ABot-World-0 es un modelo de mundo de video con acciones condicionales, capaz de ejecutar generación de mundos interactivos ilimitados en una sola GPU NVID...
ABot-World-0 es un modelo de mundo de video con acciones condicionales, capaz de ejecutar generación
de mundos interactivos ilimitados en una sola GPU NVIDIA RTX 5090 a una resolución de 720P, con un máximo de 16 FPS, un retraso de acción a primer cuadro de 1.2 segundos y un presupuesto de memoria gráfica pico de aproximadamente 19 GiB. El modelo utiliza una interfaz de acción de teclado sincronizada por fotogramas unificada, resuelve el problema de deriva autoregresiva a largo plazo mediante la fase de coincidencia de distribución LongForcing, y está integrado con optimizaciones a nivel de sistema como un decodificador VAE ligero, inferencia DiT de baja cantidad de bits y almacenamiento en caché KV de contexto local.
arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.
Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs ：https://info.arxiv.org/labs/index.html.
ABot-World-0是一种动作条件视频世界模型。据摘要，其可在单张NVIDIA RTX 5090上以720P、最高16 FPS运行，并支持无限交互式世界生成。
该模型采用统一的帧同步键盘动作接口，并通过LongForcing分布匹配阶段处理长程自回归漂移，同时结合轻量级VAE解码器等系统优化。
Aioga判断，这项研究值得关注之处在于将交互生成与桌面级单卡推理结合，但现有材料未提供画质、稳定性、任务覆盖范围或对比实验细节。
若摘要所述性能在更多场景中得到验证，该方案可能降低交互式世界模型的运行门槛，并为低比特DiT推理和局部上下文KV缓存的组合应用提供参考。 值得关注论文后续披露的完整实验设置、长时间交互结果、画质评估及硬件测试方法，并核验最高16 FPS、1.2秒延迟和约19 GiB显存数据的适用条件。
La fuente proporciona título, resumen, atribución y enlace original. Aioga no republica el artículo completo.
Canal de ingesta: Agregación de resúmenes · Dominio original: arxiv.org
Fuente: HuggingFace Daily Papers（社区热门论文）
Enlace original: Abrir fuente original
Archivo Aioga: Abrir página de inteligencia
Content record: source-page · Updated: 2026-07-21T15:26:50.000Z
统一接入主流 AI 模型 API，为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.com
Scan to open this articleAioga agrega novedades globales de IA y conserva las fuentes para verificación y cita.