腾讯混元大模型1.5发布：功能亮点与性能详解

12月17日消息，腾讯混元世界模型1.5（Tencent HY WorldPlay）于今日正式发布。据介绍，混元世界模型1.5是该领域首个开源的、涵盖最系统全面的实时世界模型训练体系，覆盖数据、训练、流式推理部署等全链路、全环节。模型创新性地集成了重构记忆力、长上下文蒸馏、以及基于3D的自回归扩散模型强化学习等核心算法模块。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

此次发布的最新介绍如下：

世界建模的新突破：实时交互、前后一致

混元世界模型1.5带来了世界建模的更多可能性。用户能够在模型生成的场景中进行自由移动和探索。当用户离开某个区域后再次返回时，模型能够“记住”该区域的三维结构，呈现出前后一致的场景画面——这种空间记忆能力，标志着模型在三维世界理解上取得关键进展。此外，用户还可以将用于交互的3D场景导出为可多次使用的3D点云文件。

混元世界模型1.5具备三大核心能力：

1、实时的交互生成：通过创新的Context Forcing蒸馏方案以及流式推理优化，模型能够按照24 FPS的帧率生成720P的高清视频；

2、长范围的3D一致性：凭借重构记忆机制（Reconstituted Memory），模型支持分钟级内容的高保真几何一致性生成，可用于构建高质量的3D空间模拟器；

3、多样化的交互体验：混元世界模型可广泛适配不同风格的游戏或现实场景，以及第一和第三人称视角，同时也支持实时文本触发事件和视频续写等功能。

业内首次系统性开源实时世界模型完整训练体系

技术上，混元世界模型1.5首次开源了业界最系统、最完整的实时世界模型训练体系，覆盖从数据准备、模型训练到推理部署的全链路和全环节。混元团队在技术报告中公开了模型预训练、持续训练、自回归视频模型强化学习、带记忆力的模型蒸馏等训练细节，并详细阐述了模型在控制空间（control space）、记忆（reconstituted memory）、蒸馏（context forcing）、强化学习后训练几大模块上的设计思路与原创考量。

混元世界模型1.5的核心是一个名为WorldPlay的自回归扩散模型，它采用Next-Frames-Prediction的视觉自回归任务进行训练，实现了长范围几何一致性的实时交互式世界建模，突破了业界同时满足实时性与几何一致性的技术难题。

模型依托三大核心创新：双分支动作表征实现精准控制、上下文记忆重构机制保持几何一致性、上下文对齐蒸馏技术增强长视频生成的视觉质量和几何一致性。除此之外，该工作还构建了一套新颖的基于3D奖励的强化学习后训练框架，进一步提升生成视频的视觉效果。数据方面，混元团队构建的自动化3D场景渲染流程，可以自动生成大量高质量的真实世界渲染数据，进一步激发核心算法的潜力。混元世界模型1.5可支持24帧/秒的长时流式生成，其高质量与泛化能力能够适配多样化场景。

腾讯混元团队持续深耕世界模型技术。今年7月，腾讯混元团队发布了混元3D世界模型1.0，能够根据文本或单张图片输入，生成兼容图形学管线的3D场景；10月，团队进一步发布了世界模型1.1，支持多视图或视频一键生成3D世界。而此次发布的混元世界模型1.5，则为世界建模带来了探索实时、交互、一致性的全新可能性。

世界模型的演进不仅代表了关键技术的突破，也为“AI生成内容”开辟了广阔的想象空间：未来的AI将不只局限于生成文本或图像等静态内容，而是能够创造一个可实时探索、可交互、空间一致、逻辑连贯的完整动态“世界”。

这种全新的内容生成模式，可应用在多个场景中：在AI游戏开发领域，它可以作为智能关卡生成器，根据玩家描述实时创造可探索的游戏世界；在影视制作和虚拟现实（VR）领域，创作者通过简单的文本指令，就能快速预览和迭代场景设计；在具身智能（Embodied AI）研究领域，混元世界模型1.5提供了一个理想的训练和测试平台，研究者可以借助这个平台，以更高的效率、更大的规模，探索具身智能体的感知、决策、规划与长期交互能力。

在线体验：https://3d.hunyuan.tencent.com/sceneTo3D?tab=worldplay

Github 链接：https://github.com/Tencent-Hunyuan/HY-WorldPlay

Hugging Face 链接：https://huggingface.co/tencent/HY-WorldPlay

项目主页：https://3d-models.hunyuan.tencent.com/world/