12月17日消息，騰訊今日，混元騰訊混元宣布，世界首次時(shí)世騰訊混元世界模型1.5正式發(fā)布，模型面實(shí)只需輸入文字描述或者圖片即可創(chuàng)建專屬的發(fā)布互動(dòng)世界。

通過(guò)鍵盤、開源鼠標(biāo)或手柄，業(yè)界即可實(shí)時(shí)控制虛擬相機(jī)的最全移動(dòng)和轉(zhuǎn)向，讓用戶可以像玩游戲一樣自由探索AI生成的界模架世界。

該模型首次開源業(yè)界最系統(tǒng)、型框最全面的騰訊實(shí)時(shí)世界模型框架，涵蓋數(shù)據(jù)、混元訓(xùn)練、世界首次時(shí)世流式推理部署等全鏈路、模型面實(shí)全環(huán)節(jié)，發(fā)布并提出了重構(gòu)記憶力、長(zhǎng)上下文蒸餾、基于3D的自回歸擴(kuò)散模型強(qiáng)化學(xué)習(xí)等算法模塊。 

戲場(chǎng)景生成

混元世界模型1.5具備三大核心能力：

1、實(shí)時(shí)的交互生成：通過(guò)原創(chuàng)的Context Forcing蒸餾方案以及流式推理優(yōu)化，模型可以按照24 FPS的速度生成720P的高清視頻；

2、長(zhǎng)范圍的3D一致性：通過(guò)重構(gòu)記憶機(jī)制（Reconstituted Memory），模型支持分鐘級(jí)內(nèi)容的幾何一致性生成，可用于構(gòu)建高質(zhì)量的3D空間模擬器；

3、多樣化的交互體驗(yàn)：混元世界模型可廣泛適用于不同風(fēng)格的游戲或者現(xiàn)實(shí)場(chǎng)景，以及第一和第三人稱視角，也支持實(shí)時(shí)文本觸發(fā)事件和視頻續(xù)寫等功能。 

據(jù)介紹，混元世界模型1.5的核心是WorldPlay自回歸擴(kuò)散模型，采用Next-Frames-Prediction的視覺(jué)自回歸任務(wù)進(jìn)行訓(xùn)練，實(shí)現(xiàn)長(zhǎng)范圍幾何一致性的實(shí)時(shí)交互式世界建模，破解了業(yè)界滿足實(shí)時(shí)性與幾何一致性的難題。