昆仑万维发布 Matrix-Game 4.0 视频大模型游戏并同步开源
昆仑万维发布 Matrix-Game 4.0,称其为第一款运行在单张消费级显卡上的视频大模型游戏,并同步开源代码、权重与白模。该模型在单张 NVIDIA RTX 5090 上以 480p、60 FPS 运行,端到端延迟低于 150 毫秒,显存峰值 18.5 GiB。
推荐理由:原文给出单卡 480p 60 FPS 与低于 150 毫秒延迟的硬指标,读者可据此判断视频世界模型能否真正本地实时运行。
昆仑万维发布 Matrix-Game 4.0,称其为第一款运行在单张消费级显卡上的视频大模型游戏,并同步开源代码、权重与白模。该模型在单张 NVIDIA RTX 5090 上以 480p、60 FPS 运行,端到端延迟低于 150 毫秒,显存峰值 18.5 GiB。
推荐理由:原文给出单卡 480p 60 FPS 与低于 150 毫秒延迟的硬指标,读者可据此判断视频世界模型能否真正本地实时运行。
Higgsfield 将 AI 视频时长从 1 分钟提升到 10 分钟以上,使用 GPT-6 Astra 生成更长视频,GPT-Image-2.5 提供更精确的画面,并借助 GPT-Live 探索语音电影制作路径。
生数科技发布Vidu S2模型,包含S2-Avatar和S2-Editing两个细分模型,发布当天全量开放。S2-Editing可对正在播放的视频实时换装、换角色、换背景和换风格,S2-Avatar将实时输出分辨率从540p提升到720p,并支持互动中接收参考图执行动作。
推荐理由:生数科技在两个月内完成从S1到S2的迭代,读者可借此了解实时视频编辑与空间视频的当前进展。
李飞飞创办的 World Labs 发布 3D 世界模型 Atlas,官方演示中只用 3 到 5 台普通手机和运动相机拍摄,就能生成传统需要 60 台设备阵列才能完成的子弹时间环绕视角。
推荐理由:原文用子弹时间演示说明稀疏视角重建三维场景的路线,读者可据此理解世界模型与视频生成模型的差异。
李飞飞创办的 World Labs 发布多模态世界模型 Atlas,官方称其从零预训练,可原生处理文本、图像、视频、相机位姿与 3D 深度信息,在同一模型中完成世界生成、空间重建和时空模拟。
推荐理由:Atlas 把相机位姿作为原生输入并支持稀疏视角重建,读者可据此判断世界模型在具身智能数据生成上的位置。