ReactiveGWM 開源：給遊戲世界模型加上 NPC，提示詞也能控對手

過去大半年裡，各種可互動的影片世界模型層出不窮，但如果你親自試過就會發現一個尷尬的硬傷：畫面裡的 NPC 基本上就是會動的背景畫素，既看不懂你的招式，也不會有針對性地反擊。

研究團隊開源了名為 ReactiveGWM 的反應式遊戲世界模型。它不僅能讓你用鍵盤即時操控主角，還能讓你用提示詞直接指揮對手是積極進攻還是就地防守。

需要分清的是，螢幕上閃過的並不是任何傳統遊戲引擎渲染出的畫面，而是擴散模型逐幀生成的即時影片。ReactiveGWM 的突破在於，它第一次讓這種影片世界裡的 NPC 真正學會了接招。

一邊鍵盤搓招，一邊提示詞控對手

以往的世界模型把玩家動作和場景動態混成一團，模型只負責把上一幀和按鍵拼成下一幀，根本分不清誰是誰，更談不上理解對抗邏輯。

ReactiveGWM 的核心思路是解耦。它開闢了兩條互不干擾的控制路徑：玩家的操作被處理成輕量級的加性偏置，直接注入到底層的擴散模型骨幹網路中，保證按鍵出招的即時響應。

而對手 NPC 的行為，則被抽象成進攻、防守、控制等高層戰術策略，通過交叉注意力模組單獨注入畫面。在兩款《街頭霸王》遊戲的實測中，玩家用按鍵打出連段的同時，對手會嚴格按照提示詞指定的戰術做出對應的格擋或壓制動作。

模組即插即用，不用重訓模型

除了雙軌控制，這個專案另一個聰明的設計在於通用性。

研究團隊讓交叉注意力模組學習的是與具體遊戲無關的互動邏輯。換句話說，模型學到的是對抗與應對的關係，而不是某一個特定角色的動作幀。

這也帶來了零樣本策略遷移能力。這個訓練好的互動模組，可以直接插到其他現成的、完全沒有做過標註的遊戲世界模型中，不需要重新微調，就能立刻解鎖可控的 NPC 對抗互動。

專案基於 Wan 2.2 基礎影片模型構建，程式碼和執行說明已經公開在 GitHub 上。整體架構相當輕量，在普通本地電腦的中高階顯示卡上就能直接跑起來。

為什麼重要

在生成式遊戲世界這條賽道上，畫面的逼真度早就不是最大瓶頸，因果互動才是真正的門檻。以前的展示大多是單向操作，玩家像是在一個孤獨的虛擬錄影帶裡漫遊。ReactiveGWM 第一次把雙向博弈放進了即時影片模型裡，讓世界模型向真正的互動模擬器邁了一大步。

我們認為，這項研究最值得讚賞的地方在於剋制。它沒有試圖去端到端訓練一個吞下所有遊戲物理機制的龐大黑盒，而是用解耦和模組化插拔的手段，把玩家輸入和對手策略拆開處理。這種思路讓中小型團隊甚至個人開發者不用花天價算力，就能在現有開源影片模型上搭建可玩的互動原型。

不過也要看到它的現實限制。雖然中高階顯示卡能在本地執行，但純生成式影片在幀率、延遲和長時間動作一致性上，離傳統商業格鬥遊戲還有質的差距。提示詞控制的 NPC 行為目前也相對粗粒度，更像是在給對手設定宏觀傾向，而不是真正的戰術博弈。但作為一次架構探索，它確實給未來的無引擎遊戲指明瞭方向。