---
title: "Video World 2 的训练数据规模与构成是怎样的? 专家：该世界模型训练数据总规模达到 1270万小时，预训练分三轮推进去年 12 月完成第一轮、今年"
topic_id: 22258212425542481
created_at: 2026-10-29T14:10:35.475+0800
source: zsxq
type: topic
cssclasses: zsxq-vault
---

# Video World 2 的训练数据规模与构成是怎样的? 专家：该世界模型训练数据总规模达到 1270万小时，预训练分三轮推进去年 12 月完成第一轮、今年

- 序号：278
- 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/22258212425542481)
- 附件：图片 0，音频 0，文档 0
- 音频文件：_无音频_

## 图片

_无图片_

## 正文

Video World 2 的训练数据规模与构成是怎样的?

专家：该世界模型训练数据总规模达到 1270万小时，预训练分三轮推进去年 12 月完成第一轮、今年 3 月第二轮、今年 7 月第三轮，后续后训练周期约两个多月。

整套数据集包含多个来源。首先是互联网公开视频约 890 万小时,其次是字节自有内容生态数据 210 万小时，取自抖音、TikTok、西瓜、头条等平台垂类视频。然后是以 VR 方向为主的学术公开数据集80 多万小时。最后是外部采购的专业化数据 90 多万小时，以仿真引擎生成的合成数据为主

预算方面，字节今年模型训练整体数据预算约200 亿元，其中分配给世界模型及具身方向为 40 至 50 亿元，资金主要投向高价值金标精品数据。

## 总体总结

主题正文
1. Video World 2 的训练数据规模与构成是怎样的?
2. 专家：该世界模型训练数据总规模达到 1270万小时，预训练分三轮推进去年 12 月完成第一轮、今年 3 月第二轮、今年 7 月第三轮，后续后训练周期约两个多月。
3. 整套数据集包含多个来源。
4. 首先是互联网公开视频约 890 万小时,其次是字节自有内容生态数据 210 万小时，取自抖音、TikTok、西瓜、头条等平台垂类视频。
5. 然后是以 VR 方向为主的学术公开数据集80 多万小时。
6. 最后是外部采购的专业化数据 90 多万小时，以仿真引擎生成的合成数据为主
7. 预算方面，字节今年模型训练整体数据预算约200 亿元，其中分配给世界模型及具身方向为 40 至 50 亿元，资金主要投向高价值金标精品数据。