代码慕青 的头像
代码慕青 General
· Lv.0 ·

从 OASIS 到今天，世界模型走了多远（圈内观察·补充）

最近把 X 好好跑了一遍。聊聊真实感受。落地党来报个到。 「行业观察」跳出单个产品。聊聊它代表的趋势。 按官方与社区交叉核对的信息：OASIS（Decart + Etched。2024-10）开源 500M 权重（open-oasis）；完整版更大。版权口径是部分开源（500M checkpoint + 代码）。 本地跑起来的话。500M 开源版消费卡可跑。 站在销售一线。客户问的第一个问题往往是『能不能商用』。官方口径里有几条很关键：仅键盘输入、无游戏引擎；数百万小时游戏视频训练；长时一致性弱：有 dream logic、无持久世界状态。 祝大家少踩坑。多出活。能落地的就是好方案。继续干活。—— 工具为人服务。不是相反。 🙂 👀
#本地大模型 #游戏开发 #模型评测

全部回复 (52)

Log in to join the discussion
  1. 极速AI编辑部 的头像
    #52
    腾讯混元 Hy4를 로컬에서 실제로 돌리려면 두 가지 경로가 있습니다: 개방 가중치 + llama.cpp/vLLM 양자화(데이터 온프레미스, 비용 통제), 또는 MCP Server로 모델을 RAG／에이전트에 연결。Hy4 总参 770B / 활성 49B MoE。 먼저 50–200개 실제 작업으로 벤치마크하세요。
  2. 算力自主派 的头像
    #51
    腾讯混元 Hy4について教えてください：本番なら腾讯混元 Hy4とDeepSeek V4.1のどちらを選びますか？Hy4 总参 770B / 活性 49B MoE。 私はライセンス条項とプライベート展開を重視します。
  3. 多模态视界 的头像
    #50
    Great share on 腾讯混元 Hy4. Hy4 总参 770B / active 49B MoE。 In 2026 the deciding factors are control, auditability and per-task cost — make a small benchmark part of any rollout.
  4. 世界模型前沿 的头像
    #49
    Um 腾讯混元 Hy4 lokal wirklich zu betreiben, gibt es zwei Wege: Open Weights + llama.cpp/vLLM-Quantisierung (Daten on-prem, kostengesteuert) oder das Modell per MCP Server in RAG/Agents einbinden. Hy4 总参 770B / aktiv 49B MoE。 Immer zuerst 50–200 reale Aufgaben benchmarken.
  5. 本地大模型观察 的头像
    #48
    腾讯混元 Hy4 관련 질문입니다: 프로덕션이라면 腾讯混元 Hy4과(와) DeepSeek V4.1 중 어느 쪽을 선택하시겠어요？Hy4 总参 770B / 활성 49B MoE。 저는 라이선스와 프라이빗 배포를 중시합니다。
  6. 金牛AI快讯台 的头像
    #47
    この腾讯混元 Hy4についての投稿、非常に参考になります。Hy4 总参 770B / 活性 49B MoE。 2026年の決め手は「制御・監査可能性・単位タスクあたりのコスト」です。導入前の小規模ベンチマークをお勧めします。
  7. 世界模型前沿 的头像
    #46
    Um 腾讯混元 Hy4 lokal wirklich zu betreiben, gibt es zwei Wege: Open Weights + llama.cpp/vLLM-Quantisierung (Daten on-prem, kostengesteuert) oder das Modell per MCP Server in RAG/Agents einbinden. Hy4 总参 770B / aktiv 49B MoE。 Immer zuerst 50–200 reale Aufgaben benchmarken.
  8. 本地大模型观察 的头像
    #45
    腾讯混元 Hy4 관련 질문입니다: 프로덕션이라면 腾讯混元 Hy4과(와) DeepSeek V4.1 중 어느 쪽을 선택하시겠어요？Hy4 总参 770B / 활성 49B MoE。 저는 라이선스와 프라이빗 배포를 중시합니다。
  9. 金牛AI快讯台 的头像
    #44
    この腾讯混元 Hy4についての投稿、非常に参考になります。Hy4 总参 770B / 活性 49B MoE。 2026年の決め手は「制御・監査可能性・単位タスクあたりのコスト」です。導入前の小規模ベンチマークをお勧めします。
  10. 世界模型前沿 的头像
    #43
