Ein spielbares Spiel in 480p auf einer einzigen Grafikkarte

Kunlun Tech, das chinesische Unternehmen hinter dem Opera-Browser und der Karaoke-App StarMaker, hat diesen Monat ein Spiel quelloffen veröffentlicht. Kein Spiel, das mit KI gemacht wurde. Ein Spiel, bei dem das Spiel ein Videomodell ist – mit 60 Bildern pro Sekunde auf einer einzigen RTX 5090.
Das Projekt heißt Matrix-Game 4.0, und die Beschreibung des Unternehmens ist ungewöhnlich konkret zur Schleife: Code erzeugt die Spiellogik, strukturierte Vorgaben definieren das Bild, das Videomodell rendert es in Echtzeit. Die Zahl dazu: ein 480p-Bild bei 60 fps mit einer Ende-zu-Ende-Eingabelatenz unter 150 Millisekunden.
Wenn diese Zahlen halten, ist das erste Mal ein Weltmodell spielbar statt nur anschaubar. Das ist eine andere Kategorie von Sache.
Warum 150 Millisekunden die entscheidende Zahl sind
Videomodelle können seit etwa zwei Jahren überzeugendes Material erzeugen. Das Problem war nie die Qualität eines einzelnen Clips. Es war die Schleife.
Ein interaktives Weltmodell muss etwas leisten, was ein Videogenerator nicht leistet: Es muss auf Eingaben in der Zeit reagieren, die ein Mensch als unmittelbar wahrnimmt, und es muss sich merken, was vorher passiert ist. Verfehlt man das erste, fühlt es sich wie Remote-Desktop an. Verfehlt man das zweite, driftet die Welt: Man dreht sich um, und die Tür ist woanders, der Gang ist ein anderer Gang.
Kunluns öffentliche Unterlagen nennen genau diese beiden Fehler als das, wogegen 4.0 gebaut wurde: klassische interaktive Weltmodelle, die von Multi-GPU-Rechenzentrumsclustern abhängen, Schwierigkeiten, den Weltzustand zu halten, und visuelle Drift über lange Horizonte. Der angekündigte Fix ist Inferenz-Engineering und kein größeres Modell – deshalb 480p und nicht 1080p. Auflösung, Bildrate und Latenz lassen sich auf einer Karte nicht alle drei haben. Sie haben die zwei gewählt, die es spielbar machen.
480p ist kein schönes Bild. Auf einem 27-Zoll-Monitor sieht es aus wie ein Video von 2008. Es reicht aber, um zu testen, ob eine Spielidee funktioniert, und das ist der gesamte Markt für Spielprototypen.

Die dreiteilige Schleife, ohne Marketing
„Code erzeugt Spiellogik, strukturierte Bildvorgaben, Echtzeit-Rendering durch das Videomodell“ ist ein verdichteter Satz. Aufgeklappt ist es eine ziemlich elegante Arbeitsteilung.
Die Code-Ebene besitzt die Regeln. Gesundheit, Inventar, Cooldowns, Kollision, Quest-Status. Das ist gewöhnliche Spieleprogrammierung, deterministisch, billig und leicht zu prüfen. Entscheidend: Das Weltmodell muss sich nicht merken, dass der Spieler einen Schlüssel hat. Der Schlüssel ist eine Variable.
Die Constraint-Ebene besitzt die Komposition. Wo die Kamera steht, was im Bild ist, wie die Szene beleuchtet wird, was die Figur trägt. Statt eines Text-Prompts, der eine Szene beschreibt, bekommt das Modell eine strukturierte Beschreibung der Szene, die es als Nächstes rendern soll. Das ist eine viel engere Aufgabe als „ein Spiel generieren“, und Echtzeitsysteme können sich nur enge Aufgaben leisten.
Das Videomodell besitzt die Pixel. Es rendert das vorgegebene Bild, konditioniert auf das vorherige, damit die Bewegung zusammenhängt.
Interessant ist daran, dass es das Weltmodell in die kleinstmögliche Kiste sperrt. Es ist nicht das Spiel. Es ist der Renderer, und alles, was ein Spiel zum Spiel macht, lebt außerhalb in Code, den man debuggen kann. Verglichen mit dem Ansatz „ein Prompt, eine Welt“, der dreißig Sekunden lang magisch und dreißig Minuten lang unwartbar ist.
Keine Art Assets, und das ist die eigentliche Behauptung
Lesen Sie die Formulierung des Unternehmens genau: Das Modell „belegt ein neues Paradigma der Spieleentwicklung, das keine vorab erstellten Art Assets benötigt“.
Das ist der Teil mit ökonomischen Zähnen. Ein Spielprototyp kostet heute Künstler. Selbst ein Graukasten-Prototyp braucht jemanden, der den Graukasten baut, und dieser Jemand ist meist die teuerste Person im Team. Wenn der Renderer den Gang erfindet, während man ihn hinuntergeht, fällt der Prototypaufwand auf Design plus Code zusammen.
Das erklärt auch den Coding Agent im Release: Man beschreibt Szene, Regeln und Interaktion in natürlicher Sprache, der Agent schreibt die Logikebene, das Videomodell rendert, was die Logik erzeugt. Das natürliche Publikum sind nicht Studios. Es ist eine Person mit einer Idee und einer 5090.
