十月十五日，昆仑万维正式发布 Matrix-Game 4.0，号称世界上第一款跑在单张消费级显卡上的视频大模型游戏，并把模型权重、游戏代码与白模一起开源。它的硬指标很直白，单张 NVIDIA RTX 5090、三十二GB 显存，480p 分辨率下以六十帧运行，按键到首帧响应压到一百一十二毫秒，单步去噪稳态约八十三帧每秒，显存峰值十八点五 GiB。过去同类方案要么要一张 H200 一百四十一GB，要么要八张 GB200，这是第一次把世界模型游戏塞进一张玩家卡。

为什么非要把世界状态交给游戏引擎管？

上一代交互式世界模型把「世界存放在模型记忆里」，场景与物体的持续存在靠自回归历史硬撑，玩家长时间往返同一地点时，建筑、角色身份和交互结果会慢慢漂移。Matrix-Game 4.0 的做法是给视频模型套一层 Harness，外部游戏引擎当裁判，用简化几何描述道路、建筑与可交互物体，生命值、背包、重力、碰撞、任务进度全部由代码显式维护和结算。视频模型只当画师，在结构画面约束下把低模渲染成带光照材质的精细画面。这样视野之外的物体依然按规则演化，开发者也能直接读取、修改、调试每一个状态，而不是从像素里反推。

普通玩家的显卡门槛到底有多高？

官方口径是 RTX 5090 三十二GB 起步，模型基于 Wan2.2 5B 改造为视频到视频模式，结构画面与待生成画面按一百四十八通道拼接输入，三十层因果 DiT，配上轻量 TAEHV 编解码，再用 CUDA Graph 预录制主干、FP8 量化融合 kernel、视频历史 KV 环形缓存，文本编码器、DiT 与 VAE 全部常驻一张卡。显存峰值十八点五 GiB 意味着三十GB 卡有富余，但若你手上是十六GB 的上代卡，大概率会在加载阶段就被 OOM 挡住，想尝鲜先把显存留够。

开源代码能直接拿来二创吗？

这次同步开放的不只是权重，还有可供修改的游戏代码。官方范式是 Coding Agent 把自然语言转成场景配置与玩法代码，比如「让怪物从四面八方涌来」会被落成刷新位置、移动路径、攻击行为与胜负判定。小团队可以直接在开源白模上改地形、换 NPC 行为，而不用从零搭三维资产管线。坑点在于动态 Caption 要和引擎可见对象实时绑定，自己改玩法时如果没把状态事件接进提示词模板，画面就会和逻辑脱节，这也是二创时最容易踩的地方。

总结一下，想本地试玩的开发者先确认显存够十八点五 GiB 的峰值占用，再按开源仓库的 README 拉取白模与权重；想做二创的，重点把动态 Caption 与引擎事件接好，而不是直接改提示词。短期内它更像原型验证与独立游戏的试验田，离商业大作还有距离，但这一步把实时世界模型的门槛从数据中心拉到了一张显卡，信号意义大于眼前的画质。

去论坛讨论

前往 silicon-agi.com 论坛 参与讨论