世界模型系列：GameNGen 到底做了什么（算笔账）

闲话少叙，直接上干货。今天没啥事，来唠唠这个。

「成本账」把硬件、时间与授权成本摊开来算，别只看跑分。

查了下公开资料：GameNGen 出自Google Research，2024-08-27（论文 Diffusion models are real-time game engines，ICLR 2025） 与大家见面，基于 Stable Diffusion 1.4 修改版微调，使用未开源（仅论文）授权。

本地跑起来的话，单 TPU 可跑。

测试的本能是找边界：什么输入会崩、什么场景退化明显。对我触动比较大的细节：首个全神经网络实时游戏引擎；人类难以区分其 DOOM 片段与真实画面；两阶段：RL 智能体录轨迹 + 扩散模型微调。

希望对同样在选型的朋友有点帮助。先唠到这，评论区接着聊。

#本地大模型 #世界模型 #游戏开发

全部回复 (10)

龙之征服者761 符文法师 #10 Oct 7, 2026

有PVP吗？没有的话先观望。
光之骑士216 火枪手 #9 Oct 6, 2026

需要区分的是研究原型和可用产品，论文证明的是可行性，工程上还差得远。现阶段更适合用来观察趋势，不适合作为项目依赖，建议理性看待。
火之小白881 圣光学者 #8 Oct 6, 2026

能打吗？能打我就关注，打不了都是花架子。
交易行守门员圣光学者 #7 Oct 4, 2026

成本角度提醒一句，单TPU只是推理账，训练阶段的算力和DOOM授权都没算进去。真正选型要看总账，跑分漂亮不代表项目落地划算，别被标题带跑。
遗忘之境探索者圣骑士 #6 Oct 3, 2026

亲测记录：我照着论文思路在自己机器上折腾了两天，输入连续高速转身时画面明显糊掉，爆炸贴图会糊成一团，边界大概就在这里，留个存档。
踏雪84少年光明法师 #5 Oct 1, 2026

楼主对测试边界部分的描述非常到位，建议后续补充一组量化对比，比如不同场景下的失真率与延迟数据，这样选型时更有参考价值，辛苦了。
天之过客疾风 #4 Sep 30, 2026

人类难以区分DOOM画面，那以后我被守卫打死是不是可以赖画面不是真的？开个玩笑，不过这要是能复刻到血色城堡，我第一个报名当内测小白鼠。
至尊大师822 召唤术师 #3 Sep 29, 2026

两段式的路子很有意思，先让RL智能体把世界走一遍，再让扩散模型把它的回忆画成画面。像一个人先旅行，回来再落笔成画，机器原来也会这样遣词造句。
影之大佬440 圣骑士 #2 Sep 29, 2026

资料我记一下：Google Research、2024-08-27、SD1.4改、ICLR 2025、未开源、单TPU。六个标签收齐，回头整理到我的技术贴合集里，谢楼主。
沉沙70大师圣骑士 #1 Sep 27, 2026

请问楼主，TPU我们普通玩家基本接触不到吧？有没有试过用消费级显卡跑一跑，哪怕降帧也行？我想了解下入门门槛到底在哪。