VAST开源实时世界模型EdenLive，边玩边生成游戏画面

VAST 开源了实时世界模型 EdenLive，属于 Project Eden 系列的实时生成式渲染器。游戏、动画预览等可交互内容的规则和状态由上游交互系统维护，白模、2D/3D 场景或真实录像均可作为生成画面的参考。交互系统将更新后的状态转化为灰盒画面与场景描述输入模型，由 EdenLive 实时渲染出对应视觉效果。同一段参考，换一张首帧、一句提示词，就能得到写实、手绘线稿、卡通、像素或油画等不同外观。

EdenLive 采用“分工合作”：参考画面决定结构、运动和镜头，生成模型负责重写最终外观。三类输入分工明确：参考视频决定场景布局、镜头运动、物体轨迹和事件时间；目标首帧确定主体、材质、配色和画风；文本提示词补充风格和细节。这使生成式渲染从离线视频生成进入长时游戏交互、视频画风转换、具身数据增强等场景。

长时生成能力上，基于 Gemini-3.8-Flash 对 45 个长时案例的两两盲评，在参考遵循、首帧一致性、物理合理性、画质和避免外观泄漏五个维度上，EdenLive 14B 和 5B 全部排在第一和第二。参考遵循维度 14B 得分 1704，比 AgentGarten 高出约 200 分。实时跟随方面，EdenLive 5B 在单张 RTX 5090 上能以超过 24 FPS 生成 720P 画面，支持分钟级连续生成。

面向游戏开发，VAST 同步开源 EdenGolem（v0.1），输入一段玩法描述，智能体分四阶段完成玩法设计、场景搭建、交互逻辑实现与界面完善，生成可独立运行的 3D 灰盒游戏，已支持解谜、射击、驾驶、冒险、竞技场、格斗等类型。EdenLive 也能理解现实素材并转换，如将真人“闪身步”教学在保留构图和运镜的同时动画化。具身数据增强方面，可将真人手部替换为机械手，保留动作、物体相对位置和第一人称镜头移动，帮助模型适应机器人视角画面。

EdenLive 并不判断游戏内发生了什么。今年 5 月发布的 Project Eden 将世界模型研究分为三层：持续演化的世界状态；状态到画面的接口；生成式渲染器。EdenLive 实现后两层，不限定第一层。以格斗游戏为例，玩家按下攻击键，指令先进入上游交互系统，判断是否击中、扣多少血量，再更新角色状态和血条。交互系统将每次变化渲染成新的灰盒画面，专门微调的视觉编码器从中提取布局、镜头和动作。“规则归交互系统，画面归模型”的分工解决了视频模型不擅长长期保存规则的问题，但仍需更长时间、更复杂交互的检验。

此次开源包括 5B、14B 模型权重（各含双向生成与少步流式生成两个版本）、实时流式推理代码、EdenGolem v0.1 和前端工作台，同时公开技术报告。VAST 同步发布 V·STAR 顶尖人才计划，招募方向覆盖 3D 生成模型、3D 理解与 Agentic AI、世界模型。