单张 5090 跑实时世界模型：VAST 开源 EdenLive，把简陋游戏画面实时渲染成写实大片

2026 年 10 月 18 日，AI 3D 公司 VAST 开源了实时生成式渲染模型 EdenLive——给它一个简化场景或参考视频，配上目标首帧和提示词，它就能实时把粗糙画面渲染成写实或二次元风格。单张消费级 RTX 5090、720P 下，5B 模型跑出 24 FPS+，端到端延迟百毫秒级。

这是"世界模型"这条技术路线上，第一个真正能实时跑、还开源权重和代码的成果。

一、先说清楚：EdenLive 到底是什么

EdenLive 是 VAST 长期项目 Project Eden 的阶段性成果，定位是实时生成式渲染器。它的核心思想一句话就能说清：

世界怎么运行（逻辑/状态）和画面怎么呈现（视觉渲染）分开处理。

具体分工是：

• 上游：游戏引擎、或 coding agent 写的代码，负责运行规则、维护世界状态、输出简化的参考视频
• 下游（EdenLive）：接收参考视频流 + 目标首帧 + 文本提示词，在保持布局与运动关系的前提下，实时生成精细画面

为什么这么拆？VAST 的理由很实在：让游戏逻辑保持显式、可测试，同时让实时模型有限的算力，专注在"外观"这一件事上。

二、核心性能：消费级显卡就能实时跑

这是最震撼的数字。EdenLive 的实测数据：

配合这些：

• 端到端延迟：从用户输入到对应画面出现，百毫秒级
• 连续生成：支持分钟级不间断输出
• 推理框架：LightX2V 加速

一句话：世界模型第一次做到了"消费级显卡 + 实时帧率"。 这是从"离线生成一段视频"到"实时交互式生成"的质变。

三、技术路线：解耦世界状态与视觉渲染

EdenLive 背后的技术路线，是 Project Eden 早在 6 月就提出的三层架构：

1. 持续演化的结构化状态——负责状态维护（世界怎么运行）
2. 状态到观测的接口——负责观测转换（世界如何被看到）
3. 生成式神经渲染——负责画面生成（世界看起来是什么样）

EdenLive 承担的是第三层。这个"解耦"设计，比行业共识提前了 3-4 个月——GPT-6 Astra 在 Blender 搭场景、转 Unreal Engine 的做法，其实也是同一个方向的验证。

两个模型分别基于 Wan2.2-TI2V-5B 和 Wan2.1-I2V-14B 视频模型构建。开源范围很实诚：

• 推理代码 + 核心扩散组件 + VAE/解码器权重 → Apache 2.0
• 视觉编码器 → DINOv3 许可
• 提示词生成游戏工作台用到的图像模型 → FLUX 非商用许可（该工作台仅限非商业）

四、能干什么：四个已公开的实测场景

1. 交互式游戏预览

岩浆闯关里，角色用冷冻枪造落脚点跳跃前进——左边是简陋方块，右边实时渲染成写实人物。双人对打游戏里，血条、回合计时这些游戏状态由上游维护，画面由 EdenLive 实时生成。

2. 场景与动画预览

同一套布局和运镜，换不同美术风格。雪地行车、鹈鹕骑车这些场景，从简单模型实时渲染出写实质感、积雪、光影。

3. 视频重渲染与换皮

已有视频交给 EdenLive 重新渲染——蓝屏前的真人变卡通角色（姿态和服装配色保持一致）、实拍房屋变手绘动画。类似虚拟主播换形象。

4. 具身数据增强

把第一视角真人操作视频里的人手，实时替换成机械手，但清洁动作保持一致。为具身 AI 研究衍生不同外观的训练样本。

五、现阶段的局限（实话实说）

VAST 很坦诚地列出了四个不足，这些是判断"能不能用"的关键：

1. 高频、激烈交互下，生成速度和动作呈现跟不上
2. 多角色同时出现时，身份保持不稳
3. 小物体的精细控制不够
4. 长时间生成中，视觉一致性会漂移

现阶段最适合的是场景漫游、推箱子这类低频交互，以及画风切换、视频重渲染、数据增强这些非实时对抗性场景。

六、配套：Game Prototype Turbo

VAST 还开源了一个叫 Game Prototype Turbo 的 Skill——“Prompt to Proxy Game”：

把一段文本提示词，转成一个粗糙但可玩的游戏原型。游戏运行时，交互系统维护状态并输出简化参考画面，EdenLive 再实时渲染成精细画面。

这就串起了一条完整的链路：文本提示 → 可玩游戏 → 实时精美画面。从"生成资产"到"生成可玩世界"，VAST 在往"人人能创造可交互世界"的愿景走。

结语

EdenLive 最值得记住的，不是"单卡 24FPS"这个数字，而是它验证了一个正在成为共识的技术判断：

AI 生成 3D/游戏内容的正确分工，是"逻辑归逻辑，渲染归渲染"。 用显式、可测试的代码维护世界状态，用实时生成模型负责视觉呈现——两者各司其职，而不是指望一个模型端到端"全知全能"。

对开发者，它的开源意味着你可以在本地复现、改造这个实时渲染管线（注意各组件许可证不同，商用前要逐项核对）。对行业，它把"实时世界模型"从论文拉进了可跑的代码仓库。

而 VAST 背后的路线图更值得关注：3D 资产生成（Tripo）→ 世界状态建模 → 实时神经渲染，这条"从 3D 走向可交互世界"的路径，正在一步步落地。