Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
A character freezes a patch of lava to make a foothold, and the same jump, filmed as a rough grey sketch, comes back as a detailed scene. That is the kind of demonstration VAST put in front of developers this week. The company, behind the Tripo platform, has open-sourced EdenLive, a real-time model that takes simplified game footage or an existing video and re-renders it frame by frame in a chosen style, from photorealistic to anime. The release includes 5B and 14B model weights, real-time streaming inference code, a technical report and end-to-end demos.
Un personaggio congela una pozza di lava per trovare un appoggio, e lo stesso salto, ripreso come un bozzetto grigio e grezzo, torna come una scena dettagliata. È il tipo di dimostrazione che VAST ha presentato agli sviluppatori in questa settimana. L'azienda, dietro la piattaforma Tripo, ha reso open source EdenLive, un modello in tempo reale che prende filmati di gioco semplificati o un video esistente e lo ridisegna fotogramma per fotogramma in uno stile scelto, dal fotorealistico all'anime. La versione comprende i pesi dei modelli da 5B e 14B, il codice di inferenza in tempo reale in streaming, un rapporto tecnico e demo end-to-end.
The model works as a second stage. An upstream program, such as a game engine or code written by a coding agent, runs the rules and tracks what is happening in the game. It then outputs a coarse reference video. EdenLive takes that reference, starts from a target first frame and a text prompt, and paints the detail on top. VAST says this split keeps the game logic explicit and testable, and lets the model's limited capacity focus on how things look. The approach was first presented in June, as part of Project Eden, the company's longer-running research effort on world models.
Il modello funziona come una seconda fase. Un programma a monte, come un motore di gioco o un codice scritto da un agente di programmazione, applica le regole e tiene traccia di ciò che accade nel gioco. Poi produce un video di riferimento approssimativo. EdenLive prende quel riferimento, parte da un primo fotogramma di destinazione e da un prompt testuale, e aggiunge il dettaglio sopra. VAST afferma che questa suddivisione mantiene la logica di gioco esplicita e verificabile, e permette di concentrare la capacità limitata del modello sull'aspetto delle cose. L'approccio è stato presentato per la prima volta a giugno, nell'ambito di Project Eden, la ricerca di lungo corso dell'azienda sui modelli del mondo.
The speed figures are the striking part. VAST reports that the 5B model runs above 24 frames per second at 720p on a single Nvidia RTX 5090 graphics card. The GitHub page gives about 24.7 FPS at 1280×704 pixels, with the LightX2V acceleration framework. The technical report lists 29.8 FPS on one H100 chip, the data-centre processor Nvidia sells for this kind of work, and 26.8 FPS at 832×480 for the 14B model running across eight H100s. Those numbers come from VAST itself, and no independent benchmark has been published yet. The two models are built on existing open video models, Wan2.2-TI2V-5B and Wan2.1-I2V-14B.
La parte più sorprendente riguarda la velocità. VAST riferisce che il modello da 5B supera i 24 fotogrammi al secondo a 720p su una sola scheda grafica Nvidia RTX 5090. La pagina GitHub indica circa 24,7 FPS a 1280×704 pixel, con il framework di accelerazione LightX2V. Il rapporto tecnico riporta 29,8 FPS su un solo chip H100, il processore per data center che Nvidia vende per questo tipo di lavoro, e 26,8 FPS a 832×480 per il modello da 14B che gira su otto H100. Questi numeri provengono dalla stessa VAST e non è ancora stato pubblicato alcun benchmark indipendente. I due modelli si basano su modelli video aperti esistenti, Wan2.2-TI2V-5B e Wan2.1-I2V-14B.
For a developer, the immediate gain is a shorter path from a rough prototype to something that looks finished. A studio or a solo maker could test a scene's look before building its art, and researchers get weights they can modify. The limits are just as concrete. VAST says EdenLive currently suits low-frequency interaction, such as scene walkthroughs and box-pushing puzzles. Fast, intense gameplay, keeping several characters consistent, fine control of small objects and visual consistency over long runs still need work. The licences also draw a line: the vision encoder follows the DINOv3 licence, and the image model behind the prompt-to-game workbench is under the FLUX Non-Commercial License, so that workbench is for non-commercial use only. Commercial teams should check each component before building on it.
Per uno sviluppatore, il vantaggio immediato è un percorso più breve dal prototipo grezzo a qualcosa che sembri finito. Uno studio o un creatore indipendente potrebbe testare l'aspetto di una scena prima di realizzarne la grafica, e i ricercatori ottengono pesi che possono modificare. I limiti sono altrettanto concreti. VAST sostiene che EdenLive si adatta attualmente a interazioni a bassa frequenza, come l'esplorazione di scene o i puzzle con spostamento di casse. Il gioco rapido e intenso, il mantenimento della coerenza di più personaggi, il controllo fine di oggetti piccoli e la coerenza visiva nelle sessioni lunghe richiedono ancora lavoro. Anche le licenze pongono un confine: l'encoder visivo segue la licenza DINOv3, e il modello di immagini alla base dello strumento di creazione di giochi da prompt è sotto la FLUX Non-Commercial License, quindi quello strumento è destinato al solo uso non commerciale. I team commerciali devono verificare ciascun componente prima di costruirci sopra.