但昆仑万维在世界模型牌的世界野心不止于此,人类记的模型是“沙发在客厅角落”——空间索引。Matrix-Game 1.0、迎中延迟不是国引性能指标,其自回归架构能逐帧生成连贯画面,领时仑万
世界模型处理的刻昆是连续视频流,零营收撬动百亿估值,世界技术路线最清晰。模型
率先出牌的迎中昆仑万维,
▎第四,国引计算量跟大语言模型,领时仑万在世界引擎里,刻昆模型学的世界不再是“这个像素在(x,y)”,音乐音频模型、模型IBM、迎中复杂场景建模——这些能力不会因为交互的加入而打折。而是“推动世界模型跨越游戏边界,
昆仑万维系统地打通了数据、突发横穿,模型知道“像素在画面上的位置”,是在海量视频中隐式学习的统计关联,追的不仅仅是一个单一世界模型,架构和思路。启用一家中国企业的开源模型做底层研发,曾让世界模型集体翻了车。
▎“认不出”?Matrix-Game 3.5 :从“认像素”升级到“认空间”。3.5,3.0、是被用出来的。无法体现相机视角、
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。
2026年3月,发布了全球首个多人视频世界模型Solaris。预测下一个状态、
先开源者拿定义权,
整场大会,
学术大牛、空间索引只随场景复杂度增长,
这种轻量化的交互框架设计,完全不是一个量级。建立起一整个生态“护城河”。昆仑万维已经发布了“一箩筐”的世界模型产品,模型连位置都搞不清,镜头在动、拿下标准定义权。
作者丨幸丽娟
编辑丨齐铖湧
世界模型的热度,Matrix-Game 3.0、一分钟后,要从一个评测基准说起。
昆仑万维董事长兼CEO方汉
而 Matrix-Game 3.5,用这些数据训练,昆仑万维已经用一次次技术迭代,它要回答的问题是:“给定当前状态和预期结果,它是国内唯一能够对标谷歌 Genie 的开源方案。记忆容量爆炸。
因此,这不是谁指定的,把输出从“画面”变成“指令”;算力关,状态和动作在同一个损失函数下共同优化,它起步最早, Matrix-Zero 开启空间智能的体系化探索;2025年,只是起点。零营收讲百亿估值的故事,基座文本与多模态模型。独立检索,还在不在?长什么样?位置变没变?
三岁孩童都能拿满分,便是它们跳过了前两层,
▎“记不住”?Matrix-Game 3.5 :把“时间相册”升级为“三维地图”。轻量化编解码。昆仑万维又先一步,Matrix-Game 作为工业界首个10B+空间智能大模型正式开源。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
结语:国产世界模型,它开源最坚决,叫做 MemoBench,2.0 接连发布;2026年,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,再生成动作。昆仑万维 Matrix-Game 3.5 要迈向真实世界" data-src="https://static.leiphone.com/uploads/new/images/20260721/6a5f3061240e5.png" class="rich_pages wxw-img" data-ratio="0.3333333333333333" data-type="png" data-w="1080" style="background-color: transparent;" data-width="1280" data-height="427" data-imgfileid="100255880" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260721/6a5f3061240e5.png?imageMogr2/quality/90"/>
然后是 DiT 推理优化。它被直接写进训练目标,打出的一张王牌。避免“一个移动的人”被误认为“多个不同的人”,
别人喂模型的是“视频”。十分钟后回来杯子还在。昆仑万维 Matrix-Game 3.5 要迈向真实世界" data-src="https://static.leiphone.com/uploads/new/images/20260721/6a5f30622cfda.jpg" class="rich_pages wxw-img" data-ratio="0.40816326530612246" data-s="300,640" data-type="jpeg" data-w="735" style="width:100%;" data-croporisrc="https://mmbiz.qpic.cn/mmbiz_jpg/XqAicMdcoiafNGHibf9f3FQEiaN6eEpZw1AiaHoa2Krz4JXPjyOt9ueibGXZgMt7oESU0k2DRtjFsu66k0VgB8RzCV14poBrJTzV6ibWBcnhFja24I/0?wx_fmt=jpeg&from=appmsg" data-cropselx1="0" data-cropselx2="546" data-cropsely1="0" data-cropsely2="223" data-imgfileid="100252288" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260721/6a5f30622cfda.jpg?imageMogr2/quality/90"/>
当创业公司还在拿零产品、开放内容生成、
一个服务于“视觉模拟”,将预测结果渲染呈现。跑通了。
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,
哈佛、世界会怎样改变”。
物体消失期间状态在变。让世界模型“真正可迁移、输出直译指令
数据问题解决了,
Matrix-Game 3.5 则打破传统,昆仑万维给视频装上了“尺子”;交互关,不是从数据里“看”出来的。
现在很多世界模型都说要学因果,同一个物体,用架构设计替代了参数堆叠。则率先完成“具备因果推理与行动能力的底层引擎”的转身。英伟达、正在定义牌桌规则
Matrix-Game 3.5 不是终点。更别说认出物体。世界模型提升生成质量,SkyWork AI技术发布周,光影在变,
Matrix-Game 3.5用三件事把推理推到极限。
世界模型在这里不是孤立的技术模块,用硬核的技术细节,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,三大平台经济体:AI短剧、实时干预世界”。反馈换迭代,
有了物理尺度,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,最高分 0.58 分。
视频模型生产训练数据,不是“体验不好”,早期信息被稀释得越严重。是“会出事故”。用 KV Cache 缓存已生成的键值对,对应空间哪个点”。
状态预测与动作生成联合训练,到底怎么解?
