据量子位经腾讯新闻发布（http://news.qq.com/rain/a/20261018A0AETS00 ），VAST 10 月 18 日正式发布并开源实时世界模型 EdenLive，首次在实时生成前提下同时完成任意参考输入、任意画风生成与长时连续运行。系统接收简化场景或参考视频、目标首帧与提示词，沿参考布局与运动持续生成写实、二次元等不同画风画面。在单张消费级显卡 NVIDIA RTX 5090、720P 条件下，5B 模型生成速度超过 24FPS，支持分钟级连续生成，从用户输入操作到画面出现的端到端延迟为百毫秒级。模型权重、流式推理代码、技术报告与端到端 Demo 全部开放，同时开源 Prompt to Proxy Game 的 Game Prototype Turbo 技能，可快速生成可直接游玩的游戏原型。
状态维护与视觉渲染解耦为什么是关键设计？
行业正在形成一条共识：由交互系统维护底层状态与运行规则，生成模型只负责视觉渲染。EdenLive 采用解耦世界状态与视觉渲染的三层架构，持续演化的结构化状态负责世界如何运行，状态到观测的接口负责转换，生成式神经渲染负责出画。玩家按键、命中判定、血量更新都由上游系统完成，模型只把状态变化画出来，这样生成模型不必承担游戏逻辑，专注画面质量与速度。这条路线 VAST 在 6 月初 Project Eden 研究预览中就已明确，比行业共识早了三到四个月。
消费级显卡 24 帧意味着什么？
实时渲染的门槛是帧率与延迟，传统实时渲染靠游戏引擎预烘焙资产，生成式路线则要求模型自己出画。5B 模型在 RTX 5090 上达到 720P 24FPS、百毫秒级延迟，已经接近可交互门槛，让创作者在操作游戏原型的同时看到精细画面，而不是等离线渲染几分钟。但目前更适合场景漫游、推箱子这类低频交互，高频激烈对抗、多角色身份保持、小物体精细控制与长时间视觉一致性仍是短板，硬件门槛也没有低到普通笔记本可跑。
一个模型怎么覆盖游戏、动画、换皮与具身数据四类用途？
三类输入是同一套机制：参考画面提供布局镜头与运动，目标首帧设定外观画风，提示词补充风格细节。同一布局可生成写实与动画版本供导演比较，实拍真人视频可重渲染成卡通形象保留姿态，第一视角操作视频可把人手换成机械手、改变物体颜色用于具身数据增强。用途看似分散，本质都是沿已有运动轨迹换皮肤，这让开源权重对游戏原型、概念设计、虚拟主播与机器人数据团队都有直接价值。
开源节奏对国内世界模型生态有什么影响？
权重、推理代码与技术报告同时开放，等于把数据管线、跨领域协作与三层架构经验公开，后来者可以直接在其上改进而不必从零搭。对研究者，这是少有的可本地复现的实时世界模型样本；对创作者，Game Prototype Turbo 降低了原型门槛；对厂商，仍要注意分钟级一致性与高频交互的差距，商用前自行压测。世界模型竞争正从生成好看片段转向可连续交互，开源项目能否持续迭代，决定它是短期 demo 还是长期底座。
去论坛讨论
前往 silicon-agi.com 论坛 参与讨论