SolarWM：开源交互式世界模型，支持连续稳定运行一小时

SolarWM 是一个能把常规视频生成模型变成实时交互世界的开源框架。最直观的改变是，它能让你在生成的虚拟空间里连续探索一个小时以上，而且画面和空间结构不会像以往模型那样几分钟就崩溃。

它能做什么

以往很多交互式世界模型最大的痛点就是「短命」。刚生成的几分钟还能正常响应指令，但随着时间推移，误差不断累积，场景往往会迅速变形、甚至彻底崩坏。

SolarWM 专门解决这种长程一致性问题。它支持实时的交互式推断，你可以一边输入控制指令，一边看着画面连贯演进，稳定运行达到分钟级乃至小时级。

更实用的是，它不是绑定某个特定结构的单体模型，而是一套通用的适配框架。团队用同一套方案支持了 4 种不同架构和参数规模的基座模型，包括 SolarWM-Wan-5B、SolarWM-Wan-14B、SolarWM-LTX-2.5 以及 Minimax H3。

在生成效率上，官方展示的 SolarWM-Wan-5B 因果学生模型仅需 4 步采样就能完成推理，大幅降低了交互时的延迟压力。

怎么做到的与开源全家桶

让人意外的是，这套长程模型并不是靠极长的长视频喂出来的。团队仅仅使用了 5 秒钟的短视频片段进行训练，就让模型学会了跨越更长时间尺度的推断逻辑。

除了模型权重，这个项目最下血本的地方在于把整个数据底座全部端了出来。团队公开了包含 143 万段视频切片、总计 25 TB 的完整数据集。

伴随数据集一起开放的，还有整套数据处理流水线。其中包括保持尺度一致的相机参数标注、细粒度数据过滤机制，以及多套具体的训练方案。

目前该项目已经在项目主页开放了所有资源的获取入口。开发者可以直接下载 25 TB 的数据集用来跑自己的训练任务，也可以直接获取官方发布的模型权重文件进行部署。

为什么重要

对于想要涉足世界模型的研究者和开发者来说，这个项目几乎是一份现成的手册。25 TB 的高质量相机运动数据和完整清洗脚本，直接省去了数月的数据工程苦工。

更关键的是，它证明了无需昂贵的超长视频训练，短片段加合理的数据与推断设计同样能托起一小时的长程推断。这会显著拉低交互式世界模型的技术门槛，加速游戏原型生成和具身智能仿真环境的搭建。

不过 25 TB 的体量对中小团队的存储和网络依然是不小的考验，而且实时运行大型基座模型仍然需要相当强劲的算力支持。