VAST开源实时世界模型EdenLive:单张RTX 5090上 720P超过 24FPS
VAST称EdenLive首次在实时生成前提下同时实现任意参考输入、任意画风生成和长时连续运行;模型权重、推理代码、技术报告与端到端Demo已同步开放。
AI解读:VAST于 2026 年 10 月发布并开源实时世界模型EdenLive,模型权重、推理代码、技术报告和端到端Demo同步公开。据VAST介绍,这是首个在实时生成前提下同时完成任意参考输入、任意画风生成和长时连续运行的成果。
VAST公布的数据显示,5B模型在单张消费级显卡Nvidia RTX 5090、720P条件下生成速度超过 24FPS,可持续生成分钟级画面,从用户输入到对应画面出现的端到端延迟为百毫秒级。这些均为厂商自述指标。
EdenLive采用把世界状态维护与视觉渲染分开的路线:上游交互系统接收玩家操作、更新状态并输出简化参考画面,EdenLive依据参考画面实时生成精细画面。VAST称该设计在此前Project Eden研究预览中已提出。
参考画面提供场景布局、镜头与运动,目标首帧设定整体外观和画风,提示词补充风格与细节。来源展示的用途包括交互式游戏预览、场景与动画预览、视频重渲染换皮,以及把真人操作视频转成机器人视角的具身数据增强。
VAST同时说明现有限制:高频、激烈交互对生成速度和动作呈现要求更高;多个角色同时出现时的身份保持、小物体精细控制、长时间生成中的视觉一致性仍有提升空间。来源称现阶段更适合场景漫游、推箱子等交互相对低频的玩法。
VAST发布并开源实时世界模型EdenLive。据VAST介绍,EdenLive首次在实时生成的前提下,同时完成任意参考输入、任意画风生成和长时连续运行。模型权重、推理代码、技术报告与端到端Demo已同步开放。
性能与硬件条件
VAST公布的数据是:5B模型在单张消费级显卡Nvidia RTX 5090、720P条件下,生成速度超过 24FPS,并能持续生成分钟级画面。从用户输入操作到对应画面出现,VAST称端到端延迟为百毫秒级。
这些数字由VAST提供,来源未给出第三方复现或对比测试结果。
- 模型规模:5B
- 硬件:单张RTX 5090
- 分辨率:720P
- 速度:超过 24FPS;续航:分钟级连续生成
- 端到端延迟:百毫秒级(VAST自述)
状态与渲染如何分工
EdenLive的核心设计是把世界如何运行与画面如何呈现分开处理。角色的移动、攻击和防御由玩家按键控制,交互系统更新角色位置和动作,判断攻击是否命中、血量如何变化;EdenLive再根据这些变化生成画面。
输入由三类内容共同控制:参考画面提供场景布局、镜头与运动,目标首帧设定整体外观和画风,提示词补充风格与细节。简化场景、参考视频、实拍视频和第一视角操作画面都可以作为参考来源。
- 上游交互系统负责游戏逻辑与状态维护
- EdenLive负责实时生成式渲染
- 参考画面定布局与运动,首帧定外观,提示词补风格与细节
已展示的用法与限制
来源展示的用途包括:2D、3D场景的交互式游戏预览,如岩浆闯关和双人对打;在布局与运镜确定后更换美术风格的场景与动画预览;对已有视频实时替换角色形象和整体风格;以及具身数据增强,例如把人手替换成机械手、调整物体材质和颜色,同时保持原有动作。
VAST同时列出了尚需改善的地方:高频、激烈交互对生成速度和动作呈现有更高要求;多个角色同时出现时的身份保持、小物体的精细控制,以及长时间生成中的视觉一致性仍有提升空间。来源称现阶段EdenLive更适合场景漫游、推箱子这类交互相对低频的玩法。
VAST还将同步开源Game Prototype Turbo,这是一个把提示词转成简化游戏原型的Skill,游戏运行时由交互系统更新状态并输出简化参考画面,再由EdenLive实时渲染。
- 交互式游戏预览:适合 2D、3D场景,现阶段偏向低频交互
- 场景与动画预览:同一布局运镜可生成不同画风版本
- 视频重渲染:替换角色形象或整体风格
- 具身数据增强:真实操作视频转机器人视角
- 待改善:高频交互、多角色身份保持、小物体控制、长时视觉一致性