Matrix-Game 4.0:一張 5090 跑 60 影格的可玩遊戲

崑崙萬維這個月開源了一個遊戲。不是用 AI 做的遊戲。是一個「遊戲本體就是影片模型」的遊戲,在一張 RTX 5090 上跑 60 影格。
專案叫 Matrix-Game 4.0,公司對那個迴圈的描述具體得少見:程式碼生成遊戲邏輯,結構化約束定義畫面,影片模型即時算繪。掛在這個迴圈上的數字是 480p、60fps、端到端輸入延遲低於 150 毫秒。
如果這些數字站得住,這是世界模型第一次能玩,而不只是能看。那是另一類東西。
為什麼關鍵數字是 150 毫秒
影片模型能生成以假亂真的畫面,已經兩年了。問題從來不是單段素材的品質。是那個迴圈。
互動式世界模型必須做一件影片生成器不做的事:在人類感知為「即時」的時間內回應輸入,並且記住之前發生過什麼。第一條不滿足,手感像遠端桌面。第二條不滿足,世界會漂——你轉過身,門挪位置了,走道不是原來那條走道。
崑崙的公開材料把這兩個失敗正是列為 4.0 要解決的問題:傳統互動式世界模型依賴多卡資料中心叢集、難以維持世界狀態、長時程視覺漂移。他們聲稱的解法是推論工程而不是更大的模型,這也是交付物是 480p 而不是 1080p 的原因。一張卡上,解析度、影格率、延遲三者不可兼得。他們挑了讓它能玩的那兩個。
480p 不好看。在 27 吋螢幕上像 2008 年的影片。但它足夠驗證一個遊戲點子成不成立,而這就是遊戲原型的全部市場。

三段式迴圈,去掉宣傳話術
「程式碼生成遊戲邏輯、結構化畫面約束、影片模型即時算繪」是壓縮過的一句話。拆開看,是一套相當優雅的分工。
程式碼層管規則。血量、背包、冷卻、碰撞、任務狀態。這是普通遊戲程式設計,確定、便宜、好檢查。關鍵在於,世界模型不需要被要求記住玩家有一把鑰匙。鑰匙是個變數。
約束層管構圖。機位在哪、畫面裡有什麼、場景怎麼打光、角色穿著什麼。模型收到的不是一段描述場景的文字 prompt,而是一份它接下來必須算繪的場景的結構化描述。這比「生成一個遊戲」窄得多,而即時系統只負擔得起窄任務。
影片模型管像素。它算繪被約束的那一格,以前一格為條件,讓運動連續。
有意思的地方在於,它把世界模型關進了盡可能小的盒子。它不是遊戲。它是算繪器,而所有讓遊戲成為遊戲的東西都在盒子外面,在你能除錯的程式碼裡。對比「一句 prompt 一個世界」的做法:那東西神奇三十秒,然後無法維護三十分鐘。
沒有美術資產,這才是真正的說法
仔細讀公司的措辭:這個模型「驗證了一種不需要預先製作美術資產的新遊戲開發範式」。
這句才有經濟上的牙。今天一個遊戲原型要花美術的錢。哪怕是灰盒原型,也得有人做那個灰盒,而那個人通常是團隊裡最貴的。如果走道是你走過去時算繪器自己編出來的,原型成本就塌縮成設計加程式碼。
這也解釋了發布裡的 Coding Agent:你用自然語言描述場景、規則和互動,代理寫遊戲邏輯層,影片模型算繪邏輯產出的東西。目標受眾不是工作室。是一個有想法和一張 5090 的人。
崑崙的投資人材料把這個對比寫得很直白——他們拿 Steam 今年新上架數量上升當作門檻在降低的證據。這是公司在講自己的故事,但方向很難反駁。
4.0 相對 3.5 修了什麼
今年早些時候的 3.5 做的是長時程場景記憶、跨視角一致性、空間幾何、鏡頭控制。這四項精確描述了生成世界為什麼會假:你走回一個房間,它變了;你繞著一個物體轉,背面是編的;鏡頭穿牆而過。
4.0 被呈現為迴圈閉合的版本。漂移是否真的解決了,是我想用十分鐘上手而不是看展示影片來回答的問題——因為漂移這種問題,藏在前九十秒,在第十鐘伏擊你。
戰略那一層
崑崙跑兩條世界模型線。Matrix-Game 面向數位世界:AI 遊戲、數位模擬、通用代理。子公司 Riemann Dynamics 跑另一條叫 Riemann-1.0 的線,面向物理 AI——機器人操作、第一人稱人體影片、遙操作示範、模擬到現實。
這個拆分值得注意,因為它對應著全行業在爭的一件事。一些實驗室認為一個模型應該把物理學到足夠好,同時服務遊戲和機器人。另一些認為目標差得足夠遠,值得兩套架構:數位世界要好看、回應快,物理世界要對、回應安全。
崑崙押兩個。給出的理由是資料:他們聲稱透過合作方拿到一百萬小時的具身資料集,而具身資料是機器人那條線的瓶頸,不是算力。
信這個展示之前我會查什麼
150 毫秒是「端到端操作回應延遲」。 要問這個視窗裡裝了什麼。如果它不含算繪、只量模型的第一個 token,那這個數字讀起來就沒那麼好看了。
5090 上 480p、60fps,意味著每秒約三千萬像素的生成量。對消費級卡是實打實的負載,也意味著你玩多久,卡就高負載多久。單風扇卡的持續散熱表現不會等於跑分。
「開源」要看授權。 公司說模型十月開源了。條款決定這變成一個平台還是一次展示,而這個品類的中國模型發布差別極大——有的很寬鬆,有的排除了整片市場。
誠實的總結:這是我見過的第一個公布時就帶著「能用」而非「好看」數字的可玩世界模型。480p 能玩、一張卡、規則在程式碼裡、像素在模型裡,是遊戲開發的一種新形狀,也是「世界模型到底幹嘛用」這個問題比再多一分鐘電影級素材更好的答案。
相關文章
Antigravity 2.29 把代理搬進雲端 VM,語音只能放行小事
任務改在 Google 託管的雲端 VM 裡跑,蓋上筆電也不停。代價是本機的 MCP 伺服器、外掛與 skills 全部用不到,而語音只准放行不痛不癢的權限。
NVIDIA 放四顆 Cosmos 3 世界模型,還有一個快 25 倍的解碼器
四顆 16B 檢查點加上後訓練配方與程式碼,可以自己調成自家感測器配置。NVIDIA 同時明說:這些模型能否當訓練環境,還有待測量。
GitHub 熱榜四分之一是 agent skills,安裝方式卻有四套
熱榜 15 個倉庫裡有 4 個是 agent skills 合集,第 5 個附了 skill 包裝。採用沒問題,問題是同一個物件有四套互不相容的安裝方式,以及沒人處理的優先順序與信任問題。
Inkling 2 Small 拿下 86.3%,權重卻還要再等一週
Inkling 2 Small 在 SWE-Bench Pro v2 Hard 拿到 86.3%,還能自己微調別人的模型。但 Apache 2.0 權重還沒放出來,也沒給日期。