腾讯混元世界模型1.5开源：业内首个全景实时世界框架发布

12月17日消息，腾讯混元今天正式宣布，其混元世界模型1.5版本已发布。现在，用户只需输入简单的文字描述或是上传一张图片，就能轻松创建出专属的互动虚拟世界。

借助键盘、鼠标或游戏手柄，用户可以实时操控虚拟相机的移动和转向，体验就像玩游戏一样，自由探索由AI生成的神奇世界。

这是行业内首次开源最系统、最全面的实时世界模型框架。它覆盖了数据处理、模型训练、流式推理部署等完整链条和全部环节，同时提出了重构记忆力、长上下文蒸馏、基于3D的自回归扩散模型强化学习等创新算法模块。

游戏场景生成

混元世界模型1.5具备三大核心能力：

1、实时交互生成：通过原创的Context Forcing蒸馏方案和流式推理优化技术，模型能够以每秒24帧的速度流畅生成720P的高清视频内容。

2、长范围3D一致性：借助重构记忆力机制，模型支持分钟级长内容的几何一致性生成，可用于构建高质量的3D空间模拟器。

3、多样化的交互体验：混元世界模型能够广泛应用于不同风格的游戏或现实场景，支持第一人称和第三人称视角切换，同时具备实时文本触发事件和视频续写等功能。

据介绍，混元世界模型1.5的核心是名为WorldPlay的自回归扩散模型。它采用“下一帧预测”的视觉自回归任务进行训练，从而实现了长范围几何一致性的实时交互式世界建模，成功破解了业界在同时满足实时性与几何一致性方面的长期难题。