開源多人世界模型 Multix：讓 10 名玩家在同一個 AI 世界互動

Multix（程式碼倉名為 Multics）是騰訊 ARC 實驗室與香港大學團隊聯手開源的一款多人互動世界模型。它能為同一個虛擬場景中的每位玩家生成獨立的攝像機視角，同時讓所有人的動作、運動狀態和周圍環境保持嚴格同步。

以往像 Genie 3 或混元 World 這類世界模型，基本都只盯著單個玩家的第一人稱或第三人稱視角，很難處理多人在同一場景裡的互動問題。Multix 解決的就是這個痛點，讓生成式 AI 第一次真正跑起了多人遊戲模擬。

它是怎麼做到 10 人聯機的

多人在同一個世界裡互動，最怕的是算力爆炸。如果讓所有玩家的視角畫面在每一幀都進行全量注意力計算，視訊記憶體根本吃不消。

研發團隊的聰明之處在於設計了一套「分層通訊」機制。它把整個世界的互動拆成玩家層、群組層和全域性層三級。

模型會根據玩家當前的空間位置和鏡頭朝向，動態決定誰和誰分為一組，只在相關的組內和全域性共享關鍵資訊。靠這個結構，團隊把注意力計算成本降低了 86% 以上。

更有意思的是它的泛化能力。研發人員只用 4 名玩家的資料完成訓練，但因為群組 Token 的引數是共享的，這個模型在完全不進行額外微調或二次訓練的情況下，可以直接擴充套件到支援 6 名、8 名甚至 10 名玩家同場聯機。

怎麼在本地跑起來

Multix 的程式碼採用 Apache-2.0 許可證開源，論文、推理指令碼和訓練程式碼都已經公開。

整個基礎推理包體積相當小，只有約 16GB，基於開源影片模型 Wan2.2 底座（Wan2.2-TI2V-5B）以及 DiffSynth-Studio 構建，訓練資料借鑑了 OpenCS2 資料集。

想要在本地跑推理，你需要一臺執行 Linux 系統的機器，配有 NVIDIA 顯示卡、Python 3.12 以及 CUDA 12.8 工具鏈。官方推薦使用 uv 管理依賴。

單卡推理時，在 BF16 精度下，每個玩家視角的輸出規格為 640 × 352 解析度、165 幀、50 步取樣。在 4 到 10 名玩家的測試範圍內，視訊記憶體佔用基本隨玩家數量呈線性增長。只要從 Hugging Face 下載 4 玩家檢查點，輸入起始幀影像、文本描述和 tick 動作日誌，就能生成同步影片。

為什麼重要

我們認為 Multix 最有價值的地方，是它把世界模型的研發思路從「單人生成影片」推進到了「多人分散式網路引擎」。遊戲開發者和具身智慧研究者應該第一時間去克隆程式碼看看，它動態分組和狀態同步的邏輯，很適合拿來做低成本的多智慧體虛擬沙盒與遊戲原型驗證。

不過目前它距離真正的雲原生遊戲引擎還有距離，解析度和幀數仍然受到擴散模型生成速度的物理限制。但能在 4 人訓練權重下零樣本外推到 10 人互動，且砍掉 86% 的計算開銷，這條技術路徑已經給未來的多人神經遊戲指明瞭方向。