腾讯混元世界模型1.5发布，首次开源业界最系统、最全面的实时世界模型框架

腾讯混元世界模型1.5（tencent hy worldplay）现已正式上线，官方公告内容如下：

它上手极简： 仅需一段文字描述或一张图片，即可快速生成个性化的可交互虚拟世界。 它支持沉浸式实时操控： 键盘、鼠标或游戏手柄均可作为输入设备，实时调整虚拟相机的位置与朝向，带来如游玩3A大作般的自由探索体验。 它开箱即用： 访问腾讯混元3D官网即可申请试用（https://www.php.cn/link/fc841e513da905da7664e80c91f54339）。 它全面开源： 混元世界模型1.5（WorldPlay）首次对外公开了业内最完整、最系统的实时世界模型技术栈，覆盖数据构建、模型训练、流式推理与部署等全生命周期环节，并创新性地引入“记忆重构机制”、“长上下文蒸馏策略”以及“面向3D空间的自回归扩散模型强化学习框架”等核心算法模块。

混元世界模型1.5具备以下三大关键能力：

1. 实时交互式生成能力：依托原创的Context Forcing蒸馏方法与流式推理加速技术，模型可在24 FPS下稳定输出720P高清视频流；
2. 长时程3D几何一致性：通过重构记忆机制（Reconstituted Memory），实现长达数分钟的场景结构连贯生成，适用于高保真3D空间模拟任务；
3. 多模态交互适配能力：兼容多种美术风格（写实/卡通/像素等）、各类现实或虚构场景，支持第一人称与第三人称视角切换，并可响应实时文本指令触发事件、完成视频续写等高级交互。

在技术实现层面，混元世界模型1.5首次开源了业界最完备的实时世界模型训练体系，贯穿数据采集、模型预训练、持续优化、推理部署全流程。技术报告中详细披露了预训练策略、增量训练范式、自回归视频模型的强化学习微调、带记忆能力的模型蒸馏等关键技术路径，并深入阐述了其在控制空间建模（control space）、记忆重构（reconstituted memory）、上下文强制蒸馏（context forcing）及强化学习后训练四大核心模块的设计理念与原创方案。

混元世界模型1.5的核心架构为名为WorldPlay的自回归扩散模型，采用Next-Frames-Prediction视觉自回归任务进行端到端训练，成功实现了兼具实时响应与长程几何一致性的交互式世界建模，突破了行业长期面临的“实时性”与“空间一致性”难以兼得的技术瓶颈。

该模型融合三项关键技术突破：双通路动作表征实现毫秒级精准控制、上下文记忆重构机制保障长时间尺度下的三维结构稳定性、上下文对齐蒸馏技术显著提升长视频生成的视觉质量与几何精度。此外，项目还构建了一套基于3D感知奖励函数的强化学习后训练框架，进一步优化生成结果的空间合理性与观感表现力。

在数据支撑方面，混元团队自主研发了全自动3D场景渲染流水线，可高效产出海量高保真真实世界渲染样本，为模型核心能力提供坚实基础。混元世界模型1.5目前已实现24帧/秒的长时流式生成能力，其一致性表现与跨场景泛化能力均达到实用级水准。

在线体验入口：https://www.php.cn/link/fc841e513da905da7664e80c91f54339
GitHub 仓库：https://www.php.cn/link/c16a2e5d3f5c70f954488189c3b3fa44
Hugging Face 模型页：https://www.php.cn/link/bf3db48ad49a6cbe21fa3ec8b97c8b83
项目主页：https://www.php.cn/link/a1e7fb77550451d64aed45250cdcb04b

源码下载地址：点击下载