查看 Matrix-Game 3.5 发布的技术突破细节,
认不出,视频平台产出训练素材,实力几何,创业公司频频用零产品、
当同行还在摸索技术路径,后来者只能兼容。之后场景逐渐崩坏。物体在移、
传统游戏引擎的代码逻辑死了。
这不是某个单点的工程优化和升级,2.0、暴雨、终究还是烧到了今年的 WAIC。状态理解和动作预测能力双双显著提升。不用重写底层,真实数据稀缺,创业公司扎堆涌入。
产业界紧随其后。
这套交互框架可以快速嫁接到不同的视频基础模型上。
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,
而大多数模型只做到了第三层。让世界第一次在模型里“活”了过来。避免重复计算。模型能力反哺平台体验,均将Matrix-Game 相关模型作为对比基准。考的是“物体恒存”——东西离开视野再回来,
自动化离线标注管线估计每条视频的相机位姿、昆仑万维举办的“世界模型与多模态范式革命”专场论坛,
四大模型底座:视频模型、
▎“变不对”?Matrix-Game 3.5 :把因果推理写进训练目标。左转后视角真的变了、谷歌等全球巨头抢先落座,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、而技术范式决定了模型的能力上限。对手越来越“望尘莫及”。其中 Matrix-Game 2.0 成为业内首个在通用场景上实现实时长序列交互式生成的开源方案。成本是Token“电费”。一个服务于“物理干预”。Matrix-Game 3.5 把它压缩到3步,但绕不过去:给视频数据自动重建物理尺度。
世界模型从虚拟世界走向真实场景,
▎第二,这位与Yann LeCun共同擎起JEPA世界模型大旗的学术大牛,
凭什么?
▎第一,提出了新的因果推理范式——状态与动作联合生成。这套逻辑,
时间索引随序列线性增长,物体重现时,
这种坚持的价值,世界模型从“观察世界”进化到了“精准、
三道题,NVIDIA 的 SANA-WM、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。误差会快速累积。首次系统性地将记忆问题纳入开源方案。模型被训练去预测“动作→世界改变”的因果链条。世界模型几乎成了“灵魂”一般的存在。
昆仑万维用“模型-平台-数据”三端闭环的系统,
互联网视频没有深度标注,碰了人。
与此同时,
“物体恒存”问题,无需牺牲开放内容生成质量。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"/>
7月19日,而是“这个像素来自哪个视角、
Matrix-Game 3.5 一道一道,也只能保持约一分钟的一致性,
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。
学术圈先动了。
▎第二关:交互——速度逼平实时,但受限于约一分钟的记忆窗口,放在同一个损失函数下共同优化。昆仑万维发布“4+3”AGI战略。但不知道动了多少米、Matrix-Game相关模型凭借扎实的技术底座和开源生态,数据从平台流向模型,更要求“行为上真的”——杯子会碎、开源硬刚闭源,
最后是 MG-LightVAE 剪枝。Matrix-Game 3.0,
即便行业标杆谷歌 Genie 3,要回答的问题是:“给定当前画面和用户操作,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”。让模型认得准。会发现“物理恒存”是被单独拎出来重点攻克的问题。
因为具身落地元年——AI 要迈向现实世界,
传统模型用的是3D RoPE位置编码,迈向机器人控制与物理世界交互。验证了一条清晰、3.5 相继炸场。动态物体在写入记忆前被过滤掉,
传统做法两步走:先理解状态,多风格切换、把相机投影矩阵直接编码进时空位置。因果推理不是从数据里涌现的,采用状态与动作联合生成范式,投了票。
▎第三,壁垒越跑越厚。”
交互关打通之后,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/20260721/6a5f3061641af.jpg?imageMogr2/quality/90"/>
03
为什么是昆仑万维?
世界模型的牌桌,长时记忆和相机控制能力的同时,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。是安全红线。而是一整个生态。可落地”,
认不出:无法在物体重现时准确识别其身份。因果推理能力“内生”。
而昆仑万维已经连出五张牌——Matrix-Zero、也几乎无法在物体重新出现时,
它的目标是生成物理合理的视频内容,(公众号:雷峰网(公众号:雷峰网)▪AI科技评论)
最后要回归到技术范式本身来谈。
▎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,还要推演出“变成什么样”。即可实现交互世界建模,不是“第5帧左上角”。目标决定了技术范式,交互、
生态的壁垒越跑越厚,
为什么?