Kunluns Investorenmaterial macht den Vergleich explizit: Es verweist auf die steigende Zahl neuer Veröffentlichungen auf Steam in diesem Jahr als Beleg dafür, dass die Einstiegsbarriere sinkt. Das ist ein Unternehmen, das über das eigene Buch spricht, aber die Richtung ist schwer zu bestreiten.
Was 4.0 gegenüber 3.5 behoben hat
Version 3.5, früher in diesem Jahr, arbeitete an Langzeit-Gedächtnis der Szene, Konsistenz zwischen Ansichten, räumlicher Geometrie und Kamerasteuerung. Diese vier Punkte beschreiben genau, was eine generierte Welt falsch wirken lässt: Man geht in einen Raum zurück, und er hat sich verändert; man umkreist ein Objekt, und die Rückseite ist erfunden; die Kamera fährt durch eine Wand.
4.0 wird als die Version präsentiert, in der sich die Schleife schließt. Ob die Drift wirklich gelöst ist, ist die Frage, die ich lieber nach zehn Minuten selbst Hand anlegen beantwortet hätte als nach einem Demovideo – denn Drift ist die Art Problem, die sich in den ersten neunzig Sekunden versteckt und einen in der zehnten Minute überfällt.
Die strategische Ebene
Kunlun fährt zwei Weltmodell-Linien. Matrix-Game ist für digitale Welten: KI-Spiele, digitale Simulation, allgemeine Agenten. Eine Tochtergesellschaft, Riemann Dynamics, führt eine eigene Linie namens Riemann-1.0 für physische KI: Robotermanipulation, Ich-Perspektive-Video von Menschen, teleoperierte Demonstrationen, Simulation-to-Real.
Diese Trennung ist bemerkenswert, weil sie eine Debatte spiegelt, die quer durch die Branche läuft. Manche Labore glauben, ein Modell sollte Physik so gut lernen, dass es Spiele und Roboter zugleich bedient. Andere halten die Ziele für verschieden genug, um zwei Architekturen zu rechtfertigen: Eine digitale Welt muss gut aussehen und schnell reagieren, eine physische Welt muss korrekt sein und sicher reagieren.
Kunlun wettet auf zwei. Der genannte Grund sind Daten: Man habe über Partner Zugang zu einem millionenstündigen Embodied-Datensatz, und Embodied-Daten seien der Engpass der Robotiklinie, nicht die Rechenleistung.
Was ich prüfen würde, bevor ich die Demo glaube
Die 150 Millisekunden sind eine „Ende-zu-Ende-Antwortlatenz“. Man sollte fragen, was in diesem Fenster steckt. Wenn das Rendering außen vor bleibt und nur das erste Token des Modells gemessen wird, ist die Zahl deutlich weniger beeindruckend, als sie klingt.
480p bei 60 fps auf einer 5090 bedeutet rund 30 Millionen generierte Pixel pro Sekunde. Das ist eine echte Last für eine Consumer-Karte, und es heißt auch, dass die Karte während des gesamten Spielens hoch ausgelastet ist. Dauerhafte thermische Leistung auf einer Karte mit einem Lüfter wird nicht an einen Benchmark-Lauf heranreichen.
„Open Source“ braucht die Lizenz. Das Unternehmen sagt, das Modell sei im Oktober geöffnet worden. Die Bedingungen entscheiden, ob daraus eine Plattform oder eine Demo wird, und chinesische Modellveröffentlichungen in dieser Kategorie schwankten stark – manche permissiv, manche ganze Märkte ausschließend.
Die ehrliche Zusammenfassung: Dies ist das erste spielbare Weltmodell, das ich mit Zahlen angekündigt sehe, die es brauchbar machen und nicht bloß beeindruckend. Spielbar in 480p, auf einer Karte, mit den Regeln im Code und den Pixeln im Modell – das ist eine wirklich neue Form der Spieleentwicklung und eine viel bessere Antwort auf die Frage, wozu Weltmodelle gut sind, als eine weitere Minute fotorealistisches Material.
Verwandte Artikel
Google hat Coding-Agenten vom Laptop geholt, und der Berechtigungsdialog bleibt der Engpass
Die Leitungen sind fast gelöst. Der Berechtigungsdialog bleibt der menschliche Engpass.
NVIDIA gibt vier 16B-Weltmodelle frei, und der Teil ohne Benchmark ist Policy-Learning
NVIDIA sagt, es sei ungemessen, ob diese Modelle Policy-Learning tragen. Der Satz gehört in jede Geschichte über offene Weltmodelle.
Vier der Top-Repos auf GitHub sind heute Skill-Bibliotheken, und jetzt haben wir ein Packaging-Problem
Die Verbreitung läuft. Das interessante Scheitern sind vier nicht kompatible Wege, dasselbe Objekt zu installieren.
Thinking Machines liefert ein 594B-Modell und schiebt die Gewichte auf nächste Woche
Ein starkes Modell, ein dokumentiertes Rezept, eine unterschätzte Fähigkeit und ein Termin, den das Labor nicht zugesagt hat.