Zing-0.5 – 开源实时交互式视频世界模型

Zing-0.5 是Seedleap.ai（涌跃智能）与Loopit团队开发的开源实时交互式世界模型。它能够持续生成视觉世界，并在生成过程中接收键盘动作和文本指令，让用户一边探索空间，一边改变世界中发生的事件。

核心能力

• 联合控制：W/A/S/D/I/J/K/L动作控制移动与视角，文本提示改变语义和未来演化。
• 中途改写：新Prompt进入当前视觉历史，而不是重新开始一段视频。
• 长程生成：使用因果KV Cache和滑动窗口降低持续生成成本。
• 实时优化：四步DMD采样减少扩散迭代次数，面向单GPU交互管线。
• 开放推理代码：项目提供JSONL交互时间线、示例任务、运行脚本和模型权重入口。

最新评测位置

官方项目说明显示，Zing-0.5在WBench榜单中位列综合第2，并在实时世界模型中排名第1。WBench榜单会持续更新，具体名次应以前台最新数据为准。

部署要求

官方运行环境为Linux、Python 3.11和支持CUDA的NVIDIA GPU。默认97/9滑动窗口推荐H100或至少80GB显存；低显存及在线实时推理可使用33/5配置。该模型虽强调单GPU管线，但仍属于高算力视频生成任务。

适用场景

适合互动视频、AI游戏原型、可探索空间、语义事件编辑和世界模型研究。当前版本侧重生成式渲染与交互控制，长期一致的多人状态、规则和因果仍需要外部系统维护。