昆仑万维发布并开源 Matrix-Game 2.0 与 Matrix-3D 模型，深耕交互式世界模型领域

　　8 月 12 日消息，昆仑万维 SkyWork AI 技术发布周于 8 月 11 日正式启动，活动将连续五天每天发布一款模型，覆盖多模态 AI 核心场景。

　　在首日，昆仑万维带来了自研世界模型 Matrix 系列中 Matrix-Game 交互世界模型的升级版本 ——「Matrix-Game 2.0」，该模型号称实现了通用场景下的交互式实时长序列生成。为促进交互式世界模型领域的发展，「Matrix-Game 2.0」全面开源，堪称业内首个在通用场景上实现实时长序列交互式生成的世界模型开源方案。

　　「Matrix-Game 2.0」在实时生成和长序列能力上实现了 “质的飞跃”。相较于上一版本，2.0 版本更侧重低延迟、高帧率的长序列交互性能，能够以 25 FPS 的速度，在多种复杂场景中稳定生成连续视频内容，且生成时长可扩展至分钟级，大幅提升了内容的连贯性与实用性。

　　值得一提的是，在推理速度显著提升的同时，模型依然保持了对物理规律与场景语义的 “精准理解”，支持用户通过简单指令，自由探索、操控并实时构建结构清晰、细节丰富、规则合理的虚拟环境。

　　除了 Matrix-Game 2.0.昆仑万维还开源了 Matrix-3D 大模型。该模型能从单图像出发，生成高质量、轨迹一致的全景视频，并直接还原可漫游的三维空间，对标李飞飞 WorldLabs 的生成效果，可实现更大范围的探索空间。

　　Matrix-3D 由以下核心部分组成：

　　轨迹引导的全景视频生成模块：利用场景 Mesh 渲染图作为条件输入，训练视频扩散模型生成符合给定相机轨迹的全景视频。这一模块能提升生成视频在空间结构上的一致性，缓解遮挡错误与图像伪影问题。

　　双路径可选择的全景 3D 重建模块：包含优化路径和前馈网络路径。优化路径会对生成的视频进行超分与 3DGS 优化，以获取高质量 3D 结构;前馈网络路径则基于 Transformer 直接回归，从生成视频 Latent 特征快速预测 3D 几何属性，实现高效重建。

　　Matrix-Pano 数据集：这是一个大规模高质量合成数据集，包含 116K 条带有相机轨迹、深度图和文本注释的静态全景视频序列。

　　此次两款模型的发布与开源，不仅展现了昆仑万维在 AI 多模态领域的技术实力，也为相关领域的开发者提供了有力的工具支持，有望推动交互式世界模型技术的进一步发展与应用落地。