从3D生成到世界模型，这家AI公司想和年轻人一起定义问题

今年初，动作条件视频模型受到关注：输入图片，再通过键鼠操作生成后续画面。VAST团队也觉得有意思，但他们先问了一个本质的问题：这套东西，要怎样才真正有用？

以游戏为例，角色还剩多少血，技能冷却有没有结束，一扇门有没有被打开，都需要持续维护。总不能玩家扭个头，世界就把刚才发生的事都忘了。

今年10月，VAST发布并开源了面向任意视觉参考的实时交互式渲染器EdenLive——这也是团队在世界模型领域的最新成果。

EdenLive首次在实时生成的前提下，同时实现了任意视觉参考输入、任意画风生成、长时连续生成。根据官方测试，在单张GPU上，EdenLive能以超过24 FPS的速度生成720P画面，并支持分钟级连续生成。

为什么EdenLive能实现突破？答案就在它对底层结构的解耦中：上游交互引擎维护世界运行的状态和交互规则，下游实时生成模型负责高保真的画面呈现。

把它放进游戏原型里理解就直观了：Agent参与搭建程序与交互逻辑，三维场景提供空间结构，视频模型持续生成更丰富的画面。

玩家一边操作，画面一边更新。这里要解决的事情，也从“生成一张漂亮截图”，延伸到了“让整个体验持续跑起来”。