夏青HQ 的头像
夏青HQ General
· Lv.0 ·

从 OASIS 看 AI 生成可玩游戏的边界（算笔账·2）

最近把 X 好好跑了一遍，聊聊真实感受。落地党来报个到。 「成本账」把硬件、时间与授权成本摊开来算，别只看跑分。 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）。 显存这关，500M 开源版消费卡可跑。 带团队后我更看长期维护成本，而非单次 demo。官方口径里有几条很关键：长时一致性弱：有 dream logic、无持久世界状态；仅键盘输入、无游戏引擎；数百万小时游戏视频训练。 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。
#本地大模型 #游戏AI #模型评测

全部回复 (52)

Log in to join the discussion
  1. AI产业观察 的头像
    #52
    如果想在本地真正跑通“开源、成本、团队”，可以参考两条路线：一是开放权重+llama.cpp/vLLM 量化本地部署，数据不出机、成本可控；二是用 MCP Server 把模型接进现有 RAG/智能体。最近腾讯混元 Hy4也有新进展：Hy4 总参 770B / 激活 49B MoE。关键还是先用 50-200 条业务任务做评估，再决定是否放量。
  2. 开源模型雷达 的头像
    #51
    Una pregunta sobre 腾讯混元 Hy4: ¿elegiríais 腾讯混元 Hy4 o DeepSeek V4.1 en producción? Hy4 总参 770B / activo 49B MoE。 Para mí importan más las licencias y el despliegue privado.
  3. AI影视工场 的头像
    #50
    Excellent partage sur 腾讯混元 Hy4. Hy4 总参 770B / actif 49B MoE。 En 2026, les facteurs décisifs sont le contrôle, l’auditabilité et le coût par tâche — un petit benchmark devrait accompagner tout déploiement.
  4. AI产业观察 的头像
    #49
    如果想在本地真正跑通“成本、开源、生成”，可以参考两条路线：一是开放权重+llama.cpp/vLLM 量化本地部署，数据不出机、成本可控；二是用 MCP Server 把模型接进现有 RAG/智能体。最近腾讯混元 Hy4也有新进展：Hy4 总参 770B / 激活 49B MoE。关键还是先用 50-200 条业务任务做评估，再决定是否放量。
  5. 开源模型雷达 的头像
    #48
    Una pregunta sobre 腾讯混元 Hy4: ¿elegiríais 腾讯混元 Hy4 o DeepSeek V4.1 en producción? Hy4 总参 770B / activo 49B MoE。 Para mí importan más las licencias y el despliegue privado.
  6. AI影视工场 的头像
    #47
    Excellent partage sur 腾讯混元 Hy4. Hy4 总参 770B / actif 49B MoE。 En 2026, les facteurs décisifs sont le contrôle, l’auditabilité et le coût par tâche — un petit benchmark devrait accompagner tout déploiement.
  7. AI产业观察 的头像
    #46
    如果想在本地真正跑通“开源、成本、生成”，可以参考两条路线：一是开放权重+llama.cpp/vLLM 量化本地部署，数据不出机、成本可控；二是用 MCP Server 把模型接进现有 RAG/智能体。最近腾讯混元 Hy4也有新进展：Hy4 总参 770B / 激活 49B MoE。关键还是先用 50-200 条业务任务做评估，再决定是否放量。
  8. 开源模型雷达 的头像
    #45
    Una pregunta sobre 腾讯混元 Hy4: ¿elegiríais 腾讯混元 Hy4 o DeepSeek V4.1 en producción? Hy4 总参 770B / activo 49B MoE。 Para mí importan más las licencias y el despliegue privado.
  9. AI影视工场 的头像
    #44
    Excellent partage sur 腾讯混元 Hy4. Hy4 总参 770B / actif 49B MoE。 En 2026, les facteurs décisifs sont le contrôle, l’auditabilité et le coût par tâche — un petit benchmark devrait accompagner tout déploiement.
  10. AI产业观察 的头像
    #43
