المحرك يملك الحالة والنموذج يرسم فقط: Matrix-Game 4.0

مشكلة التنبؤ بالبكسلات الخالص

نموذج فيديو يولّد إطاراً تلو الآخر يحمل العالم ضمنياً فقط. صفحة المشروع تصرح بالنتيجة بوضوح: ما يغادر مجال الرؤية يختفي، ويجب إعادة استنتاج قواعد اللعبة من كل إطار. أنظمة من طراز Genie أبهرت الجميع بفيديو قابل للعب، لكن اللعبة ليست فيديو: إنها عملية ذات حالة تصادف أننا نشاهدها. جواب Matrix-Game 4.0 هو الكف عن مطالبة الشبكة العصبية بالتذكر. حالة العالم تعيش في محرك ألعاب تقليدي قابل للتنفيذ؛ يستطيع المحرك حساب كل ما تقرره القواعد ورسمه كمشهد خشن منخفض التفاصيل. يقرأ النموذج هذا البديل مع وصف ديناميكي وإطارات مرجعية قليلة، ويرسم قطعة كامنة واحدة - أربعة إطارات - في كل خطوة.

ثلاثة مكونات، ثلاثة توصيفات وظيفية

في الإطار الحاضن فصل نظيف للمهام. محرك اللعبة هو مصدر الحقيقة: اللعب والفيزياء والإدخال والتصادم كود حتمي، وتشدد الصفحة على أن المخرجات العصبية لا تغيّرها أبداً. الوكيل البرمجي يتولى ما تعجز عنه القواعد: عند تلقيه تعليمة من اللاعب ("أضف دورية ليلية")، يكتب قواعد جديدة تُسجَّل في المحرك، ويسترجع حالة المحرك ليؤلف الموجه الخاص بكل مقطع الذي يراه نموذج الفيديو - ملخص المشهد مضافاً إليه أحداث المقطع: أفعال اللاعب، الإصابات، الأعداء الداخلون إلى الإطار والخارجون منه. نموذج الفيديو هو DiT سببي مقطّر إلى خطوة تنقية واحدة في الإعداد الفوري (خطوتان مع Wan VAE في إعداد الجودة)، مع مُرمّز النص وDiT وVAE مقيمين معاً على بطاقة واحدة. الأرقام المنشورة على الصفحة تُظهر تنقية بخطوة واحدة على RTX 5090؛ وتعرض الصفحة عدادات حية لزمن الاستجابة من ضغطة المفتاح إلى الإطار الأول، لكنها تظهر أصفاراً في النسخة الثابتة التي تمكنت من قراءتها.

التفصيل الذي يجعل هذا أكثر من عرض تجريبي هو خط أنابيب الموجهات. في جولة الهرم المحجوزة البالغة 40 ثانية، يعيد الإطار الحاضن قراءة الأجسام الظاهرة وأحداث اللعبة كل 80 إطاراً ويعيد كتابة الموجه على 12 مقطعاً. المظهر مثبت بإطارات مرجعية متعددة؛ والذاكرة المكانية تأتي من استرجاع وضعية الكاميرا لا من انتباه النموذج. العالم يستمر لأن المحرك يُبقيه.

ما هو منشور فعلاً وبأي شروط

مستودع Hugging Face (Skywork/Matrix-Game-4.0، أُنشئ في 12 أكتوبر) يضم ثلاث نقاط تحقق للمشاهد - قلعة من القرون الوسطى، مصر القديمة، سباق مدينة - لكل منها 5,001,016,512 معاملاً بدقة BF16، مع برنامج الترميز السريع المتدفق TAEHV وصور sink وأصول اللعبة؛ الحمولة الكاملة نحو 44.2 غيغابايت، وتنزيل مشهد واحد يقارب 10 غيغابايت. قسم الترخيص في بطاقة النموذج محدد: أوزان المشاهد وصور sink وأصول اللعبة برخصة Apache-2.0 من Skywork AI؛ موارد Wan2.2-Fun-5B-Control وumT5 المشتركة تحتفظ بشروطها الأصلية Apache-2.0؛ برنامج TAEHV برخصة MIT لصاحبه Ollin Boer Bohan؛ صوتيات السباق تمزج CC0 وCC BY 3.0 مع ملف اعتمادات يجب الاحتفاظ به. المستودع المصدري (SkyworkAI/Matrix-Game، 2,683 نجمة كما رُصد اليوم) يحمل رخصة MIT للكود ونظام مانيفستات releases يثبت مراجعة commit على Hub ويتحقق من SHA256 لكل ملف قبل التثبيت. وبنفس الأهمية: تذكر بطاقة النموذج صراحة أن كود وبيانات التدريب غير مضمّنة، وأن الأوزان تتطلب مصدر الاستدلال Matrix-Game 4.0 - فهي ليست خطوط أنابيب Diffusers جاهزة.

حدود يعلنها المؤلفون بصوت عالٍ

قائمة الحدود في بطاقة النموذج صادقة على غير العادة: نقاط التحقق متخصصة بالمشاهد منخفضة التفاصيل المرفقة وملفات الكاميرا؛ والهندسة غير المرئية من قبل وحركة الكاميرا السريعة والحجب والجلسات الطويلة تسبب انحرافاً في المظهر أو أخطاء هندسية؛ لا يوجد معدل إطارات مضمون ولا وعد بالتوافق مع ذاكرة بطاقة استهلاكية ولا إعادة بناء دقيقة للمشهد؛ والبطاقة لا تدعي صراحة أي معيار أداء. هذا إصدار بحثي لثلاثة مُصيّرات مرتبطة بثلاثة عوالم، وليس بديلاً عاماً عن محرك الألعاب.

لماذا يهم هذا التقسيم

الأمر المثير هنا معماري لا بصري. قبل يومين كتبت عن Halcyon التي أظهرت أن نموذج تحويل النص إلى صورة لا يحتاج مُرمّز لغة مدرباً مسبقاً؛ وMatrix-Game 4.0 يقدم الخطوة نفسها من الجهة المقابلة: نموذج العالم لا يحتاج أن يكون العالم. الحالة والقواعد والذاكرة تعود إلى الكود الرمزي - الرخيص والدقيق والقابل للفحص - والمكوّن العصبي يؤدي الشيء الوحيد الذي يعجز عنه الكود الرمزي: تحويل بديل خشن إلى إطار مقنع بسرعة تفاعلية. وهذا يجعل ضمناً الوكيل البرمجي مصمم اللعبة الفعلي: كلمات اللاعب تصبح قواعد محرك أولاً وبكسلات ثانياً، وهذا مكان أكثر قابلية للتدقيق لتصرفات الوكيل من داخل الفضاء الكامن. إن صمد هذا التقسيم للعمل خارج المشاهد التجريبية الثلاثة، فقد تصبح "المحرك يملك الحالة والنموذج يرسم فقط" البنية الافتراضية لنماذج العالم القابلة للعب - وما يحتاج إلى تحسين هو الإطار الحاضن لا الهلوسة.