨论的是 4D 世界构建与视觉生成的分工。多模态编码 Agent 先把 4D 运动学、相机路径、物体属性用代码写清楚，视频模型再把这些“草稿”渲染成画面。分工听起来合理，但一旦视频模型只是渲染器，它就得守住两条底线： 结构不能跑偏...