长期以来，AI 生成视频大多停留在“观看”层面：用户输入一段提示词，等待模型在云端渲染出一段几秒钟的片段，再被动地欣赏结果。从“看 AI 生成视频”到“亲手玩 AI 生成的世界”，中间横亘着一道关于“实时”的门槛。视频生成模型对算力的巨大需求，使其长期被锁在实验室的多卡集群中，难以走进普通用户的电脑。2026年10月15日，昆仑万维正式发布 Matrix-Game 4.0，号称全球首款可在单张消费级显卡上运行的视频大模型游戏，试图跨越这道门槛。
Matrix-Game 4.0 的核心突破在于构建了一套全新的游戏世界模型范式。它并非让视频模型独自承担全部工作，而是将职责一分为二：由游戏引擎维护世界状态与交互规则，扮演“裁判”角色；由视频生成模型负责实时呈现精细画面，扮演“画师”角色。编程智能体通过代码构建轻量游戏，引擎持续输出结构画面与动态语义条件，视频模型再将简单几何转化为丰富画面。这一设计首次跑通了“代码生成游戏逻辑、结构画面提供约束、视频模型实时渲染”的完整闭环，让世界状态真正被管理起来，游戏规则可以精确定义，玩法甚至能用自然语言改写。
在硬指标上，Matrix-Game 4.0 的表现颇具说服力。它在单张 NVIDIA RTX 5090 上实现 480p 分辨率、60 帧每秒的实时游戏体验；从玩家按下按键到画面做出反应，端到端延迟低于 150 毫秒；单步去噪的稳态生成速度达 83 帧每秒，显存峰值仅 18.5 GiB。这意味着视频模型驱动的游戏第一次具备了本地部署与实时交互的实际价值，不再是一段离线渲染的演示视频，而是用户能坐在电脑前真正上手操作的游戏。
更值得关注的是，Matrix-Game 4.0 在发布时同步开源，向研究者、开发者和创作者开放。项目打通了从结构画面与精细画面数据对采集、动态语义标注，到可控视频训练、少步自回归蒸馏与实时推理的完整工程链路，统一的几何和语义条件贯穿始终。这套流程降低了对精细 3D 资产制作的依赖，让游戏原型得以快速开发与迭代，也让“小团队也能搭世界”从口号走向现实。对于游戏原型开发、个性化定制与用户生成内容而言，这提供了一条真正可落地的技术路径，也标志着视频生成模型从内容生产工具向可交互世界引擎的转变。
