VAST开源研究型实时世界模型EdenLive，边玩边生成画面

想象一下：你走到一扇门前，不确定能不能进去，于是转身走两步，再跳两下，看看能不能翻过旁边的墙。这是游戏里再普通不过的操作。可如果眼前的画面由AI实时生成，模型就得跟上玩家每一次临时起意——突然停下，突然转身，突然跑跳——而且每一帧都要稳定在线。这正是VAST刚刚开源的实时世界模型 EdenLive 要解决的难题。

分工是关键。游戏里的规则、血量、碰撞和胜负条件仍由上游的交互系统维护：玩家按下攻击键，它先判断这一脚有没有踢中、应该扣掉多少血量，再更新角色状态，并把每次变化渲染成一张只有空间布局和运动的灰盒画面。EdenLive接手这张灰盒画面，由生成模型决定它最终“看起来是什么”：参考画面决定结构、运动和镜头，目标首帧确定材质、配色和画风，文本提示词补充细节。VAST在今年5月发布的Project Eden中，就把这套三层架构写成了完整方案。

团队用Gemini-3.8-Flash对45个长时案例做了两两盲评，在参考遵循、首帧一致性、物理合理性、画质和避免外观泄漏五个维度上，EdenLive 14B和5B全部排在第一和第二。以参考遵循为例，14B得分1704，比AgentGarten高出约200分。速度方面，团队披露EdenLive 5B在一张消费级显卡RTX 5090上能以超过24 FPS生成720P画面，并支持分钟级连续生成。这些数字来自团队自己的评测和披露，离独立验证还有距离。

对游戏原型和动画预览的团队来说，变化是具体的：同一个白模场景，换一张首帧和一句提示词，就能比较写实、手绘线稿、卡通、像素或油画等完全不同的外观；镜头离开再转回来，场景结构还在原处。对机器人团队来说，真人戴头戴相机拍的擦桌子视频，可以把人手替换成机械手，保留动作和镜头，用来补充“机器人眼中”的训练素材。模型权重、推理代码和前端工作台已经开放，源材料并未给出大规模落地的时间表。

局限同样清楚。EdenLive不判断游戏里发生了什么，也不让世界运转；现成录像经过重渲染后仍是一段视频，可玩性来自上游代码。过去的世界模型演示常用一段视频证明模型能想象一个世界，EdenLive的新意在于把“谁管规则、谁管画面”分开，并让画面能够跟着玩家的操作一起走。