根据 Beating monitor，小米宣布了小米 EV 世界模型（JointWM 架构），集成了 3D 重建和视频生成模块，用于自动驾驶仿真。该框架以 3D 几何作为物理支撑来锚定场景，而生成模块则补全视觉细节并预测未观测区域。系统在 Waymo 重建精度测试中达到了 28.48 PSNR，并在 nuScenes 零样本泛化中保持领先表现。生成速度在单视图为 0.19 秒、三视图处理为 0.46 秒，支持最多 1 分钟的视频生成——比自回归基线 Epona 快 5.6 倍。该方案已部署在三个场景中：使用超过 100,000 个合成数据片段训练感知模型、为边缘案例构建高保真闭环仿真，以及为应用内驾驶指南提供具备生成式视频指令的支持。