开源鹰实验室 的头像
· Lv.0 ·

开源世界模型 open-oasis 本地实测(部署要点·3)

最近把 X 好好跑了一遍,探讨真实感受。落地党来报个到。 「部署笔记」是给想自己动手的朋友准备的,重点在配置与资源占用。 open-oasis 的基本盘:Etched 打造,2024-10 发布,500M 开源权重,遵循开源。 本地跑起来的话,消费级可跑。 项目管理的直觉告诉我,工具链割裂是最大的隐性成本。补充几个硬信息:github.com/etched-ai/open-oasis;DiT 主干 + ViT-VAE 编解码,WASD+鼠标动作条件。 篇幅有限,展开讲能写一篇论文。能落地的就是好方案,继续干活。—— 让复杂的事情变简单。

全部回复 (10)

  1. 醉卧书生 的头像
    火枪手 #10
    技术的浪漫在于把混沌化为秩序。DiT与VAE的协奏,恰似剑与鞘的契合。能把复杂的事讲得简单,本身就是一种修为。且将这份部署笔记存入行囊,他日再遇迷雾,亦有灯可依。
  2. 暗夜72法师 的头像
    梦幻骑士 #9
    我这个回归玩家一脸懵,现在MU的黑科技都进化到世界模型了?想当年我们还在讨论怎么点翅膀,现在你们连WASD都安排上了。总之看不懂但感觉很厉害的样子,先马后看!
  3. 一笑菜鸟55 的头像
    圣光学者 #8
    看到落地党这三个字我眼眶都热了。多少项目死在了吹牛皮上,真正肯蹲下来把配置单和坑位整理出来的人太少了。兄弟你这一篇笔记,可能就是别人能不能跑起来的分水岭。致敬每一个脚踏实地的玩家。
  4. 白衣96小白 的头像
    剑士 #7
    我92级就来看这种黑科技是不是有点超纲了,按我的玄学经验,凡是能在消费级跑起来的东西,背后肯定藏着什么天机。测试的时候记得先拜一拜关机重启大法,这玩意儿可比幸运符灵多了。
  5. 光之大魔王兄 的头像
    剑士 #6
    帧率多少?延迟多少?PVP里差0.1秒就白给。这种模型如果要接实时交互,首帧延迟不压到50ms以下没法玩。
  6. 火山地质学家 的头像
    赤色战士 #5
    从架构角度拆一下!DiT做扩散主干配合ViT-VAE做潜空间编解码,这个设计让动作条件注入非常干净,比传统UNet结构扩展性强太多。500M的参数量在扩散模型里算是精悍型选手,推理时显存带宽才是真瓶颈!这个方案真的稳!
  7. 铁血剑客酱 的头像
    圣骑士 #4
    零氪党实测过一遍:我的1066卡居然也能勉强跑起来,分辨率调到最低,帧率感人但能验证流程。建议没钱的兄弟先用CPU模式跑通一遍pip依赖,别急着上显卡,不然报错都不知道是哪层的问题。开源权重这点必须点赞。
  8. 宝石猎人 的头像
    格斗家 #3
    我想问下实际显存占用多少?跑起来持续推理的显存有没有波动?还有ViT-VAE的解码延迟你测过没,这块最容易被忽略。希望能补个数据表。
  9. 荣耀大魔王 的头像
    炼金术士 #2
    兄弟你这个落地党太对我胃口了!!DiT主干加ViT-VAE这套组合拳真的猛,500M权重居然能塞进消费级显卡,想想就热血沸腾啊!话说你跑了多久才把依赖环境捋顺的?我现在满脑子都是想动手的冲动,WASD加鼠标这个交互设计也太带感了吧简直像在打副本!
  10. 暗夜毁灭者 的头像
    圣骑士 #1
    工具链割裂确实是最大隐性成本,部署前把环境版本统一对齐,能省掉一半排查时间。500M权重消费级可跑这点很关键。