【燊燚AI频道】昆仑万维放大招！Matrix Game 开源#人工智能 #aigc #ai领域 #agent #Matrix Game#开源

大家好，我是刘燊燚，欢迎来到本期视频！昆仑万维正式开源了（17B+）Matrix - Game 大模型，这是 Matrix - Zero 世界模型里的可交互视频生成大模型。
这 Matrix - Game 到底有多牛。
它是 Matrix系列在交互式世界生成方向的首次正式落地，而且是工业界首个开源的 10B + 空间智能大模型，专为开放式环境中的高质量生成与精确控制设计。
空间智能这个概念，现在在 AI 领域那可是相当热门，它融合了视频生成、三维建模与交互控制等技术，让我们在虚拟世界里有更自然、直观、沉浸的体验，在具身智能、影视制作、游戏开发这些领域，空间智能的潜力巨大，而 Matrix - Game在这个赛道上的一个重大突破。
那 Matrix - Game 的核心竞争力体现在哪儿呢？就在于它把视频生成和用户交互深度融合了。用户只要通过简单直观的指令，就能在虚拟世界里自由探索、操控，甚至创造出细节丰富、物理规则合理的虚拟世界。
它主要由三大核心部分构成。第一个是 Matrix - Game - MC 数据集，这可是昆仑万维自己精心打造的大规模交互世界数据集。这里面有两类数据，一类是大规模无标签的 Minecraft 游戏视频，另一类是带有键盘与鼠标控制信号的 Minecraft与 Unreal可控视频数据，而且这些数据还有精细的动作注释。这丰富的数据就像是给 Matrix - Game 提供了充足的 “养分”，让它能够高效地学习复杂环境动态与交互模式。
第二个核心部分是 Matrix - Game 主模型，它是基于先进扩散模型技术开发的图像到世界生成框架。这个主模型就像一个神奇的魔法师，能够根据用户输入的键盘指令、鼠标移动等信息，瞬间生成连贯、可控的互动视频，而且生成的视频在视觉质量、时序一致性与物理合理性方面都表现得相当出色。
第三个核心就是 Game World Score 评测体系，昆仑万维提出了这个统一的游戏交互世界评估标准，从视频的视觉质量、时序质量、动作可控性与物理规则理解四个维度，全面量化模型性能，填补了该领域缺乏系统性评测基准的空白。
通过两阶段训练策略，也就是无标签数据预训练加上标注数据可控训练，参数规模达 17B 的 Matrix - Game 世界基座模型在空间理解、用户指令响应以及物理交互建模等方面都取得了显著提升。
知名创业公司 Decart 的开源方案 Oasis 以及微软开源模型 Mine World 相比，Matrix - Game 在 Minecraft世界生成任务的各项指标上都实现了全面超越，尤其是在交互可控性和物理一致性理解方面，特别明显。因为融入了 Unreal数据，它在泛化到更广泛的通用游戏场景方面也展现出了很大的优势。
在实际应用方面，Matrix - Game 的前景非常广阔。在虚拟游戏世界里，它能帮助开发者低成本、高效率地创建多样化、结构合理的游戏地图与交互环境，以后我们玩的游戏说不定很多都是用 Matrix - Game 开发的；在影视与元宇宙内容生产方面，它支持高保真、物理一致的动态场景合成，为沉浸式体验开发与创意内容生成提供了通用世界建模基础，在具身智能体训练与数据生成方面，虽然目前还未直接应用，但潜力巨大，说不定未来能让智能体在虚拟环境中更好地学习和执行任务。
昆仑万维这次开源 Matrix - Game ，在它的推动下，交互式世界生成技术会迈向一个新的高度，未来的虚拟世界也会变得更加精彩。好了，如果有什么想要说的欢迎在评论区留言讨论。感谢大家观看，我们下期视频再见！

Видео 【燊燚AI频道】昆仑万维放大招！Matrix Game 开源#人工智能 #aigc #ai领域 #agent #Matrix Game#开源 канала AI脑洞社