昆仑万维开源 Matrix-Game 4.0：单张 RTX 5090 实时跑「视频模型游戏」，单步去噪 83 FPS、按键响应 112ms

昆仑万维（Skywork AI）北京时间 10 月 15 日正式发布 Matrix-Game 4.0，称其为首个可在单张消费级显卡上运行的「视频大模型游戏」，并同步开源。思路是把世界模型拆开：游戏引擎维护世界状态、碰撞与规则，只画一份廉价的低模（low-poly）代理画面；Coding Agent 把玩家的自然语言需求写成新规则与提示词；少步数蒸馏的因果 DiT 视频模型再把每个块（1 个 latent = 4 帧）实时重绘成成品画面，并用按相机位姿检索的空间记忆 + 参考帧锁定外观。项目页给出的数字：单步去噪、RTX 5090 上约 83 FPS，按键到首个响应帧约 112ms，每块去噪约 48ms，480p 流式输出（480×864），文本编码器、DiT、VAE 同驻一张卡；Hugging Face 上放出城堡、古埃及、城市赛车 3 个场景权重，每个约 5.0B BF16 参数，基座为 Wan2.2-Fun-5B-Control。

谁能用：①开源权重——Hugging Face「Skywork/Matrix-Game-4.0」，场景权重与游戏素材为 Apache-2.0（可商用），共享的 Wan/umT5 组件沿用上游 Apache-2.0；需配合官方 Matrix-Game 4.0 推理源码（GitHub SkyworkAI/Matrix-Game），不是即插即用的 Diffusers 管线；训练代码与训练数据未开源，论文标注「即将发布」。②无 API / App / 云端试玩入口，属于开发者自部署。③注意边界：模型卡自己写明只适配随附的低模场景与相机设定，陌生几何、快速转镜、遮挡与长时游玩会出现外观漂移，且「不保证帧率、不保证消费级显卡显存装得下」——媒体稿里的「480p 60FPS 单卡」与模型卡的谨慎措辞之间存在落差。 解读：Matrix-Game 4.0 的看点不是又一个会「脑补」画面的世界模型，而是承认纯像素外推记不住世界——把状态、规则、碰撞交还游戏引擎，视频模型只当「神经渲染器」。这条路线把 Genie 式交互世界模型从集群演示拉向单卡可玩，也让 AI 生成画面与可验证的游戏逻辑解耦；代价是场景专精、泛化有限，离「任意世界随便玩」还远。 讨论：①「引擎管逻辑 + 视频模型管画面」会成为 AI 游戏的主流架构，还是端到端世界模型最终会吃掉引擎？②83 FPS 是 RTX 5090 + 单步去噪的最佳条件，你觉得 4090/5080 级显卡上的真实可玩帧率会是多少？ 来源：Hugging Face https://huggingface.co/Skywork/Matrix-Game-4.0 | 项目页 https://matrix-game-v4-0.github.io/page/ | GitHub https://github.com/SkyworkAI/Matrix-Game | X @ickma2311 https://x.com/ickma2311/status/2110425940341993953 | X @Coicehaya https://x.com/Coicehaya/status/2110530094095810967