Matrix-Game 4.0 آپریشن میں

Matrix-Game 4.0 کونلون وانwei کی جانب سے پیش کیا گیا دنیا کا پہلا ویڈیو ماڈل گیم ہے جو ایک واحد صارف گریڈ گرافکس کارڈ پر چلتا ہے۔ یہ ”Harness“ کے نئے پیراڈائم کو اپناتا ہے: گیم انجن ثالث کے طور پر دنیا کی حالت اور قواعد برقرار رکھتا ہے، Coding Agent قدرتی زبان کے ذریعے گیم پلے کو دوبارہ لکھتا ہے، جبکہ ویڈیو ماڈل حقیقی وقت میں روشنی، مواد اور تفصیل سے بھرپور مناظر رینڈر کرتا ہے۔ Matrix-Game 4.0 ایک RTX 5090 پر 480p، 60 FPS اور 150 ملی سیکنڈ سے کم تاخیر کے ساتھ گیم کا تجربہ فراہم کرتا ہے، جس سے چھوٹی ٹیموں کے لیے پوری دنیا تخلیق کرنا حقیقت بن جاتا ہے۔

ایک کارڈ پر حقیقی وقت میں اجرا: ایک RTX 5090 ہی 480p، 60 FPS اور 150 ملی سیکنڈ سے کم تاخیر کے ساتھ قابلِ کھیل گیم کا تجربہ فراہم کرتا ہے۔
قدرتی زبان سے گیم پلے میں تبدیلی: Coding Agent کے ذریعے ایک جملے کی ہدایت سے زمین، NPC کے رویے یا بالکل نئے گیم قواعد تبدیل کیے جا سکتے ہیں۔
دنیا کی حالت کا واضح انتظام: گیم انجن کوڈ کے ذریعے صحت، انوینٹری، تصادم، جیت اور ہار جیسی حالتیں برقرار رکھتا ہے؛ اشیا منظر سے باہر ہونے کے بعد بھی ارتقا جاری رکھتی ہیں۔
کم تفصیل والے ماڈل سے باریک مناظر تک: ویڈیو ماڈل انجن سے حاصل شدہ جیومیٹری پر مبنی منظر کو حقیقی وقت میں روشنی اور مواد سے مزین 3A درجے کے منظر میں دوبارہ رینڈر کرتا ہے۔
طویل اور یکساں گیم پلے: 54-99 سیکنڈ تک بلا تعطل گیم پلے کی معاونت، جس میں منظر، کرداروں کی شناخت اور تعامل کے نتائج مستحکم رہتے ہیں اور تبدیل نہیں ہوتے۔

WeChat پر فالو کریں اور “开源” کا جواب دے کر AI اوپن سورس پراجیکٹس کے گروپ میں شامل ہوں
Harness فن تعمیر: نظام ویڈیو ماڈل کے گرد Coding Agent اور گیم انجن پر مشتمل Harness قائم کرتا ہے۔ انجن قواعد کے اندر حالتوں کے ارتقا کا ذمہ دار ہوتا ہے اور ساختی منظر خارج کرتا ہے، Coding Agent صارف کی نیت کو نئے قواعد اور تفصیلی پرامپٹس میں تبدیل کرتا ہے، جبکہ ویڈیو ماڈل صرف رینڈرنگ پر توجہ دیتا ہے؛ تینوں کی ذمہ داریاں الگ رہتی ہیں۔
ساخت اور تفصیلی منظر کے ہم آہنگ ڈیٹا: UE5 کی بنیاد پر مختلف شعبوں پر مشتمل ڈیٹا سیٹ بنایا گیا ہے۔ ہلکے جیومیٹری تجریدی حصول کے عمل کے ذریعے پیچیدہ مناظر کو ایسے کم تفصیل والے ساختی اظہار میں تبدیل کیا جاتا ہے جو خلائی ٹوپولوجی برقرار رکھتا ہے، پھر اسے تفصیلی ماڈل کے مناظر کے ساتھ فریم بہ فریم پکسل سطح پر ہم آہنگ کیا جاتا ہے، جبکہ مثال کی ID اور علتی واقعات کا میٹا ڈیٹا بھی بیک وقت محفوظ کیا جاتا ہے۔
متحرک Caption: نظام اشیا کی ID کو معنوی وضاحتوں سے جوڑتا ہے، اور اجرا کے وقت انجن سے موجودہ نظر آنے والی اشیا اور ان کی حقیقی وقت کی حالت پڑھ کر پرامپٹ ٹیمپلیٹ میں شامل کرتا ہے۔ یہ ساختی منظر کے ساتھ مل کر کیا چیز اور کہاں بنانی ہے، اس کے لیے شرائط فراہم کرتا ہے۔
قابلِ کنٹرول V2V جنریشن: Wan2.2 5B کی بنیاد پر ترمیم شدہ نظام میں ساختی منظر اور تیار کیے جانے والے ویڈیو کو 148 چینلز کے ذریعے 30 تہوں والے علتی DiT میں جوڑا جاتا ہے۔ خود توجہ خلائی یادداشت اور تاریخی KV کیش پڑھتی ہے، جبکہ باہمی توجہ متنی شرائط پڑھتی ہے، اور خودکار طریقے سے بلاک بہ بلاک تخلیق کی جاتی ہے۔

