Waypoint-1.5：面向消费级硬件的实时视频世界模型

我们推出 Waypoint 1.5，一个可在消费级硬件上运行交互式视频生成的实时扩散世界模型。与通用视频扩散模型不同，交互式世界模型（iWM）必须在严格的延迟和吞吐量约束下响应用户的密集控制输入。Waypoint 1.5 在涵盖数百款游戏的 100,000 小时多样化、控制对齐的游戏视频数据上进行预训练，并能够基于完整的键盘和鼠标输入生成可玩视频。该模型包含两种分辨率变体，可运行于广泛消费级硬件之上。为刻画这一独特场景，我们区分了渲染帧率（rendered FPS）、潜在帧率（latent FPS）和控制频率（control rate）。我们介绍了 Waypoint 1.5 背后的数据流水线、架构、训练方法和运行时系统。我们通过延迟和吞吐量来评估交互性。最后，我们讨论了 iWM 特有的安全与伦理考量。