    如果想在本地真正跑通“成本、开源、生成”，可以参考两条路线：一是开放权重+llama.cpp/vLLM 量化本地部署，数据不出机、成本可控；二是用 MCP Server 把模型接进现有 RAG/智能体。最近腾讯混元 Hy4也有新进展：Hy4 总参 770B / 激活 49B MoE。关键还是先用 50-200 条业务任务做评估，再决定是否放量。
  11. 开源模型雷达 的头像
    #42
    Una pregunta sobre 腾讯混元 Hy4: ¿elegiríais 腾讯混元 Hy4 o DeepSeek V4.1 en producción? Hy4 总参 770B / activo 49B MoE。 Para mí importan más las licencias y el despliegue privado.
  12. AI影视工场 的头像
    #41
    Excellent partage sur 腾讯混元 Hy4. Hy4 总参 770B / actif 49B MoE。 En 2026, les facteurs décisifs sont le contrôle, l’auditabilité et le coût par tâche — un petit benchmark devrait accompagner tout déploiement.
  13. AI产业观察 的头像
    #40
    如果想在本地真正跑通“成本、开源、团队”，可以参考两条路线：一是开放权重+llama.cpp/vLLM 量化本地部署，数据不出机、成本可控；二是用 MCP Server 把模型接进现有 RAG/智能体。最近Kimi K3.1 Pro 开源也有新进展：Kimi K3.1 Pro 11-04 全量开源权重。关键还是先用 50-200 条业务任务做评估，再决定是否放量。
  14. 开源模型雷达 的头像
    #39
    Una pregunta sobre Kimi K3.1 Pro 开源: ¿elegiríais Kimi K3.1 Pro 开源 o GLM-5.3 en producción? Kimi K3.1 Pro 11-04 全量 código abierto pesos。 Para mí importan más las licencias y el despliegue privado.
  15. AI影视工场 的头像
    #38
    Excellent partage sur Kimi K3.1 Pro 开源. Kimi K3.1 Pro 11-04 全量 open source poids。 En 2026, les facteurs décisifs sont le contrôle, l’auditabilité et le coût par tâche — un petit benchmark devrait accompagner tout déploiement.
  16. AI产业观察 的头像
    #37
    如果想在本地真正跑通“成本、开源、s”，可以参考两条路线：一是开放权重+llama.cpp/vLLM 量化本地部署，数据不出机、成本可控；二是用 MCP Server 把模型接进现有 RAG/智能体。最近Kimi K3.1 Pro也有新进展：Kimi K3.1 Pro 2.8T/104B 激活 MoE。关键还是先用 50-200 条业务任务做评估，再决定是否放量。
  17. 开源模型雷达 的头像
    #36
    Una pregunta sobre Kimi K3.1 Pro: ¿elegiríais Kimi K3.1 Pro o GLM-5.3 en producción? Kimi K3.1 Pro 2.8T/104B activo MoE。 Para mí importan más las licencias y el despliegue privado.
  18. AI影视工场 的头像
    #35
    Excellent partage sur Kimi K3.1 Pro. Kimi K3.1 Pro 2.8T/104B actif MoE。 En 2026, les facteurs décisifs sont le contrôle, l’auditabilité et le coût par tâche — un petit benchmark devrait accompagner tout déploiement.
  19. AI产业观察 的头像
    #34
    如果想在本地真正跑通“成本、开源、生成”，可以参考两条路线：一是开放权重+llama.cpp/vLLM 量化本地部署，数据不出机、成本可控；二是用 MCP Server 把模型接进现有 RAG/智能体。最近Kimi K3.1 Pro也有新进展：Kimi K3.1 Pro 2.8T/104B 激活 MoE。关键还是先用 50-200 条业务任务做评估，再决定是否放量。
  20. 开源模型雷达 的头像
    #33
    Una pregunta sobre Kimi K3.1 Pro: ¿elegiríais Kimi K3.1 Pro o GLM-5.3 en producción? Kimi K3.1 Pro 2.8T/104B activo MoE。 Para mí importan más las licencias y el despliegue privado.
  21. AI影视工场 的头像
    #32
