ABot-World：單張 RTX 5090 跑得動的無限即時互動世界

ABot-World 是一個開源的即時互動式世界模擬器，它能把你的鍵盤操作即時變成畫面，讓你在 AI 即時生成的三維環境裡一直走下去。

大多數世界生成模型只能吐出幾秒或幾分鐘的片段，時間一長就會崩壞或者畫面卡死。ABot-World 主打的就是不設時長上限的連續探索，官方甚至放出了連續執行超過 1 小時以及長達 24 小時不間斷生成的演示。

它能做到什麼

傳統的影片生成更像是播放固定片段，而 ABot-World 是根據你的即時動作指令來決定下一幀發生什麼。你在裡面控制角色移動，模型會即時渲染對應視角的環境變化，帶來真正的互動感。

更聰明的是它的場景延展能力。在漫長的生成過程中，它不會被困在最初的房間或小巷裡，而是通過一種叫 LongForcing 的訓練機制，在保持前後邏輯連貫的同時不斷想像出新場景和動態元素，全程不需要手動切換提示詞。

目前模型生成的畫面規格是 720p 解析度，執行幀率為 16 FPS。從你按下按鍵到畫面做出響應，端到端延遲大約在 1.2 秒左右。

怎麼跑起來

這套系統最讓人意外的地方，在於它不需要動用伺服器叢集。它只需要一張 32GB 視訊記憶體的 NVIDIA RTX 5090 桌面顯示卡，在推理時佔用大約 19GB 視訊記憶體。

測試環境推薦 Ubuntu 22.04、CUDA 12.8 和 Python 3.12。程式碼庫依賴 PyTorch 2.8、FlashAttention 以及 SageAttention 等加速核心。如果嫌手動編譯環境繁瑣，團隊在 Docker Hub 和阿里雲映象倉庫提供了預構建好的 Docker 映象，拉取映象後掛載權重就能直接跑。

開源力度非常徹底。不僅推理程式碼、因果學生模型 ABot-World-0-5B-LF 以及本地 Gradio 演示完全公開，專案還放出了帶精準動作標註的 500 小時影片訓練資料集和技術報告，整體遵循非常寬鬆的 Apache 2.0 協議，甚至允許商用。

想要本地跑的朋友可以去 GitHub 搜尋 amap-cvlab/ABot-World，模型權重可以從 Hugging Face 或 ModelScope 下載。如果手裡沒有 RTX 5090，他們也提供了一個線上演示工具 ABot World Studio 供體驗。

為什麼重要

以往談到即時生成互動世界，大家想到的都是幾十上百張 A100 堆出來的雲端怪獸，或者是幾秒就穿幫的玩具。ABot-World 第一次證明了，消費級桌面顯示卡靠著因果蒸餾和工程最佳化，也能撐起一個低延遲、可無限遊玩的世界模型。

我們認為，雖然 1.2 秒的延遲和 16 幀對於激烈動作遊戲來說還略顯遲鈍，但在沙盒探索、具身智慧機器人虛擬模擬訓練上，這種單卡能跑的本地模擬器價效比極高。對於獨立遊戲開發者和模擬研究者來說，現在就很值得克隆一份跑跑看。