← Torna al blog
Aicirca 6 min di lettura

Matrix-Game 4.0: un mondo giocabile a 480p su una sola scheda

Pubblicato 11 nov 2026
Matrix-Game 4.0: un mondo giocabile a 480p su una sola scheda

Kunlun Tech, l'azienda cinese dietro il browser Opera e l'app di karaoke StarMaker, ha aperto il codice di un gioco questo mese. Non un gioco fatto con l'AI. Un gioco in cui il gioco è un modello video, che gira a 60 frame al secondo su una singola RTX 5090.

Il progetto si chiama Matrix-Game 4.0, e la descrizione dell'azienda è insolitamente precisa sul loop: il codice genera la logica di gioco, vincoli strutturati definiscono il frame, il modello video lo renderizza in tempo reale. Il numero attaccato a quel loop è un'immagine 480p a 60fps con latenza end-to-end dell'input sotto i 150 millisecondi.

Se quei numeri tengono, è la prima volta che un world model è giocabile invece che guardabile. È una categoria diversa di oggetto.

Perché 150 millisecondi è il numero che conta

I modelli video sanno generare filmati convincenti da circa due anni. Il problema non è mai stata la qualità di una singola clip. Era il loop.

Un world model interattivo deve fare una cosa che un generatore video non fa: rispondere all'input entro il tempo che un umano percepisce come immediato, e ricordare cosa è successo prima. Sbaglia il primo e sembra un desktop remoto. Sbaglia il secondo e il mondo va alla deriva: ti giri e la porta si è spostata, il corridoio è un altro corridoio.

I materiali pubblici di Kunlun descrivono esattamente quei due fallimenti come le cose contro cui è stata costruita la 4.0: i world model interattivi tradizionali dipendono da cluster multi-GPU da data center, hanno difficoltà a mantenere lo stato del mondo e soffrono di deriva visiva sulle sequenze lunghe. La soluzione dichiarata è ingegneria dell'inferenza, non un modello più grande, ed è per questo che il risultato è 480p e non 1080p. Non puoi avere risoluzione, frame rate e latenza tutti e tre su una scheda. Hanno scelto i due che lo rendono giocabile.

480p non è un'immagine bella. Su un monitor da 27 pollici sembra un video del 2008. È però sufficiente per capire se un'idea di gioco funziona, e quello è l'intero mercato dei prototipi.

Una scheda grafica in un case compatto sulla scrivania, con una scena di gioco renderizzata sul monitor accanto, a notte fonda

Il loop in tre parti, senza il marketing

«Il codice genera la logica di gioco, vincoli strutturati sul frame, rendering in tempo reale del modello video» è una frase compressa. Scompattata, è una divisione del lavoro piuttosto elegante.

Lo strato di codice possiede le regole. Salute, inventario, cooldown, collisioni, stato delle missioni. È programmazione di giochi normale, deterministica, economica e facile da ispezionare. Soprattutto, significa che al world model non viene chiesto di ricordare che il giocatore ha una chiave. La chiave è una variabile.

Lo strato di vincoli possiede la composizione. Dov'è la camera, cosa è nell'inquadratura, come è illuminata la scena, cosa indossa il personaggio. Invece di un prompt testuale che descrive una scena, il modello riceve una descrizione strutturata della scena che deve renderizzare. È un compito molto più stretto di «genera un gioco», e i compiti stretti sono quelli che i sistemi in tempo reale possono permettersi.

Il modello video possiede i pixel. Renderizza il frame vincolato, condizionato dal frame precedente, così che il movimento sia continuo.

La cosa interessante è che questo mette il world model nella scatola più piccola possibile. Non è il gioco. È il renderer, e tutto ciò che rende un gioco un gioco vive fuori, in codice che puoi debuggare. Confrontalo con l'approccio «un prompt, un mondo», magico per trenta secondi e insostenibile per trenta minuti.

Nessun asset artistico, che è la vera affermazione

Leggi con attenzione la formulazione dell'azienda: il modello «valida un nuovo paradigma di sviluppo dei giochi che non richiede asset artistici pre-costruiti».