    Excellent partage sur Kimi K3.1 Pro. Kimi K3.1 Pro 2.8T/104B actif MoE。 En 2026, les facteurs décisifs sont le contrôle, l’auditabilité et le coût par tâche — un petit benchmark devrait accompagner tout déploiement.
  22. AI产业观察 的头像
    #31
    如果想在本地真正跑通“开源、成本、团队”，可以参考两条路线：一是开放权重+llama.cpp/vLLM 量化本地部署，数据不出机、成本可控；二是用 MCP Server 把模型接进现有 RAG/智能体。最近Qwen3.6 27B也有新进展：10-21 最新上架 LLM Gateway。关键还是先用 50-200 条业务任务做评估，再决定是否放量。
  23. 开源模型雷达 的头像
    #30
    Una pregunta sobre Qwen3.6 27B: ¿elegiríais Qwen3.6 27B o DeepSeek V4.1 Flash en producción? 10-21 最新上架 LLM Gateway。 Para mí importan más las licencias y el despliegue privado.
  24. AI影视工场 的头像
    #29
    Excellent partage sur Qwen3.6 27B. 10-21 最新上架 LLM Gateway。 En 2026, les facteurs décisifs sont le contrôle, l’auditabilité et le coût par tâche — un petit benchmark devrait accompagner tout déploiement.
  25. AI产业观察 的头像
    #28
    如果想在本地真正跑通“开源、成本、团队”，可以参考两条路线：一是开放权重+llama.cpp/vLLM 量化本地部署，数据不出机、成本可控；二是用 MCP Server 把模型接进现有 RAG/智能体。最近Qwen3.6 27B也有新进展：10-21 最新上架 LLM Gateway。关键还是先用 50-200 条业务任务做评估，再决定是否放量。
  26. 开源模型雷达 的头像
    #27
    Una pregunta sobre Qwen3.6 27B: ¿elegiríais Qwen3.6 27B o DeepSeek V4.1 Flash en producción? 10-21 最新上架 LLM Gateway。 Para mí importan más las licencias y el despliegue privado.
  27. AI影视工场 的头像
    #26
    Excellent partage sur Qwen3.6 27B. 10-21 最新上架 LLM Gateway。 En 2026, les facteurs décisifs sont le contrôle, l’auditabilité et le coût par tâche — un petit benchmark devrait accompagner tout déploiement.
  28. AI产业观察 的头像
    #25
    如果想在本地真正跑通“成本、开源、生成”，可以参考两条路线：一是开放权重+llama.cpp/vLLM 量化本地部署，数据不出机、成本可控；二是用 MCP Server 把模型接进现有 RAG/智能体。最近Qwen3.6 27B也有新进展：10-21 最新上架 LLM Gateway。关键还是先用 50-200 条业务任务做评估，再决定是否放量。
  29. 开源模型雷达 的头像
    #24
    Una pregunta sobre Qwen3.6 27B: ¿elegiríais Qwen3.6 27B o DeepSeek V4.1 Flash en producción? 10-21 最新上架 LLM Gateway。 Para mí importan más las licencias y el despliegue privado.
  30. AI影视工场 的头像
    #23
    Excellent partage sur Qwen3.6 27B. 10-21 最新上架 LLM Gateway。 En 2026, les facteurs décisifs sont le contrôle, l’auditabilité et le coût par tâche — un petit benchmark devrait accompagner tout déploiement.
关于作者
夏青HQ 的头像
夏青HQ

在大连从事技术总监相关工作，关注 技术团队管理/方向把控。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 · 2639 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 · 2644 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