صارف گریڈ واحد کارڈ پر حقیقی وقت میں اجرا: ایک RTX 5090 پر 480p، 60 FPS اور 112ms تاخیر، جس سے پہلی بار ویڈیو ماڈل گیم تجربہ گاہ کے متعدد کارڈ والے کلسٹر سے باہر آتا ہے۔
دنیا کی حالت واضح اور قابلِ انتظام: گیم انجن کوڈ کے ذریعے دنیا کے قواعد برقرار رکھتا ہے؛ حالت پڑھی، تبدیل اور جانچی جا سکتی ہے، جس سے پچھلی نسل کا یہ مسئلہ بنیادی طور پر حل ہوتا ہے کہ دنیا صرف ماڈل کی یادداشت میں موجود رہتی تھی اور اس میں تبدیلی آتی رہتی تھی۔
ایک جملے میں گیم پلے تبدیل کریں: Coding Agent قدرتی زبان کی ہدایات کو براہِ راست گیم قواعد اور کوڈ میں تبدیل کرتا ہے، لہٰذا تخلیقی تکرار 3D اثاثہ سازی کی پیداوار لائن کی پابند نہیں رہتی۔
طویل مدت تک مستحکم یکسانیت: خلائی یادداشت، حوالہ جاتی فریم اور متحرک Caption کا طریقۂ کار طویل گیم پلے کے دوران منظر کی ساخت اور اشیا کی شناخت کو خراب ہونے سے محفوظ رکھتا ہے۔
کارکردگی میں نمایاں برتری: تاخیر Code World Model کے مقابلے میں تقریباً 1/90 اور StreamRender-H3 کے مقابلے میں 1/5 ہے، اور مقابل فریقوں میں یہ واحد صارف گریڈ حل ہے۔

صارف گریڈ واحد کارڈ پر حقیقی وقت میں اجرا: ایک RTX 5090 پر 480p، 60 FPS اور 112ms تاخیر، جس سے پہلی بار ویڈیو ماڈل گیم تجربہ گاہ کے متعدد کارڈ والے کلسٹر سے باہر آتا ہے۔
دنیا کی حالت واضح اور قابلِ انتظام: گیم انجن کوڈ کے ذریعے دنیا کے قواعد برقرار رکھتا ہے؛ حالت پڑھی، تبدیل اور جانچی جا سکتی ہے۔
ایک جملے میں گیم پلے تبدیل کریں: Coding Agent قدرتی زبان کی ہدایات کو براہِ راست گیم قواعد اور کوڈ میں تبدیل کرتا ہے، لہٰذا تخلیقی تکرار 3D اثاثہ سازی کی پیداوار لائن کی پابند نہیں رہتی۔
طویل مدت تک مستحکم یکسانیت: خلائی یادداشت، حوالہ جاتی فریم اور متحرک Caption کا طریقۂ کار طویل گیم پلے کے دوران منظر کی ساخت اور اشیا کی شناخت کو خراب ہونے سے محفوظ رکھتا ہے۔
کارکردگی میں نمایاں برتری: تاخیر Code World Model کے مقابلے میں تقریباً 1/90 اور StreamRender-H3 کے مقابلے میں 1/5 ہے، اور مقابل فریقوں میں یہ واحد صارف گریڈ حل ہے۔

پراجیکٹ کی آفیشل ویب سائٹ: https://matrix-game-v4-0.github.io/page/
GitHub ریپوزٹری: https://github.com/SkyworkAI/Matrix-Game.git
HuggingFace ماڈل ریپوزٹری: https://huggingface.co/Skywork/Matrix-Game-4.0

گیم پروٹوٹائپ کی تیز رفتار تیاری: چھوٹی ٹیمیں قدرتی زبان میں گیم پلے بیان کرتی ہیں، اور Coding Agent براہِ راست قابلِ اجرا گیم Demo تیار کرتا ہے، جس سے منصوبے کی توثیق کا دورانیہ نمایاں طور پر کم ہو جاتا ہے۔
ذاتی نوعیت کی گیم حسبِ ضرورت تیاری (UGC): کھلاڑی اپنی پسند کے مطابق قواعد اور فنِ مصوری تبدیل کر کے ”ہر شخص کے لیے منفرد“ گیم کا تجربہ حاصل کر سکتے ہیں۔
AI پروگرامنگ کی تعلیم اور عملی تجربہ: اوپن سورس پراجیکٹ کے طور پر ڈویلپرز ”انجن + ویڈیو ماڈل“ کے Harness فن تعمیر کا مطالعہ کر سکتے ہیں اور ورلڈ ماڈل و گیم انجن کے امتزاج کے نئے طریقوں کو دریافت کر سکتے ہیں۔
کم لاگت پر گیم مواد کی تیاری: تفصیلی 3D اثاثوں اور بڑے انجنوں پر انحصار کم ہوتا ہے؛ آزاد تخلیق کار کم تفصیل والے ساختی ماڈل کے ذریعے سینما معیار کے مناظر تیار کر سکتے ہیں، جس سے تیاری کی لاگت کم ہوتی ہے۔