腾讯混元世界模型1.5发布：业界首个开源的完整实时世界框架

12月17日，腾讯混元世界模型1.5（Tencent HY WorldPlay）正式亮相。据最新介绍，混元世界模型1.5（WorldPlay）首次开源了业界迄今为止最为系统、全面的实时世界模型训练体系，覆盖了从数据准备、模型训练到流式推理部署的全链路、全环节。模型还创新性地引入了重构记忆力、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 👈

该模型的核心特性简要介绍如下：

世界建模的新突破：实时交互与空间一致性

混元世界模型1.5为世界建模带来了全新的可能性。用户可以在模型生成的虚拟世界中自由移动探索，即便离开某个场景区域后再返回，模型也能“记住”该区域的三维结构，呈现出前后一致的世界场景——这种空间记忆能力标志着模型在三维世界理解上取得了重要突破。此外，用户还可以选择将用于交互的3D场景导出为可重复使用的3D点云资源。

混元世界模型1.5具备三大核心能力：

1、实时的交互生成：通过独创的Context Forcing蒸馏方案以及流式推理优化，模型能够以24 FPS的速度稳定生成720P的高清视频流；

2、长范围的3D一致性：借助重构记忆机制（Reconstituted Memory），模型支持对分钟级内容进行几何一致性的连续生成，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，无论是第一人称还是第三人称视角，同时也支持实时文本触发事件和视频续写等功能。

业界最系统、最全面的实时世界模型训练体系首次开源

在技术层面，混元世界模型1.5首次开源了业界最系统、最全面的实时世界模型训练体系，完整覆盖了从数据处理、模型训练、到推理部署的全流程。混元团队在详细的技术报告中，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，并重点阐述了模型在控制空间（control space）、记忆机制（reconstituted memory）、上下文蒸馏（context forcing）、强化学习后训练几大模块上的设计思路与原创技术。

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，实现了具备长范围几何一致性的实时交互式世界建模，破解了行业内同时满足实时性与几何一致性的难题。

该模型依托三大核心技术创新：通过双分支动作表征实现精准的空间控制、利用上下文记忆重构机制保证几何一致性、采用上下文对齐蒸馏技术提升长视频生成的视觉质量和几何一致性。除此之外，该工作也构建了一套新颖的基于3D奖励的强化学习后训练框架，来进一步增强生成视频的视觉质量和几何一致性。数据方面，混元团队构建的自动化3D场景渲染流程，可以便捷地获得大量高质量的真实世界渲染数据，从而更好地激发核心算法的潜力。混元世界模型1.5支持以24帧/秒的速度进行长时间流式生成，其一致性与泛化能力适用于游戏关卡、影视预演、具身智能训练等多种场景。

腾讯混元团队持续深耕世界模型技术。今年7月，团队发布了混元3D世界模型1.0，支持文本或单张图片输入生成兼容图形学管线的3D场景；10月，混元团队发布世界模型1.1，支持多视图或视频一键创造3D世界。此次发布的混元世界模型1.5，更进一步带来了世界建模的全新可能性。

世界模型的演进和迭代不仅是技术上的突破，也打开了“AI生成内容”的想象空间：未来的AI不仅仅是生成文本、图像或视频等模态，而是能够创造可实时探索、可交互、空间一致的完整“世界”。

这种全新的内容生成模式，可以应用在多个场景中：在AI游戏开发领域，它可以作为智能关卡生成器，根据玩家的文本描述实时创建可探索的游戏世界；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，就可以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，去探索具身智能体的感知、决策、规划和长期交互能力。

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/