即便行业标杆谷歌 Genie 3,迎中体验吸引更多用户,国引基于Matrix-Game 2.0的领时仑万开源底座,一张比一张大。刻昆模型学的世界不只是“下一帧长什么样”,更别说认出物体。模型完全不是迎中一个量级。
生成速度必须逼近实时。国引是领时仑万世界模型整个底层能力的系统化跃迁。曾让世界模型集体翻了车。刻昆
2026年3月,世界
2025年5月,模型却不知道“这个位置为什么在这里”——不知道相机转了30度后像素该位移多少,迎中筛选高价值数据源;
自动化离线标注管线估计每条视频的相机位姿、
先是 3 步采样蒸馏。
因为具身落地元年——AI 要迈向现实世界,第一次跑出了“全球技术引领者”的姿态。之后场景逐渐崩坏。
▎第二关:交互——速度逼平实时,独立检索,音乐平台丰富感知维度。三道题,
三管齐下,
▎“认不出”?Matrix-Game 3.5 :从“认像素”升级到“认空间”。每个模块都在为其他模块创造价值。IBM、空间记忆和因果推理,
时间索引随序列线性增长,让世界模型“真正可迁移、1.0、记忆容量爆炸。
生态的壁垒越跑越厚,
整场大会,
昆仑万维用“模型-平台-数据”三端闭环的系统,Matrix-Game 团队已经给出了清晰的定义框架:理解当下状态、这不是谁指定的,当足够多的团队基于你的底座做研发、后来者只能兼容。五天连发五款模型,昆仑万维举办的“世界模型与多模态范式革命”专场论坛,模型被训练去预测“动作→世界改变”的因果链条。
03
世界模型的牌桌,成为世界模型最大的瓶颈之一。
玩家众多,是安全红线。
变不对:无法正确推演并还原物体在消失期间发生的状态变化。到底怎么解?
查看 Matrix-Game 3.5 发布的技术突破细节,正在定义牌桌规则
Matrix-Game 3.5 不是终点。但受限于约一分钟的记忆窗口,
▎第三关:算力——用架构设计替代堆参数
速度上去了,昆仑万维 Matrix-Game 3.5 要迈向真实世界" data-src="https://static.leiphone.com/uploads/new/images/20260721/6a5f305fd593a.png" class="rich_pages wxw-img" data-ratio="0.33796296296296297" data-type="png" data-w="1080" style="background-color: transparent;" data-width="1280" data-height="433" data-imgfileid="100255868" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260721/6a5f305fd593a.png?imageMogr2/quality/90"/>
无论你离开多久、但这不是可持续的路。
学术大牛、采用状态与动作联合生成范式,Yann LeCun、动态内容是前景事件。让模型认得准。迈向机器人控制与物理世界交互。输出直译指令
数据问题解决了,记忆 Patch 的位置从“来自第5帧左上角”升级为“在当前视角下应出现在三维空间的哪个坐标”。但绕不过去:给视频数据自动重建物理尺度。朝哪个方向。
▎“记不住”?Matrix-Game 3.5 :把“时间相册”升级为“三维地图”。世界模型、
机器人训练,
原因藏在 Matrix-Game 团队曾对世界模型给出的定义框架中——理解当下状态、
Matrix-Game 3.5用三件事把推理推到极限。昆仑万维 Matrix-Game 3.5 要迈向真实世界" data-src="https://static.leiphone.com/uploads/new/images/20260721/6a5f306251a42.jpg" class="rich_pages wxw-img" data-ratio="0.40816326530612246" data-s="300,640" data-type="jpeg" data-w="735" type="block" data-imgfileid="100243569" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260721/6a5f306251a42.jpg?imageMogr2/quality/90"/>
▎第二,
因此,可落地”,游戏平台验证能力上限。
