← ブログに戻る
Ai読了目安 13 分

Kunlun、動画モデルがそのまま動くゲームをオープンソース化

公開日 2026年11月11日
Kunlun、動画モデルがそのまま動くゲームをオープンソース化

OperaブラウザとカラオケアプリStarMakerを手がける中国のKunlun Techが、今月ゲームをオープンソースにした。AIで作ったゲームではない。ゲームそのものが動画モデルで、RTX 5090の1枚で毎秒60フレームで動く。

プロジェクト名はMatrix-Game 4.0。同社の説明はループについて異例に具体的だ。コードがゲームロジックを生成し、構造化された制約がフレームを定義し、動画モデルがリアルタイムに描画する。このループに付く数字は、480pの画像を60fps、エンドツーエンドの入力遅延150ミリ秒未満。

その数字が本当なら、世界モデルが「眺めるもの」ではなく「遊べるもの」になった最初の例だ。それは別のカテゴリのものだ。

なぜ150ミリ秒が効く数字なのか

動画モデルは2年ほど前から説得力のある映像を作れる。問題は単一クリップの品質ではなかった。ループだ。

対話型の世界モデルは、動画生成器がしないことをしなければならない。人間が即時と感じる時間内に入力へ反応し、その前の出来事を覚えておく必要がある。1つ目を外すとリモートデスクトップのように感じる。2つ目を外すと世界が漂流する。振り返るとドアが動いていて、廊下が別の廊下になっている。

Kunlunの公開資料は、まさにこの2つの失敗を4.0が狙った対象として挙げている。従来の対話型世界モデルはマルチGPUのデータセンタークラスタに依存し、世界の状態維持が難しく、長い時間軸で視覚的な漂流が起きる。同社が唱える解決は、より大きなモデルではなく推論の工学だ。だから成果物が1080pではなく480pなのだ。1枚のカードで解像度、フレームレート、遅延の3つを同時には取れない。遊べるようにする2つを選んだ。

480pは美しい絵ではない。27インチのモニターでは2008年の動画のように見える。だがゲームのアイデアが成立するかを試すには十分で、それがゲーム試作の市場そのものだ。

机の上の小型ケースに収まったグラフィックカード1枚。隣のモニターにはゲーム画面が描画され、夜も更けている

3層のループを、宣伝文句抜きで説明する

「コードがゲームロジックを生成し、構造化されたフレーム制約、動画モデルがリアルタイム描画」は圧縮された一文だ。解くと、かなり筋の良い分業になる。

コード層 がルールを持つ。HP、インベントリ、クールダウン、衝突、クエストの状態。普通のゲームプログラミングで、決定的で、安く、検査しやすい。決定的なのは、世界モデルに「プレイヤーが鍵を持っている」ことを覚えさせない点だ。鍵は変数だ。

制約層 が構図を持つ。カメラの位置、フレーム内の要素、ライティング、キャラクターの服装。シーンを説明するテキストプロンプトの代わりに、次に描くべきシーンの構造化された記述をモデルが受け取る。「ゲームを生成する」よりずっと狭い仕事で、リアルタイムシステムが引き受けられるのは狭い仕事だ。

動画モデル がピクセルを持つ。制約されたフレームを、前のフレームを条件にして描く。動きが連続するように。

これが面白いのは、世界モデルを可能な限り小さな箱に押し込んでいるからだ。ゲームではない。レンダラーであり、ゲームをゲームたらしめるものはすべて外側の、デバッグできるコードにある。「1プロンプト、1世界」のアプローチと比べれば対照的だ。あれは30秒は魔法で、30分は維持できない。

アート素材が不要、ここが本当の主張

同社の言い回しを注意して読む。モデルは「事前に用意したアート素材を必要としない新しいゲーム開発パラダイムを検証する」という。

経済的に効くのはここだ。今のゲーム試作はアーティストのコストがかかる。グレーボックスの試作でも誰かがグレーボックスを作る必要があり、その誰かはたいていチームで最も高い人だ。歩いていく先の廊下をレンダラーが発明するなら、試作コストは設計とコードに縮む。

リリースにCoding Agentが入っている理由もこれで説明できる。シーン、ルール、インタラクションを自然言語で説明すると、エージェントがゲームロジック層を書き、動画モデルがロジックの出力を描く。想定する利用者はスタジオではない。アイデアと5090を1枚持っている個人だ。

Kunlunの投資家向け資料は比較を明示している。Steamの新作本数が今年増えていることを、参入障壁が下がっている証拠として挙げる。自社の本を語っているのは確かだが、方向性に反論するのは難しい。

4.0が3.5から直したもの

今年前半の3.5は、長い時間軸のシーン記憶、視点間の一貫性、空間幾何、カメラ制御に取り組んだ。この4項目は、生成された世界が偽物に感じる理由の正確な記述だ。部屋に戻ると変わっている。物体の周りを回すと裏側が発明される。カメラが壁を突き抜ける。

4.0はループが閉じたバージョンとして提示されている。漂流が本当に解けたかは、デモ映像ではなく10分触って答えが欲しい問いだ。漂流は最初の90秒に隠れて10分目に襲ってくる種類の問題だから。

戦略の層

Kunlunは世界モデルを2本走らせている。Matrix-Gameはデジタル世界向けで、AIゲーム、デジタルシミュレーション、汎用エージェント。子会社のRiemann DynamicsはRiemann-1.0という別ラインでフィジカルAIを扱う。ロボット操作、一人称の人間映像、遠隔操作のデモ、シミュレーションから実機へ。

この分割は、業界全体で起きている議論を映しているので注目に値する。1つのモデルがゲームとロボットの両方に足る物理を学ぶべきだと考えるラボがある。目的が違いすぎるから2つのアーキテクチャが必要だと考えるラボもある。デジタル世界は正しく見えて速く反応する必要があり、物理世界は正しくて安全に反応する必要がある。

Kunlunは2つに賭けている。理由として挙げるのはデータだ。パートナー経由で100万時間の身体化データセットにアクセスできると主張し、ロボティクス路線のボトルネックは計算資源ではなく身体化データだと述べる。

デモを信じる前に確かめたいこと

150ミリ秒は「エンドツーエンドの操作応答遅延」だ。 その窓に何が入っているかを聞くべきだ。描画を除き、モデルの最初のトークンだけを測っているなら、数字は読んだ印象よりずっと弱い。

5090で480p・60fps は毎秒およそ3000万ピクセルの生成になる。コンシューマー向けカードには実際に重い負荷で、遊んでいる間ずっと高稼働ということでもある。ファン1基のカードの持続的な熱性能は、ベンチマーク1回の結果とは違う。

「オープンソース」にはライセンスが要る。 同社は10月にモデルをオープンソース化したと述べている。条件がプラットフォームになるかデモになるかを決める。このカテゴリの中国製モデルは振れ幅が大きく、寛容なものもあれば、市場ごと除外するものもある。

正直な要約。これは、印象的であるだけでなく使えるようにする数字を伴って発表された、私が見た最初の遊べる世界モデルだ。480pで、カード1枚で、ルールはコードに、ピクセルはモデルにある。ゲーム開発にとって本当に新しい形で、「世界モデルは何のためか」への答えとして、フォトリアルな映像をもう1分見るよりずっと良い。

関連記事