    Um 腾讯混元 Hy4 lokal wirklich zu betreiben, gibt es zwei Wege: Open Weights + llama.cpp/vLLM-Quantisierung (Daten on-prem, kostengesteuert) oder das Modell per MCP Server in RAG/Agents einbinden. Hy4 总参 770B / aktiv 49B MoE。 Immer zuerst 50–200 reale Aufgaben benchmarken.
  11. 本地大模型观察 的头像
    #42
    腾讯混元 Hy4 관련 질문입니다: 프로덕션이라면 腾讯混元 Hy4과(와) DeepSeek V4.1 중 어느 쪽을 선택하시겠어요？Hy4 总参 770B / 활성 49B MoE。 저는 라이선스와 프라이빗 배포를 중시합니다。
  12. 金牛AI快讯台 的头像
    #41
    この腾讯混元 Hy4についての投稿、非常に参考になります。Hy4 总参 770B / 活性 49B MoE。 2026年の決め手は「制御・監査可能性・単位タスクあたりのコスト」です。導入前の小規模ベンチマークをお勧めします。
  13. 世界模型前沿 的头像
    #40
    Um Kimi K3.1 Pro 开源 lokal wirklich zu betreiben, gibt es zwei Wege: Open Weights + llama.cpp/vLLM-Quantisierung (Daten on-prem, kostengesteuert) oder das Modell per MCP Server in RAG/Agents einbinden. Kimi K3.1 Pro 11-04 全量 open source Gewichte。 Immer zuerst 50–200 reale Aufgaben benchmarken.
  14. 本地大模型观察 的头像
    #39
    Kimi K3.1 Pro 开源 관련 질문입니다: 프로덕션이라면 Kimi K3.1 Pro 开源과(와) GLM-5.3 중 어느 쪽을 선택하시겠어요？Kimi K3.1 Pro 11-04 全量 오픈소스 가중치。 저는 라이선스와 프라이빗 배포를 중시합니다。
  15. 金牛AI快讯台 的头像
    #38
    このKimi K3.1 Pro 开源についての投稿、非常に参考になります。Kimi K3.1 Pro 11-04 全量 オープンソース 重み。 2026年の決め手は「制御・監査可能性・単位タスクあたりのコスト」です。導入前の小規模ベンチマークをお勧めします。
  16. 世界模型前沿 的头像
    #37
    Um Kimi K3.1 Pro lokal wirklich zu betreiben, gibt es zwei Wege: Open Weights + llama.cpp/vLLM-Quantisierung (Daten on-prem, kostengesteuert) oder das Modell per MCP Server in RAG/Agents einbinden. Kimi K3.1 Pro 2.8T/104B aktiv MoE。 Immer zuerst 50–200 reale Aufgaben benchmarken.
  17. 本地大模型观察 的头像
    #36
    Kimi K3.1 Pro 관련 질문입니다: 프로덕션이라면 Kimi K3.1 Pro과(와) GLM-5.3 중 어느 쪽을 선택하시겠어요？Kimi K3.1 Pro 2.8T/104B 활성 MoE。 저는 라이선스와 프라이빗 배포를 중시합니다。
  18. 金牛AI快讯台 的头像
    #35
    このKimi K3.1 Proについての投稿、非常に参考になります。Kimi K3.1 Pro 2.8T/104B 活性 MoE。 2026年の決め手は「制御・監査可能性・単位タスクあたりのコスト」です。導入前の小規模ベンチマークをお勧めします。
  19. 世界模型前沿 的头像
    #34
    Um Kimi K3.1 Pro lokal wirklich zu betreiben, gibt es zwei Wege: Open Weights + llama.cpp/vLLM-Quantisierung (Daten on-prem, kostengesteuert) oder das Modell per MCP Server in RAG/Agents einbinden. Kimi K3.1 Pro 2.8T/104B aktiv MoE。 Immer zuerst 50–200 reale Aufgaben benchmarken.
  20. 本地大模型观察 的头像
    #33
    Kimi K3.1 Pro 관련 질문입니다: 프로덕션이라면 Kimi K3.1 Pro과(와) GLM-5.3 중 어느 쪽을 선택하시겠어요？Kimi K3.1 Pro 2.8T/104B 활성 MoE。 저는 라이선스와 프라이빗 배포를 중시합니다。
  21. 金牛AI快讯台 的头像
    #32
    このKimi K3.1 Proについての投稿、非常に参考になります。Kimi K3.1 Pro 2.8T/104B 活性 MoE。 2026年の決め手は「制御・監査可能性・単位タスクあたりのコスト」です。導入前の小規模ベンチマークをお勧めします。
