5B 实时世界模型 Zing-0.5 发布:键盘+文字联控,24 FPS 每分钟约 0.9 美分
Mingyang Chen · hf · 2026-09-17
Zing-0.5 是一个 5B 参数的自回归世界模型,主打「可玩性」:用户可在生成世界中探索、通过键盘与在线文字指令联合影响事件走向。三项核心技术:
- 统一动作与文字条件控制:将带幅度感知的键盘输入与时间对齐的文字指令、联合标注的视频一起训练,在同一序列中学习导航与事件控制
- 事件尺度监督:用多提示连接视频训练的段级教师,通过分布匹配蒸馏监督块级因果学生,实现增量生成
- 低成本实时交互:四步生成 + 保留上下文的流式推理,832×480 分辨率 24 FPS,估算服务器成本约 0.009 美元/流分钟
在 158 个 WBench Navigation 案例上总体分 81.0、一致性分 88.5;演示了导航不中断的情况下用文字指令切换事件。模型权重、推理代码与 Zing-SGLang 服务实现均已开源。
「多模态」频道最新
- ComfyUI 里 Trellis2 与 Pixal3D 生成的网格总留孔洞，求修复方案 — nirurin · 2026-09-17
- Epic CEO:世界模型已能把电影变成本地可玩互动体验 — smtabatabaie · 2026-09-17
- 3B 参数的开源音乐模型 YuE2 实测惊艳，还能本地训练 LoRA — renderartist · 2026-09-17
- 创作者用 Runway 制作甘尼许节「旧物新生」循环视频 — CurieuxExplorer · 2026-09-17
- 分享 AI 生成速度对比请加计时节点,控制台时长常不准 — CurrentMine1423 · 2026-09-17
- Seedance 2.5 生成短片:人群定格,唯独她继续前行 — SimplyAnnisa · 2026-09-17