Skywork AI, filial de Kunlun Tech (Kunlun Wanwei), liberó el 15 de octubre el código de Matrix-Game 4.0. Esta versión cambia el enfoque: el motor de juego se encarga del estado del mundo, las reglas físicas y las entradas del jugador, mientras que el modelo de vídeo solo “pinta”, a partir de las imágenes de baja poligonización que genera el motor, fotogramas llenos de detalle.
La cifra que da el proyecto es de 480p a 60 fotogramas por segundo en una sola RTX 5090, con una latencia inferior a 150 milisegundos entre la acción del jugador y la respuesta de la imagen. El proyecto lo describe como renderizado neuronal en streaming para juegos jugables.
El motor pone la lógica, el modelo pone la imagen
Según la descripción en GitHub, el modelo de vídeo de la versión 4.0 es un modelo generativo causal de pocos pasos. Su entrada son fotogramas RGB de baja poligonización renderizados por el motor más un prompt de texto, y su salida son imágenes continuas, fotograma a fotograma, con mucho detalle. La lógica, como las reglas del juego, las colisiones y la puntuación, se queda en el motor.
Existe además un agente de programación: el jugador propone cambios en lenguaje natural, por ejemplo otra regla de juego, y el agente los traduce en nuevas reglas y prompts de renderizado, de modo que el estilo visual y la jugabilidad pueden cambiar a la vez.
Lo publicado en esta ocasión incluye:
- Pesos del modelo, configuración de inferencia y código de inferencia (inferencia en una sola tarjeta)
- Demo en el navegador y código fuente del juego
- Recursos de tres escenarios: dos juegos de disparos en tercera persona (castillo medieval y antiguo Egipto) y un juego de carreras urbanas
La licencia que figura en el README es Apache-2.0; los componentes y recursos de terceros mantienen sus propias licencias. El número de parámetros del modelo no se ha hecho público.
El camino de cuatro versiones
Si se encadenan las versiones de Matrix-Game, el cambio de rumbo es evidente.
La 1.0, de mayo de 2025, tenía más de 17.000 millones de parámetros y se centraba en escenas tipo Minecraft; el modelo generaba directamente el siguiente tramo de vídeo a partir de las acciones, y el propio mundo también lo “imaginaba” el modelo. La 2.0, de agosto de 2025, puso el acento en la baja latencia y la interacción en secuencias largas, con generación continua a unos 25 fotogramas por segundo. La 3.0, del 27 de marzo de este año, añadió memoria de largo plazo, apostó por la alta resolución y la interacción en tiempo real, y tomó como referencia a Genie 3 de Google.
En las tres primeras versiones el modelo cargaba a la vez con el mundo y con la imagen, y la coherencia siempre fue el punto difícil: al alejarse y volver, la escena podía ya no coincidir. La 4.0 devuelve el mundo al motor, el modelo solo renderiza, la coherencia la garantiza el motor y la tasa de fotogramas pasa de los 25 aproximados de la 2.0 a 60. El precio es que el límite del contenido jugable vuelve a lo que el motor puede expresar: el jugador no puede “generar” de la nada un objeto o una regla que no exista en el motor, solo modificarlos a través del agente de programación.
Esta línea se parece en su idea al renderizado neuronal como el DLSS de NVIDIA: el pipeline tradicional produce un resultado de baja precisión y una red completa los detalles. La diferencia es que lo que completa Matrix-Game 4.0 es mucho mayor, y la entrada de baja poligonización aporta casi solo la composición y el movimiento.
Para los desarrolladores en China que quieran reproducirlo hay además un obstáculo de hardware. Por los controles de exportación, los canales oficiales del país venden la versión específica RTX 5090D, mientras que el entorno de pruebas que publica el proyecto es la RTX 5090. Cuántos fotogramas se alcanzan con la versión D o con la generación anterior, la 4090, y si la latencia superaría los 150 milisegundos, el README no lo indica. Para los equipos pequeños que quieran hacer un prototipo, ejecutar la demo oficial en la tarjeta que ya tienen es más fiable que fiarse de las cifras promocionales.
El proyecto enumera tres líneas futuras: aumentar la resolución, admitir más géneros de juego y explorar cómo mantener coherente la imagen que ve cada jugador en escenarios multijugador. Los 480p aún están lejos de la calidad visual de los juegos convencionales, y por ahora no hay mediciones de terceros en otras tarjetas gráficas.
Fuentes: página del proyecto SkyworkAI en GitHub, TechNode, CocoLoop, Pandaily; la resolución, la tasa de fotogramas y la latencia siguen el criterio de prueba con una sola RTX 5090 publicado por Kunlun Tech, y la licencia, el README del proyecto.