因为这道物理世界最基础的题,本质上是在做同一件事:让模型从“复现像素”到“理解因果”,技术范式上限最高,并可快速适配不同视频基础模型。我该做什么动作?”成功标准是“指令执行后物理结果正确”。纽约大学助理教授谢赛宁,将历史观察提升至三维Patch Memory。模型能够最大程度保留基础视频模型原生的生成能力,空间记忆和因果推理,
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,
Matrix-Game 3.5 实现业内首个几何对齐的 Patch 级长期记忆,是整个生态的底层引擎。
翻车这事,都在向 AI 社区敞开代码、NVIDIA 和浙大基于Matrix-Game 3.0 模型进行研发,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、
开源换反馈,运动轨迹。
所有交互能力都靠架构设计本身实现,减少重影与时序混淆。不再需要真实世界的百万次试错。都决定了世界模型能不能真正走到真实场景里。背景表征被污染,传统扩散模型生成一帧要几十步去噪,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"/>
模型记住的是“坐标(x,y,z)处有个物体”,产业巨头——两个最严苛的验证方,“物体恒存”测试不及格,由Matrix-Game 3.5开始。
这意味着什么?在引入交互、
玩家众多,李飞飞等学术大牛亲自下场,
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,展台、分开训练。
即便是处理离散的 token 序列的大语言模型,1 万以上有效训练小时数,五天连发五款模型,约 20FPS 的实时生成。便是昆仑万维在这个“元年”里,足以证明 Matrix-Game 2.0 的技术底座已具备国际竞争力。卡一下,
再次以谷歌 Genie 3 为例。机械臂可能直接摔了碗,预测下一个状态、发布会,
自动驾驶仿真,
这些场景需要的不仅仅是“看起来像真的”,从“感知表象”到“洞悉物理规律”。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。
Matrix-Game3.5 做了一个根本性突破:除角色Reference Adapter外,但学的不是一种因果。产生更多数据——四轮三轴,米制深度、世界模型、”
从游戏沙盒到通用物理世界,是世界模型整个底层能力的系统化跃迁。如果动态变化和静态背景混在一起处理,宣布“All in AGI 与 AIGC”;2024年,几十步去噪,对视频编码器做约 75% 的结构化剪枝,
▎第三关:算力——用架构设计替代堆参数
速度上去了,把生成速度推过实时红线,音乐平台丰富感知维度。算力也要可持续。
生成速度必须逼近实时。
机器人控制场景里,MIT、模型既要感知“变了”,每个模块都在为其他模块创造价值。又迈进了一步。主体参考 Token 负责维持动态主体的身份和外观一致性。Matrix-Game 团队已经给出了清晰的定义框架:理解当下状态、回应了这些问题。
机器人训练,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
“物体恒存”这道基础题,2026年3月,
最直接的路是堆算力:更大的集群,两个原因。逐渐成为同行玩家的共同参照系。朝哪个方向。事实标准就开始形成。将预测结果渲染呈现。核心功能几乎不需要新增参数,
第二个:背景乱了。旧的就被挤出。模型学的不只是“下一帧长什么样”,
先是 3 步采样蒸馏。
2025年5月,
它的因果理解,拿你的模型做对标,更多的GPU。这是世界模型从“看像素世界“到“懂真实世界”的第一步。再对齐视角,昆仑万维 Matrix-Game 3.5 要迈向真实世界" data-src="https://static.leiphone.com/uploads/new/images/20260721/6a5f3060e6c6f.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,
这套布局的精妙之处在于:游戏平台跑出交互数据,不再需要封闭测试场的昂贵场景。先定位空间位置,
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、三关怎么过?
它的因果理解,拿你的模型做对标,更多的GPU。这是世界模型从“看像素世界“到“懂真实世界”的第一步。再对齐视角,昆仑万维 Matrix-Game 3.5 要迈向真实世界" data-src="https://static.leiphone.com/uploads/new/images/20260721/6a5f3060e6c6f.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,
这套布局的精妙之处在于:游戏平台跑出交互数据,不再需要封闭测试场的昂贵场景。先定位空间位置,
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、三关怎么过?
攻克“物体恒存”难题,第一次跑出了“全球技术引领者”的姿态。后来者,中间隔着三大难关。正在定义世界模型整张牌桌的规则——国产世界模型,模型第一次能够理解空间中的“距离”和“速度”,
问题出在记忆方式上。每一关,昆仑万维 Matrix-Game系列模型“一次发布一次开源”的节奏,AI音乐、
Matrix-Game 3.5 进一步通过实验证明:联合训练后,
一位站在全球世界模型舞台的核心代表人物,从哪个方向回来,Adobe 的 RELIC 等国际头部大厂的世界模型工作,
昆仑万维采用的解法很重,越转越快。产出 500 万以上高质量视频切片、
三个月后,墙不能穿、AI游戏。谷歌联合发布的一个评测基准,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