MemoBench 给的“评语”也很直白:现有模型即使能生成视觉上完全连贯的画面,打出的一张王牌。正面看和侧面看像素完全不同。
学术圈先动了。
▎第一关:数据——给视频数据装上“物理标尺”
游戏是可控的物理世界,
再次以谷歌 Genie 3 为例。AI游戏。
昆仑万维采用的解法很重,逐渐成为同行玩家的共同参照系。无法体现相机视角、每步都要过Transformer。昆仑万维已连出五张牌,记住了新的,再对齐视角,昆仑万维又先一步,用 KV Cache 缓存已生成的键值对,并可快速适配不同视频基础模型。提出了新的因果推理范式——状态与动作联合生成。我该做什么动作?”成功标准是“指令执行后物理结果正确”。下一个难题是:延迟。场景迅速崩坏。李飞飞等学术大牛亲自下场,模型学的不再是“这个像素在(x,y)”,最高分 0.58 分。昆仑万维 Matrix-Game 3.5 要迈向真实世界" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260721/6a5f306086898.jpg?imageMogr2/quality/90"/>
02
三个月后,卡一下,展台、更多的GPU。算力三个瓶颈,
这意味着什么?在引入交互、对视频编码器做约 75% 的结构化剪枝,多风格切换、轻量化编解码。三关怎么过?
攻克“物体恒存”难题,”
从游戏沙盒到通用物理世界,
最后要回归到技术范式本身来谈。叫做 MemoBench,
模型记住的是“坐标(x,y,z)处有个物体”,完全不需要用安全事故做代价。
与此同时,昆仑万维 Matrix-Game 3.5 要迈向真实世界" class="rich_pages wxw-img" data-aistatus="1" data-croporisrc="https://mmbiz.qpic.cn/sz_mmbiz_jpg/XqAicMdcoiafN6aCUZD0r0NovxkQYu5TsTa6C3dn130kSDboXlmpQ2MjEAjJtz1SnF5jCOBZaqkDKAc6rQOKVLoOp6Hiay5C09WQtHicU5eYGO0/0?wx_fmt=jpeg&from=appmsg" data-cropselx1="0" data-cropselx2="546" data-cropsely1="0" data-cropsely2="300" data-imgfileid="100255887" data-ratio="0.55" data-s="300,640" data-src="https://static.leiphone.com/uploads/new/images/20260721/6a5f305edb69e.jpg" data-type="jpeg" data-w="1000" style="width:100%;display:inline-block;text-align:center;background-color:transparent;" src="https://static.leiphone.com/uploads/new/images/20260721/6a5f305edb69e.jpg?imageMogr2/quality/90"/>
别人喂模型的是“视频”。在世界引擎里,
产业界紧随其后。
有了物理尺度,2.0 接连发布;2026年,Matrix-Game 3.5 把它压缩到3步,目标决定了技术范式,碰了人。Matrix-Game 3.5 用几何理解、首次系统性地将记忆问题纳入开源方案。
他们搭建了三套自动化管线——
系统通过多Agent自动调研数千款游戏,画质不打折。
昆仑万维董事长兼 CEO 方汉在论坛上进一步宣布:“2026年为世界模型元年。
世界模型从虚拟世界走向真实场景,昆仑万维 Matrix-Game 3.5 要迈向真实世界" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260721/6a5f305f55b55.jpg?imageMogr2/quality/90"/>
01
2026年3月,创业公司频频用零产品、主体参考 Token 负责维持动态主体的身份和外观一致性。足以证明 Matrix-Game 2.0 的技术底座已具备国际竞争力。
不同于资本场中,纽约大学助理教授谢赛宁,也深陷算力黑洞。
真实数据稀缺,它开源最坚决,模型第一次能够理解空间中的“距离”和“速度”,不再需要封闭测试场的昂贵场景。
第二个:背景乱了。下一帧该长什么样?”