È la parte con i denti economici. Un prototipo di gioco oggi costa artisti. Anche un prototipo in grey-box ha bisogno di qualcuno che faccia il grey box, e quel qualcuno di solito è la persona più costosa del team. Se il renderer inventa il corridoio mentre lo percorri, il costo del prototipo crolla a design più codice.

Spiega anche il Coding Agent incluso nel rilascio: descrivi la scena, le regole e l'interazione in linguaggio naturale, l'agente scrive lo strato di logica, e il modello video renderizza quello che la logica produce. Il pubblico naturale non sono gli studi. È una persona con un'idea e una 5090.

I materiali per gli investitori di Kunlun rendono il confronto esplicito: citano il numero crescente di uscite su Steam quest'anno come prova che la barriera all'ingresso si sta abbassando. È un'azienda che tira acqua al proprio mulino, ma la direzione è difficile da contestare.

Cosa ha corretto la 4.0 rispetto alla 3.5

Il rilascio 3.5, all'inizio dell'anno, lavorava sulla memoria di scena a lungo orizzonte, la coerenza fra viste, la geometria spaziale e il controllo della camera. Quei quattro punti sono la descrizione precisa di ciò che rende finto un mondo generato: torni in una stanza e è cambiata, orbiti attorno a un oggetto e il retro è inventato, la camera attraversa un muro.

La 4.0 è presentata come la versione in cui il loop si chiude. Se la deriva sia davvero risolta è la domanda a cui vorrei rispondere con dieci minuti di prova diretta invece che con un video dimostrativo, perché la deriva è il tipo di problema che si nasconde nei primi novanta secondi e ti aggredisce al decimo minuto.

Lo strato strategico

Kunlun gestisce due linee di world model. Matrix-Game è per i mondi digitali: giochi AI, simulazione digitale, agenti generali. Una controllata, Riemann Dynamics, gestisce una linea separata chiamata Riemann-1.0 per l'AI fisica: manipolazione robotica, video umani in prima persona, dimostrazioni teleoperate, simulazione verso realtà.

Vale la pena notare la separazione, perché rispecchia un dibattito in corso in tutto il settore. Alcuni laboratori pensano che un solo modello debba imparare la fisica abbastanza bene da servire sia i giochi sia i robot. Altri pensano che gli obiettivi siano abbastanza diversi da giustificare due architetture: un mondo digitale deve sembrare giusto e rispondere veloce, un mondo fisico deve essere giusto e rispondere in sicurezza.

Kunlun scommette su due. La ragione dichiarata sono i dati: sostengono di avere accesso, tramite partner, a un dataset embodied da un milione di ore, e i dati embodied sono il collo di bottiglia della linea robotica, non il calcolo.

Cosa controllerei prima di credere alla demo

I 150 millisecondi sono «latenza di risposta end-to-end dell'operazione». Chiedi cosa c'è dentro quella finestra. Se esclude il rendering e misura solo il primo token del modello, il numero è molto meno impressionante di come suona.

480p a 60fps su una 5090 significa circa 30 milioni di pixel generati al secondo. È un carico reale per una scheda consumer, e significa anche che la scheda sta a utilizzo alto per tutto il tempo in cui giochi. Le prestazioni termiche sostenute su una scheda a ventola singola non corrisponderanno a una prova da benchmark.

«Open source» ha bisogno della licenza. L'azienda dice che il modello è stato aperto in ottobre. I termini decidono se diventa una piattaforma o una demo, e i rilasci cinesi di modelli in questa categoria sono variati moltissimo: alcuni permissivi, altri che escludono interi mercati.

Il riassunto onesto: questo è il primo world model giocabile che ho visto annunciato con numeri che lo rendono utilizzabile e non solo impressionante. Giocabile a 480p, su una scheda, con le regole nel codice e i pixel in un modello, è una forma davvero nuova per lo sviluppo di giochi, e una risposta molto migliore alla domanda «a cosa servono i world model» rispetto a un altro minuto di filmato fotorealistico.

Articoli correlati