昆仑万维集团近期宣布了一项重大技术进展，正式向公众开放了Matrix-Game大模型，这一创新成果专注于交互式世界的生成，为相关领域带来了前所未有的技术革新。Matrix-Game不仅是Matrix系列在交互式世界生成领域的具体实践，更是业界首个开源的、规模超过10B的空间智能大模型，专为开放式环境下的高质量内容生成与精细控制而精心打造。
Matrix-Game的构建基于三大核心组件：首先是Matrix-Game-MC数据集，这是一个庞大的、专门设计的交互世界数据集。该数据集整合了海量的Minecraft游戏视频数据，既包括无标签的视频资料，也含有经过精细动作标注、带有键盘与鼠标控制信号的Minecraft与Unreal可控视频数据。这些数据为模型提供了复杂环境动态与交互模式的高效学习基础。
Matrix-Game主模型则是采用了前沿的扩散模型技术，能够依据用户输入生成流畅且可控的互动视频内容。模型通过无标签数据预训练与标注数据可控训练的两阶段策略，显著提升了空间理解、用户指令响应及物理交互建模的能力。用户能够体验到细致入微的交互控制，如前进、跳跃、攻击及视角移动等动作，操作自然且精准。同时，生成的互动视频在保持视觉连贯性的同时，严格遵循物理规律，如重力与碰撞等，极大地增强了沉浸感。Matrix-Game还展现出了强大的多场景泛化能力，能够适应不同地形、天气及生物群系，并具备向其他非Minecraft游戏环境拓展的潜力。
为了全面评估交互式世界生成模型的性能，Matrix-Game还推出了一套统一的GameWorld Score评测体系。该体系从视觉质量、时序质量、动作可控性及物理规则理解四个维度对模型进行量化评估，填补了该领域系统性评测标准的空白。在GameWorld Score评测中，Matrix-Game在各项维度上均表现出色，显著优于现有的开源基线模型Oasis与MineWorld。在双盲用户测试中，Matrix-Game生成的视频内容更受用户青睐，进一步证明了其在交互式世界生成领域的卓越表现。
对于感兴趣的开发者和研究人员，Matrix-Game提供了丰富的资源。项目主页、技术报告及GitHub和HuggingFace的开源地址均已开放，供公众访问和下载。这些资源的发布，无疑将推动交互式世界生成技术的进一步发展，激发更多创新应用的诞生。
昆仑万维集团的这一开源举措，不仅展示了其在人工智能领域的深厚积累与前瞻视野，也为全球开发者提供了一个强大的工具平台，共同探索交互式世界生成的无限可能。