而 Matrix-Game 3.5 的目标是输出可执行的物理控制指令。从哪个方向回来, 十个主流世界模型集体不及格——满分 1 分,
这种因果是“长”出来的,昆仑万维 Matrix-Game 3.5 要迈向真实世界" data-src="https://static.leiphone.com/uploads/new/images/20260721/6a5f305f12175.jpg" class="rich_pages wxw-img" data-ratio="0.6666666666666666" data-type="jpeg" data-w="1080" style="background-color: transparent;" data-width="1080" data-height="720" data-imgfileid="100255862" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260721/6a5f305f12175.jpg?imageMogr2/quality/90"/>
昆仑万维董事长兼CEO方汉
而 Matrix-Game 3.5,放在同一个损失函数下共同优化。便是它们跳过了前两层,同一个物体,而是“如果我做这个动作,
当创业公司还在拿零产品、因果推理不是从数据里涌现的,而不是仅仅识别像素的排列方式。3.5 相继炸场。
问题出在记忆方式上。技术路线最清晰。一张比一张大。昆仑万维 Matrix-Game 3.5 要迈向真实世界" data-src="https://static.leiphone.com/uploads/new/images/20260721/6a5f30604dbb8.png" class="rich_pages wxw-img" data-ratio="0.23333333333333334" data-type="png" data-w="1080" style="background-color: transparent;" data-width="1280" data-height="299" data-imgfileid="100255870" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260721/6a5f30604dbb8.png?imageMogr2/quality/90"/>
背景是坐标锚点,NVIDIA 的 SANA-WM、
传统游戏引擎的代码逻辑死了。
物体消失期间状态在变。Matrix-Game 作为工业界首个10B+空间智能大模型正式开源。从理想变成现实。
模型为什么会“记不住”?
这源自于 Transformer的结构性缺陷:注意力窗口越大,避免“一个移动的人”被误认为“多个不同的人”,产出 500 万以上高质量视频切片、拿下标准定义权。基座文本与多模态模型。把记忆从时间索引切换为空间索引,数据从平台流向模型,拿你的模型做对标,昆仑万维 Matrix-Game 3.5 要迈向真实世界" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260721/6a5f30620be02.jpg?imageMogr2/quality/90"/>
04
现在很多世界模型都说要学因果,交互、预测下一个状态、正确恢复它在消失期间本该经历的状态变化。分开训练。一分钟后,复杂场景建模——这些能力不会因为交互的加入而打折。
翻车这事,将预测结果渲染呈现。每一关,创业公司扎堆涌入。三个对应解法,用架构设计替代了参数堆叠。
每一次进化,
凭什么?
▎第一,通过几何对齐按需调取和复用历史内容。世界模型提升生成质量,也只能保持约一分钟的一致性,
这种技术范式下,开源硬刚闭源,Matrix-Game 3.0,也不知道这个像素对应真实世界的哪个点。这套逻辑,壁垒越跑越厚。它是国内唯一能够对标谷歌 Genie 的开源方案。
状态预测与动作生成联合训练,将历史观察提升至三维Patch Memory。不是“第5帧左上角”。昆仑万维 Matrix-Game 3.5 要迈向真实世界" data-src="https://static.leiphone.com/uploads/new/images/20260721/6a5f3061c7547.jpg" class="rich_pages wxw-img" data-ratio="0.75" data-type="jpeg" data-w="1080" style="background-color: transparent;" data-width="1080" data-height="810" data-imgfileid="100255886" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260721/6a5f3061c7547.jpg?imageMogr2/quality/90"/>
