腾讯混元世界模子1.5发布,初次开源业界最周全实时世界模子框架

12月17日消息，今日，腾讯混元宣布，腾讯混元世界模型1.5正式发布，只需输入文字描述或者图片即可创建专属的互动世界。

通过键盘、鼠标或手柄，即可实时控制虚拟相机的移动和转向，让用户可以像玩游戏一样自由探索AI生成的世界。

该模型首次开源业界最系统、最全面的实时世界模型框架，涵盖数据、训练、流式推理部署等全链路、全环节，并提出了重构记忆力、长上下文蒸馏、基于3D的自回归扩散模型强化学习等算法模块。

戏场景生成

混元世界模型1.5具备三大核心能力：

1、实时的交互生成：通过原创的Context Forcing蒸馏方案以及流式推理优化，模型可以按照24 FPS的速度生成720P的高清视频；

2、长范围的3D一致性：通过重构记忆机制（Reconstituted Memory），模型支持分钟级内容的几何一致性生成，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用于不同风格的游戏或者现实场景，以及第一和第三人称视角，也支持实时文本触发事件和视频续写等功能。

据介绍，混元世界模型1.5的核心是WorldPlay自回归扩散模型，采用Next-Frames-Prediction的视觉自回归任务进行训练，实现长范围几何一致性的实时交互式世界建模，破解了业界满足实时性与几何一致性的难题。