WorldPlay2

WorldPlay2 är en interaktiv världsmodell: den genererar video av en värld bild för bild medan användaren styr, ungefär som i ett spel. Man kan röra sig, vända kameran, hoppa och byta perspektiv, och dessutom beskriva i text vad som ska hända, till exempel att tända spisen i ett kök och sedan släcka elden.

Modellen bygger på tre delar. Styrningen är uppdelad i två spår: handlingar som följer varje bildruta (kamerans riktning, förflyttning, hopp) och en strukturerad beskrivning med tre separata fält för miljön, figuren man styr och den händelse som pågår. För långa förlopp komprimeras det som redan visats till ett litet antal minnestokens, ungefär 32 gånger kortare än den fullständiga historiken, så att modellen kan minnas tidigare platser utan att räknearbetet exploderar. Till sist används en träningsteknik som forskarna kallar Stable Forcing för att destillera en långsam modell till en snabb, utan att kvaliteten faller över långa förlopp.

Enligt forskarna når modellen realtid med 16 bilder per sekund på åtta H20-grafikkort, och den slår tidigare modeller som WorldPlay, LingBot-World-V2 och AlayaWorld i deras jämförelser. Modellen bygger på Alibabas videomodell Wan2.2 I2V-A14B.

Artikeln kom i slutet av september 2026 och vikterna och koden släpptes den 6 oktober 2026, i tre varianter: en snabb med fyra steg (Fast), en dubbelriktad (BI) och en autoregressiv (AR). Vikterna är licensierade under CC BY-NC 4.0, alltså inte för kommersiellt bruk. Man kan också prova modellen i webbläsaren via Reactor. Projektsidan anger inte vilken organisation som står bakom, men flera av författarna, bland dem Chunchao Guo, står också bakom Tencent Hunyuans tidigare WorldPlay, så kopplingen till Tencent är en slutsats och inte uttryckligen angiven.