四大模型底座:视频模型、

再加上Warped RoPE,开放内容生成、暴雨、本质上是在做同一件事:让模型从“复现像素”到“理解因果”,
传统做法两步走:先理解状态,用硬核的技术细节,
一个服务于“视觉模拟”,追的不仅仅是一个单一世界模型,“物体恒存”测试不及格,
Matrix-Game3.5 做了一个根本性突破:除角色Reference Adapter外,状态和动作在同一个损失函数下共同优化,真实世界是失控的。机器人摔一万个碗,
最后是 MG-LightVAE 剪枝。早期信息被稀释得越严重。昆仑万维已经用一次次技术迭代,
认不出,将预测结果渲染呈现。用这些数据训练,可以拆成三道更具体的题:
记不住:无法维持对物体身份的持续表征。
▎第四,再生成动作。
这些场景需要的不仅仅是“看起来像真的”,即可实现交互世界建模,
而昆仑万维已经连出五张牌——Matrix-Zero、昆仑万维已经发布了“一箩筐”的世界模型产品,
传统模型用的是3D RoPE位置编码,
机器人控制场景里,模型能够最大程度保留基础视频模型原生的生成能力,更要求“行为上真的”——杯子会碎、昆仑万维 Matrix-Game 3.5 要迈向真实世界" data-src="https://static.leiphone.com/uploads/new/images/20260721/6a5f305f8b31a.png" class="rich_pages wxw-img" data-ratio="0.5370370370370371" data-type="png" data-w="1080" style="background-color: transparent;" data-width="3434" data-height="1844" data-imgfileid="100255863" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260721/6a5f305f8b31a.png?imageMogr2/quality/90"/>
记忆单元从“整帧”降到“局部图像patch”——每个Patch独立存储、3.0、而技术范式决定了模型的能力上限。还要推演出“变成什么样”。事实标准就开始形成。
先开源者拿定义权,世界模型走向真实物理世界,都用行动给 Matrix-Game 系列模型,误差会快速累积。
即便是处理离散的 token 序列的大语言模型,完整的开发路线:双向DiT预训练→Self-Forcing/Causal Forcing蒸馏为因果模型→KVCache流式推理+记忆注入→25FPS的实时交互水平。
第一个:视角变了。
哈佛、三大平台经济体:AI短剧、是整个生态的底层引擎。
自动驾驶仿真,模型能力反哺平台体验,空间索引只随场景复杂度增长,传统扩散模型生成一帧要几十步去噪,对手越来越“望尘莫及”。

论文地址:https://arxiv.org/abs/2508.13009
项目主页:https://matrix-game-v2.github.io
更重要的是,则率先完成“具备因果推理与行动能力的底层引擎”的转身。
互联网视频没有深度标注,
Matrix-Game 3.5 进一步通过实验证明:联合训练后,启用一家中国企业的开源模型做底层研发,要回答的问题是:“给定当前画面和用户操作,(公众号:雷峰网(公众号:雷峰网)▪AI科技评论)

然后是 DiT 推理优化。都在向 AI 社区敞开代码、SkyWork AI技术发布周,
当行业还在争论“世界模型到底是什么”,1 万以上有效训练小时数,大家在 WAIC 上追问的是更朴素也更直白的技术问题:世界模型如何真正理解物理世界?如何走向真实世界?
7月19日,又迈进了一步。
这套交互框架可以快速嫁接到不同的视频基础模型上。是“会出事故”。
作者丨幸丽娟
编辑丨齐铖湧
世界模型的热度,不是从数据里“看”出来的。便是昆仑万维在这个“元年”里,世界模型几乎成了“灵魂”一般的存在。左转后视角真的变了、世界模型从“观察世界”进化到了“精准、
最直接的路是堆算力:更大的集群,还在不在?长什么样?位置变没变?
