Skip to content

Zing-0.5

Wan 5B 因果实时世界模型:量级感知键盘 + 同会话在线改 prompt。权重、推理与 Zing-SGLang 开源。

结构化 stub:仓库内 data/models/zing-0.5.yml

核验字段

字段
名称Zing-0.5
机构Seedleap.ai(涌跃智能 / Loopit 技术团队)
公开时间2026-08-26(权重与代码);技术报告约 2026-09-15/16
arXiv2609.17909
参数量5B(基于 Wan2.2-TI2V-5B)
基座Wan2.2-TI2V-5B
分辨率示例约 480×832(需被 32 整除);评测亦见 1248×704
帧率官方 HF:多帧结果导出为 24 FPS H.264。单卡实时吞吐 FPS:官方主 README/HF 未给明确数字。推理侧公开 8× RTX 5090 各 1 流,稳态约 24.63(团队口径)
延迟未公开/未核验
控制量级感知键盘 W/A/S/D/I/J/K/L + 在线文本事件(同会话不重启);T2V / 单图 TI2V
模态视频
时长口径responsive, long-horizon world rollouts;滑动窗口注意力(默认 97/9)
开源
许可Apache-2.0
GPU hours未公开
训练硬件训练 GPU:未公开。推理:8× RTX 5090 各 1 流
WBench团队自述 Navi158:81.0(Qual 80.6 / Set 77.8 / Inter 84.2 / Cons 88.5 / Phys 73.8);对照官方榜 2026-09-09 快照。另:团队自述 WBench 总榜第 2、实时世界模型第 1(均分约 81.0)
其他评测联合控制定性 demo
核验日2026-09-19

训练阶段

四阶段:① 双向适配(保留双向,混入无动作 T2I/T2V/I2V)→ ② 段级多 prompt teacher + 块级 causal 双分支 → ③ teacher ODE + local consistency(类 CF++)→ ④ DMD + Data-Forcing Distillation(含 rollout/replay)。推理默认 4-step。

选型要点

要「Navi 分数 + 联合文本事件 + Apache」时优先看。Playability 叙事强于几何回访。

诚实边界

训练卡型/卡数/hours 未写。第三方中文稿「5090>24FPS」未回指官方主文档时,本库不采信为官方单卡规格。导出 24 FPS ≠ 官方单卡吞吐声明。

来源

另见 Wan5B 后训对照WM 全景控制接口差异

私有研究知识库 · 缺项写「未公开」· 禁止编造 GPU hours / 分数