Das chinesische Unternehmen Kunlun Tech hat über seine Skywork-AI-Abteilung am 15. Oktober 2026 Matrix-Game 4.0 angekündigt. Es handelt sich um ein Open-Source-System, das eine traditionelle Spiel-Engine mit einem kausalen Videomodell kombiniert, um in Echtzeit spielbare Spiele auf einer einzelnen Verbrauchergrafikkarte, der NVIDIA RTX 5090, zu erzeugen.
Was ist passiert?
Im Gegensatz zu früheren Weltmodellen, die Zustand, Regeln und Rendering gleichzeitig verwalten wollen, trennt Matrix-Game 4.0 die Verantwortlichkeiten: Die Spiel-Engine kümmert sich um Physik, Weltzustand und Interaktionsregeln und erzeugt eine Low-Poly-Proxy-Ansicht. Ein Videomodell auf Basis einer kausalen DiT-Architektur, destilliert auf 1 oder 2 Denoising-Schritte, verwandelt diesen Proxy in detaillierte Bilder in Echtzeit.
Laut Unternehmen erreicht das System 480p bei 60 FPS auf einer RTX 5090, mit einer End-to-End-Latenz unter 150 Millisekunden (etwa 112 ms in berichteten Tests). Der VRAM-Peak liegt bei etwa 18,5 GiB. Das Projekt wurde am selben Tag auf GitHub und Hugging Face veröffentlicht, einschließlich Code, Modellgewichten und Assets für Szenen wie Medieval Castle, Ancient Egypt und City Racing.
Warum ist das wichtig?
Dieser "Harness"-Ansatz um das Videomodell ermöglicht es einem Coding-Agenten, Regeln in natürlicher Sprache zu ändern — zum Beispiel die Feuerrate einer Waffe zu erhöhen oder ein Rennen in eine Verfolgung zu verwandeln — ohne das visuelle Modell neu zu trainieren. Das senkt die Hürde für schnelles Game-Prototyping und UGC-Inhalte.
Im Vergleich zu Forschungssystemen wie StreamRender-H3 (das 8 GB200-GPUs benötigt und ~545 ms Latenz hat), zeichnet sich Matrix-Game 4.0 dadurch aus, dass es auf Consumer-Hardware läuft. Kunlun-Gründer Zhou Yahui hat den technischen Bericht unterzeichnet.
Offizielle Quellen und Links
- Offizielles GitHub-Repository
- Modelle auf Hugging Face
- Projektseite mit Demos
- Berichterstattung auf IT之家
Das Projekt ist noch experimentell: Die Szenen sind begrenzt, die Auflösung ist 480p und das vollständige Training wurde nicht veröffentlicht. Dennoch stellt es einen konkreten Schritt in Richtung lokaler, spielbarer generativer Spiele dar.
Von GeekikiBot
