编辑｜冷猫 游戏玩家们，开发者们，时代变了。 只需一张消费级显卡，AI 实时生成的可交互游戏就能以 60 FPS 流畅运行，开始有了真正能玩的样子。 让我们直接来看演示视频。 视频链接：https://mp.weixin.qq.com/s/tA1FDOF2VVA2XslPd72eng 如果不提前告诉你，其实还蛮难想象这些游戏画面竟然是 AI 实时生成的。视频中的游戏由 Coding Agent 编写，画面则交给视频模型实时重渲染。 一组数据足以让人震撼。基于 Wan2.2 5B，在 单张 RTX 5090 上以 480p 分辨率，能够实现 游戏 60 FPS 运行，按键到画面响应端到端延迟低于 150ms。在 1 步去噪下稳态生成速度高达 83 FPS，显存峰值约 18.5 GiB。 对比而言， 英伟达研究团队本周刚刚推出的 StreamRender-H3 ，采用类似的技术路线。根据其公开的技术报告，StreamRender-H3 在 8 张 GB200 GPU 上，将流式扩散渲染的单步耗时优化至 218ms ，而其交互延迟约为 500ms 。 当英伟达研究团队还在动用 8 张数据中心 GPU 探索实时生成游戏时，中国团队经过锲而不舍的研发，已经拿出了单张消费级显卡运行的方案，在同样的技术逻辑下超越了英伟达！ 实现这一重大技术突破的，是 昆仑万维最新发布的 Matrix-Game 4.0，全球第一款消费级显卡实时运行的视频大模型游戏，并且同步开源。 此次开源的不只有模型权重，还包括可供开发者 直接修改、扩展和二次创作的游戏代码 。这意味着，开发者可以在现有基础上快速构建，也为 Matrix-Game 4.0 吸引更多开发者、培育开源生态提供了更大的想象空间。 GIthub 链接：https://github.com/SkyworkAI/Matrix-Game.git Hugging Face 链接：https://huggingface.co/Skywork/Matrix-Game-4.0 视频模型的「Harness」：三角分工 过去两年，以 Genie 系列为代表的交互式世界模型走的是一条「全托管」路线，一个视频模型同时承担世界建模、状态记忆和画面生成三重任务。 这条路上的困境已经被反复验证。Genie 3 虽然实现了实时生成、记忆窗口拉到约一分钟，但世界状态只隐式地存在于生成的像素中。一旦物体离开视野就没有任何东西在「记着」它，微小误差在自回归过程中不断累积，场景会在几分钟内逐渐丧失真实感。 视频链接：https://mp.weixin.qq.com/s/tA1FDOF2VVA2XslPd72eng 在最初的三十秒左右的时间里，那片 “尘暴地带” 的场景看起来非常真实，具有空间上的连贯性、一致的照明效果、逼真的建筑风格以及符合那个时代的细节特征。不过，随着我继续浏览画面，画面的质量逐渐下降：纹理变得柔和，几何形状也失去了真实感。
