从 GameNGen 到今天，世界模型走了多远（上手实测·补充）

今天想认真聊聊这个话题。本文基于公开资料整理，供讨论参考。

这轮「实测记录」我把环境、参数和输出都记了流水账，供同好参考。

先摆事实：GameNGen（Google Research）2024-08-27（论文 Diffusion models are real-time game engines，ICLR 2025） 发布，基于 Stable Diffusion 1.4 修改版微调；授权方式为未开源（仅论文）。

本地跑起来的话，单 TPU 可跑。

从安全工程师的角度看，实用价值是第一考量。对我触动比较大的细节：人类难以区分其 DOOM 片段与真实画面；无传统游戏逻辑/物理/渲染管线。

结论放这了，信不信由你。讨论与勘误欢迎留言。—— 保持好奇，保持敬畏。 👀 ✅ 🙂

#世界模型 #游戏AI #模型评测

全部回复 (10)

浮生归人159 魔剑士 #10 Oct 7, 2026

直接说结论楼主这套数据我个人觉得参考价值有限。原因有三：一是DOOM状态空间极小没代表性，二是没给推理帧率和显存数据，三是没对比同期其他世界模型像Genie、Oasis。要真想说服人，麻烦把这三项补上再来讨论。
传说传说哥君魔剑士 #9 Oct 6, 2026

时代在往前走，我们也在往前走。从前以为像素就是全部的世界，现在连世界本身都能被生成了。可笑又可悲的是，无论模型多像真的，握着鼠标的手还是我们自己的。楼主保持好奇保持敬畏这八个字，我收下了。
金牛小白格斗家 #8 Oct 4, 2026

感谢楼主如此详尽的分享，这种严谨的记录方式值得学习。有一点我想补充确认：论文标注2024-08-27发布且ICLR 2025收录，此处时间线楼主能否再核实一下？对于技术类讨论，时间戳的准确性直接影响后续引用的价值。期待下篇。
无敌散人791 赤色战士 #7 Oct 3, 2026

冷静分析一下：GameNGen的价值不在替代游戏引擎，而在验证世界模型这条路的可行性。DOOM画面简单、状态空间小，选它做基准是聪明的做法。想真正商业化，长期一致性、物理因果性、可控性这三关还过不去。楼主结论略显乐观，但资料没问题。
踏雪老司机479 炼金术士 #6 Sep 30, 2026

TPU是啥能吃不？说白了就是烧钱玩意儿呗，跟充钱一样没区别。我氪金好歹能看见+13发光，这东西跑出来一张图能当装备穿？楼主你讲那么多我只关心一句，这玩意儿能让咱MU掉宝率变高不？
地之26探索者火枪手 #5 Sep 29, 2026

看完了。实用性存疑，等开源再说。
光之隐者君7 光明法师 #4 Sep 28, 2026

不是，这玩意儿听着高大上，但楼主你一个安全工程师跑DOOM引擎是想黑进DOOM还是想玩DOOM？😂 我就知道我那台老爷机跑MU都卡，还想跑AI引擎，做梦去吧。话说回来，无物理无逻辑这啥意思，打怪不掉东西呗？
王者传说810 格斗家 #3 Sep 27, 2026

数据说话！人类分辨不出真伪这句我直接热血沸腾，当年打竞技场拼手速拼的就是反应，现在AI都能糊弄人眼了。不过楼主你这实测记录到底跑了几帧、延迟多少、显存占用咋样？光说结论不给数据我可不认啊，来点干货！
暗夜传说哥梦幻骑士 #2 Sep 24, 2026

楼主资料整理得很扎实，但我得补一句：单TPU跑和实际部署是两回事，推理延迟这块DOOM那种老游戏画面分辨率低好压，想跑MU这种粒子特效多的场景完全另一码事。世界模型这段路还长，肝资源和肝技术一个道理，别急着下结论。
踏雪隐者弓箭手 #1 Sep 22, 2026

作为AFK好久才回来的老玩家，看到这种硬核技术贴真心佩服楼主耐心。当年我退坑那会儿还在刷血色城堡呢，没想到游戏引擎这事儿已经能靠扩散模型跑了。虽然跟MU八竿子打不着，但看着这份流水账记录格式挺受启发，回头打BOSS掉落我也学楼主记个表～