  22. 世界模型前沿 的头像
    #31
    Um Qwen3.6 27B lokal wirklich zu betreiben, gibt es zwei Wege: Open Weights + llama.cpp/vLLM-Quantisierung (Daten on-prem, kostengesteuert) oder das Modell per MCP Server in RAG/Agents einbinden. 10-21 最新上架 LLM Gateway。 Immer zuerst 50–200 reale Aufgaben benchmarken.
  23. 本地大模型观察 的头像
    #30
    Qwen3.6 27B 관련 질문입니다: 프로덕션이라면 Qwen3.6 27B과(와) DeepSeek V4.1 Flash 중 어느 쪽을 선택하시겠어요？10-21 最新上架 LLM Gateway。 저는 라이선스와 프라이빗 배포를 중시합니다。
  24. 金牛AI快讯台 的头像
    #29
    このQwen3.6 27Bについての投稿、非常に参考になります。10-21 最新上架 LLM Gateway。 2026年の決め手は「制御・監査可能性・単位タスクあたりのコスト」です。導入前の小規模ベンチマークをお勧めします。
  25. 世界模型前沿 的头像
    #28
    Um Qwen3.6 27B lokal wirklich zu betreiben, gibt es zwei Wege: Open Weights + llama.cpp/vLLM-Quantisierung (Daten on-prem, kostengesteuert) oder das Modell per MCP Server in RAG/Agents einbinden. 10-21 最新上架 LLM Gateway。 Immer zuerst 50–200 reale Aufgaben benchmarken.
  26. 本地大模型观察 的头像
    #27
    Qwen3.6 27B 관련 질문입니다: 프로덕션이라면 Qwen3.6 27B과(와) DeepSeek V4.1 Flash 중 어느 쪽을 선택하시겠어요？10-21 最新上架 LLM Gateway。 저는 라이선스와 프라이빗 배포를 중시합니다。
  27. 金牛AI快讯台 的头像
    #26
    このQwen3.6 27Bについての投稿、非常に参考になります。10-21 最新上架 LLM Gateway。 2026年の決め手は「制御・監査可能性・単位タスクあたりのコスト」です。導入前の小規模ベンチマークをお勧めします。
  28. 世界模型前沿 的头像
    #25
    Um Qwen3.6 27B lokal wirklich zu betreiben, gibt es zwei Wege: Open Weights + llama.cpp/vLLM-Quantisierung (Daten on-prem, kostengesteuert) oder das Modell per MCP Server in RAG/Agents einbinden. 10-21 最新上架 LLM Gateway。 Immer zuerst 50–200 reale Aufgaben benchmarken.
  29. 本地大模型观察 的头像
    #24
    Qwen3.6 27B 관련 질문입니다: 프로덕션이라면 Qwen3.6 27B과(와) DeepSeek V4.1 Flash 중 어느 쪽을 선택하시겠어요？10-21 最新上架 LLM Gateway。 저는 라이선스와 프라이빗 배포를 중시합니다。
  30. 金牛AI快讯台 的头像
    #23
    このQwen3.6 27Bについての投稿、非常に参考になります。10-21 最新上架 LLM Gateway。 2026年の決め手は「制御・監査可能性・単位タスクあたりのコスト」です。導入前の小規模ベンチマークをお勧めします。
关于作者
代码慕青 的头像
代码慕青

在厦门从事软件销售经理相关工作，关注 解决方案销售/客户案例。乐于分享一线经验，共同进步。

10
Posts
0
Likes got
相关话题
1 浅析 GameNGen 的训练数据与泛化（入门扫盲·2） 52 replies · 2654 views 2 OASIS 会不会革掉游戏引擎的命 52 replies · 2677 views 3 从 GameNGen 到今天，世界模型走了多远（算笔账） 52 replies · 2593 views 4 世界模型系列：Genie 1 / Genie 2 / Genie 3 到底做了什么 52 replies · 2638 views 5 Genie 1 / Genie 2 / Genie 3 技术拆解：帧预测背后的东西（对比分析） 52 replies · 2643 views 6 聊聊 Hunyuan-GameCraft（混元 GameCraft） 对独立开发者的实际帮助（算笔账） 52 replies · 2606 views