昆仑万维发布Matrix-Game 4.0：单张RTX 5090实时运行，同步开源

10月15日，昆仑万维正式发布Matrix-Game 4.0，被称为世界上第一款运行在单张消费级显卡上的视频大模型游戏。它把480p、60FPS的实时游戏体验装进了一张NVIDIA RTX 5090，从玩家按键到画面做出反应的端到端延迟低于150毫秒。项目在发布时同步开源，代码、权重与白模一并开放给研究者、开发者和创作者。

Matrix-Game 4.0构建起了游戏世界模型的新范式：由游戏引擎维护世界状态与交互规则，由视频生成模型实时呈现精细画面。整个系统由三个模块构成——游戏引擎作为“裁判”，用简化几何模型描述道路、建筑、角色与可交互物体，生命值、背包、重力、碰撞和任务进度都由代码明确维护；Coding Agent（编程智能体）作为“构建者”，把玩家的自然语言创意转化为可运行的游戏代码；视频生成模型作为“画师”，负责将结构画面转化为精细视觉体验。团队称这一设计首次跑通了“代码生成游戏逻辑→结构画面提供结构约束→视频模型实时渲染”的完整闭环。

性能上，Matrix-Game 4.0给出的是一组硬指标：单张RTX 5090（32GB显存）下，480p分辨率以60FPS运行，单步去噪的稳态生成速度达83FPS，显存峰值18.5GiB。在与同类方案的公开对比中，Code World Model端到端延迟约10.2秒、StreamRender-H3约545毫秒、AgentGarten约878毫秒，而Matrix-Game 4.0只有112毫秒，约是前者的九十分之一，第一次真正落进“实时可玩”区间；算力要求上，其他方案需要1×H200 141GB、8×GB200或1×H100等数据中心卡，Matrix-Game 4.0只跑在一张消费级显卡上。

工程层面，团队基于虚幻引擎5（UE5）构建了结构画面-精细画面跨域对齐数据集，覆盖超大城市、开放沙漠、复杂城堡、高动态空战四大典型场景；视频模型基于Wan2.2 5B改造为视频到视频（V2V）模式，采用148通道拼接输入与30层因果DiT，并引入动态Caption让语义描述跟随游戏状态实时变化。为了让60FPS在消费级显卡上落地，团队还用上了CUDA Graph预录制、FP8量化融合kernel、KV环形缓存与轻量TAEHV编解码等一整套推理优化。

这一路线针对的是上一代交互式世界模型的三个老问题：世界状态缺少独立可验证的维护机制、长时间交互的一致性难保证、合理的交互画面不等于可靠的游戏规则。Matrix-Game 4.0的解法是把“世界”从模型的记忆里搬出来，交给显式、可读取、可修改、可验证的游戏引擎来承载。

在业内看来，这类“引擎管世界、AI画世界”的探索让游戏原型开发、个性化定制与UGC创作有了更可落地的技术路径：创作者借助编程智能体，用自然语言就能调整地形、修改NPC行为、设计玩法，把创意门槛压到一行Prompt的高度。团队表示，未来将持续迭代模型，部署refiner提高画面分辨率，并探索多人联机等更复杂的游戏形态。

昆仑万维是较早投入视频生成与世界模型方向的国内厂商之一。从“可控制的视频”到“可运行的世界”，Matrix-Game 4.0意味着创意的门槛在降低，而想象力的边界在打开。