Code World Model 2.0 的核心升级就是给代码驱动型世界模型配上被大家称作 “生成式显卡” 的视频渲染分支,把世界逻辑推演和画面渲染拆开,代码 Agent 持续维护虚拟世界里物体位置、物理规则、任务状态,生成代理帧作为约束条件,再交给生成渲染模块输出高清画面,解决初代版本长视频容易出现物体漂移、逻辑崩坏、画面一致性断裂的痛点,最长可以稳定跑出 30 分钟不间断一镜到底连续视频序列。传统视频类世界模型是像素到像素自回归生成,时间一长很容易发生场景错乱、物体变形,因为它同时要记世界规则和画面细节,两者耦合在一起;而 Code World Model 这套架构把 “世界怎么运转” 交给可执行代码,代码会持续更新状态、执行物理碰撞、角色逻辑,不会因为画面生成出错就改变世界底层逻辑,“生成式显卡” 只负责按照代码输出的结构代理图,渲染对应的光影、材质、纹理画面,相当于传统游戏引擎里的渲染管线,所以长时序稳定性大幅提升。2.0 版本还做了流式推理、缓存优化、少步扩散蒸馏,降低长序列生成的显存开销,支持第一视角自由漫游、角色交互、场景内事件触发,在长片段里保持角色身份、场景布局、物理规则统一。
一、Code World Model 2.0 核心能力清单
- 核心架构:代码 Agent(世界逻辑大脑)+ 生成渲染模块(生成式显卡)解耦设计
- 长序列上限:支持 30 分钟一镜到底连续生成,24FPS
- 约束方式:代码输出 Proxy 代理结构帧,给渲染模块做强空间约束
- 推理模式:流式增量推理,状态和画面分开缓存
- 主要优势:长时序物体一致性、物理逻辑稳定、不容易出现画面漂移穿模
- 典型用途:虚拟环境漫游、AI 智能体仿真、交互式数字沙盒、长叙事视频生成
二、和初代 Code World Model、纯视频世界模型对比
| 模型方案 | 逻辑和渲染关系 | 长时序表现 | 显存压力 |
|---|---|---|---|
| Code World Model 2.0 | 解耦,代码管状态,生成渲染模块做画面 | 可稳定 30 分钟一镜到底,逻辑不容易跑偏 | 状态缓存轻量化,显存可控 |
| 初代 Code World Model | 解耦,但渲染分支没有流式优化 | 长序列容易画面跳变,稳定时长很短 | 长片段显存上涨很快 |
| 纯视频自回归世界模型 | 逻辑、画面耦合在一起 | 几分钟之后大概率物体错乱、场景崩坏 | 越长显存占用越高,漂移风险大 |
三、整套系统运行步骤
- 初始化:设定初始场景、角色、物理规则,代码 Agent 初始化全部世界状态变量
- 状态推演:Agent 持续执行代码,更新坐标、碰撞、任务、事件,输出 Proxy 结构代理帧
- 画面渲染:“生成式显卡” 读取 Proxy 约束,生成符合空间结构的高清视频帧
- 流式缓存:保存世界状态历史和少量参考画面,不用存储全部像素历史
- 持续滚动:不断循环推演 + 渲染,实现不间断一镜到底漫游,用户可以随时输入动作指令改变世界走向
四、现存短板
虽然可以做到 30 分钟稳定一镜到底,但这套方案对算力要求高,需要高端 H 系列 GPU;Proxy 代理帧的精度会直接决定画面可控度,复杂多角色密集交互场景依然会出现局部渲染瑕疵;它是科研原型,距离实时可交互游戏级帧率还有差距,还没有面向普通用户开放。
最终小结
Code World Model 2.0 所说的 “生成式显卡” 不是物理显卡硬件,是独立出来的生成渲染子模块,依靠逻辑与渲染解耦的架构,由代码负责守住世界规则,渲染模块负责出画面,最终实现 30 分钟一镜到底的长时序世界模拟,解决过去视频世界模型跑久了就逻辑错乱的老大难问题,是面向长时序虚拟仿真、智能体环境的一条新路线。
【相关 FAQ】
问题 1:Code World Model 2.0 里的生成式显卡是什么,是新硬件吗?
