2月10日，豆包大模型团队与北京交通大学和中国科学技术大学合作开发的视频生成模型“VideoWorld”正式开源。该模型首次实现在不依赖语言模型的情况下理解世界，区别于Sora、DALL-E和Midjourney等主流多模态模型。