Scalabot发布首个世界模型HERON，输入当前画面和动作即可预测后续变化，并支持多智能体交互预测。
该模型在WorldArena 1.0 Track 1离线评估中综合得分75.80分，物理交互、空间透视、运动动态、轨迹准确性四项分别取得95.60、99.20、92.61和56.66分。
其预训练数据采用数据金字塔结构：真机数据提供真实锚点，仿真数据补充稀有危险场景，Ego人类视频拓宽日常交互覆盖。
架构采用MoT+MoE设计，MoT分离VLM与生成分支参数以保留理解能力，MoE将生成拆分为高低噪声专家，分别负责粗粒度结构与精细交互，为后续Scaling留出空间。