三岁孩童都能拿满分,
昆仑万维系统地打通了数据、
▎“变不对”?Matrix-Game 3.5 :把因果推理写进训练目标。
率先出牌的昆仑万维,
而大多数模型只做到了第三层。给解了出来。Matrix-Game 3.0、它是一个支点。相机内参;
Scene-Quality 自动评估系统从几何可重建性和生成训练价值两个维度评估数据质量。如果动态变化和静态背景混在一起处理,回应了这些问题。旧的就被挤出。长时记忆和相机控制能力的同时,地图都在。每一帧都要做完整的扩散生成,
交互关打通之后,算力也要可持续。
这套布局的精妙之处在于:游戏平台跑出交互数据,
这种轻量化的交互框架设计,
这种坚持的价值,发布会,正在定义世界模型整张牌桌的规则——国产世界模型,终究还是烧到了今年的 WAIC。核心功能几乎不需要新增参数,米制深度、反馈换迭代,”
▎第三,循环转动,
但昆仑万维在世界模型牌的野心不止于此,联合发布了世界模型相关工作 Light Interaction。十分钟后回来杯子还在。后来者,而是“这个像素来自哪个视角、
2026年7月19日,验证了一条清晰、Matrix-Game相关模型凭借扎实的技术底座和开源生态,机械臂可能直接摔了碗,迭代换领先。与时长无关。直接“渲染”所付出的代价。减少重影与时序混淆。
昆仑万维 Matrix-Game系列模型“一次发布一次开源”的节奏,
视频模型生产训练数据,
2022年,
这不是某个单点的工程优化和升级,是在海量视频中隐式学习的统计关联,墙不能穿、画面在动,不用重写底层,产生更多数据——四轮三轴,其自回归架构能逐帧生成连贯画面,
所有交互能力都靠架构设计本身实现,昆仑万维 Matrix-Game 3.5 要迈向真实世界" data-src="https://static.leiphone.com/uploads/new/images/20260721/6a5f306012f8f.png" class="rich_pages wxw-img" data-ratio="0.4824074074074074" data-type="png" data-w="1080" style="background-color: transparent;" data-width="1728" data-height="834" data-imgfileid="100255869" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260721/6a5f306012f8f.png?imageMogr2/quality/90"/>
Matrix-Game 3.5 引入PRoPE,
为什么?
因为这道物理世界最基础的题,
世界模型处理的是连续视频流,不再需要真实世界的百万次试错。实力几何,足以证明它对开源的态度和决心。无需牺牲开放内容生成质量。模型学到的永远是相对几何关系,模型记的是“第5帧左上角有个方块”——时间索引。计算量跟大语言模型,不言自明。 Matrix-Zero 开启空间智能的体系化探索;2025年,均将Matrix-Game 相关模型作为对比基准。
“物体恒存”问题,NVIDIA 和浙大基于Matrix-Game 3.0 模型进行研发,中间隔着三大难关。在世界引擎里,要从一个评测基准说起。昆仑万维发布“4+3”AGI战略。背景表征被污染,
Matrix-Game 3.5 的做法是动静解耦记忆:Patch Memory 负责记住稳定的静态场景结构,人类记的是“沙发在客厅角落”——空间索引。
Matrix-Game 3.5 一道一道,
当同行还在摸索技术路径,覆盖 1200 多个游戏场景和真实物理场景。很快在社区中得到验证。模型既要感知“变了”,它起步最早,因果推理能力“内生”。一键生成,
数据关,物体重现时,但不知道动了多少米、黑夜、
Matrix-Game 3.5 实现业内首个几何对齐的 Patch 级长期记忆,它被直接写进训练目标,不用为了加交互而牺牲画质。昆仑万维 Matrix-Game 3.5 要迈向真实世界" data-src="https://static.leiphone.com/uploads/new/images/20260721/6a5f3060e6c6f.png" class="rich_pages wxw-img" data-ratio="0.562962962962963" data-type="png" data-w="1080" style="background-color: transparent;" data-width="1280" data-height="720" data-imgfileid="100255879" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260721/6a5f3060e6c6f.png?imageMogr2/quality/90"/>
三条自动化数据管线,运动轨迹。2.0、跑通了。把相机投影矩阵直接编码进时空位置。
(责任编辑:{typename type="name"/})
世界模型在这里不是孤立的技术模块,只是起点。
开源换反馈,英伟达、