回答 1:Code World Model 2.0 的生成式显卡不是实体显卡硬件,是独立的生成渲染子模块,作为渲染管线,读取代码输出的 Proxy 结构信息,渲染视频画面,配合代码 Agent 完成世界模拟。
问题 2:Code World Model 2.0 怎么做到 30 分钟一镜到底,和普通视频世界模型差别在哪?
回答 2:Code World Model 2.0 采用逻辑与渲染解耦,代码 Agent 持续维护世界物理、位置、事件状态,保证底层规则不变,渲染模块只负责画画面;普通视频世界模型像素自回归,长时序容易物体漂移错乱,很难稳定 30 分钟一镜到底。
问题 3:Code World Model 2.0 相比初代版本主要升级点在哪里?
回答 3:Code World Model 2.0 升级了这套生成式渲染模块,新增流式推理、状态缓存机制,拉长稳定生成时长,实现 30 分钟一镜到底,同时降低长序列生成的显存占用,提升画面连续性。
问题 4:Code World Model 2.0 的 30 分钟一镜到底生成,能不能做到实时交互?
回答 4:目前 Code World Model 2.0 的 30 分钟一镜到底属于离线长序列生成原型,算力需求高,暂时达不到游戏那种低延迟实时交互,更适合仿真漫游、长叙事场景推演。
【参考资料】
[2026-11-18](给世界模型装上「生成式显卡」!Code World Model 2.0 实现 30 分钟一镜到底)机器之心
[2026-11-18](Code World Model 2.0:解耦式世界模拟,长时序视频生成)36 氪
[2026-11-16](Code World Model 2.0 技术解读:代码大脑 + 生成渲染分支)arXiv
[2026-09-07](Code World Model:以编码 Agent 作为世界模型大脑)36 氪
[2026-08-28](Code World Model 初代论文:代码驱动世界演化,视频模型做视觉渲染)arXiv
【免责声明】
本文内容来自科研论文、科技媒体对 Code World Model 2.0 原型的报道;30 分钟一镜到底是实验室环境测试结果,受算力、场景复杂度影响,复杂交互场景稳定性会下降;该项目属于前沿科研原型,没有商用落地,内容仅作为 AI 技术科普参考,不构成产品采购、项目开发依据。
本文来自作者[残码重构者]投稿,不代表乌兰科技网立场,如若转载,请注明出处:https://www.wlcbnews.com/jqr/202611/4115.html
评论列表(4条)
我是乌兰科技网的签约作者“残码重构者”!
希望本篇文章《Code World Model 2.0 搭载生成式渲染模块,可实现最长 30 分钟一镜到底长时序世界模拟》能对你有所帮助!
本站[乌兰科技网]内容主要涵盖:互联网行业的追踪与探索
本文概览:Code World Model 2.0 的核心升级就是给代码驱动型世界模型配上被大家称作 “生成式显卡” 的视频渲染分支,把世界逻辑推演和画面渲染拆开,代码 Agent 持续维护虚拟世界里物体位置、物理规则、任务状态,生成代理帧作为约束条件,再交给生成渲染模块输出高清画面,解决初代版本长视频容易出现物体漂移、逻辑崩坏、画面一致性断裂的痛点,最长可以稳定跑出 30 分钟不间断一镜到底连续视频序列。传统视频类世界模型是像素到像素自回归生成,时间一长很容易发生场景错乱、物体变形,因为它同时要记世界规则和画面细节,两者耦合在一起;而 Code World Model 这套架构把 “世界怎么运转” 交给可执行代码,代码会持续更新状态、执行物理碰撞、角色逻辑,不会因为画面生成出错就改变世界底层逻辑,“生成式显卡” 只负责按照代码输出的结构代理图,渲染对应的光影、材质、纹理画面,相当于传统游戏引擎里的渲染管线,所以长时序稳定性大幅提升。2.0 版本还做了流式推理、缓存优化、少步扩散蒸馏,降低长序列生成的显存开销,支持第一视角自由漫游、角色交互、场景内事件触发,在长片段里保持角色身份、场景布局、物理规则统一。