外观
Wan2.2-TI2V-5B 后训交互/可控视频世界模型对照
迁自 2026-09-19 核验稿。配套卡片：Astronex · Zing · ABot · Matrix 3.5 · Yume · DreamX · SolarWM。
面向工程研究读者的对照表。收录标准：明确声明以 Wan2.2-TI2V-5B（或同款 Wan 5B TI2V 先验）为基座后训练的交互/可控视频世界模型。字段均尽量核验 arXiv PDF / HF / GitHub；缺项写「未公开」，禁止编造 GPU hours。
核验范围说明
| 候选 | 是否纳入 | 依据 |
|---|---|---|
| Astronex-World 1.0 (2609.20034) | ✅ | 全文/HF：Wan2.2-TI2V-5B |
| Zing-0.5 (2609.17909) | ✅ | 全文：built on Wan2.2-TI2V-5B |
| ABot-World-0 (2607.19191) | ✅ | 全文：pretrained Wan2.2 backbone；HF 5B + Wan2.2 VAE/T5；同款 5B 后训 |
| Matrix-Game 3.5 (2608.29910) | ✅ | 全文/GitHub：upon Wan2.2-TI2V-5B |
| Matrix-Game 3.0 (2604.08995) | ✅（附录/对照行） | 全文：base upon Wan2.2-TI2V-5B；3.5 的直接前代 |
| Yume-1.5 (2512.22096 / CVPR 2026) | ✅ | 全文脚注指向 Wan-AI/Wan2.2-TI2V-5B |
| DreamX-World 1.0 / 5B (2606.16993) | ✅（增补） | 全文/HF：initialized from Wan2.2-TI2V-5B |
| SolarWM-wan2.2-5B (2609.02886) | ✅（增补） | 全文/HF：Wan2.2 TI2V-5B 族 |
| Boundless-World-Model 等机器人动作 WM | ❌ 主表剔除 | 同先验后训，但任务为机械臂/操作仿真，非开放探索式交互 WM；见文末边界 |
1. 主对照表
| 模型 | 基座先验 | 训练数据（域/规模） | 训练硬件 | GPU hours / 可推算量 | Stage 关键词 | 控制形态 | 推理形态（因果/步数/分辨率/FPS） | 开源与许可 | WBench | 其他评测 | 与同先验基线对比（原文要点） |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Astronex-World 1.0 | Wan2.2-TI2V-5B（5.35B） | Control2V/minWM-data（相机）；DROID（动作）；IV/V：Control2V + CrossFPS + DrivingDojo + NVIDIA PhysicalAI。clips/小时数：未公开 | 全部 5 stage：2× NVIDIA L20 48GB（FSDP, bf16） | 总 GPU hours：未公开。仅公开 checkpoint/更新步：I 多段至 restore-2200；III≈20 updates；IV≈540 updates（SFT960→1500）；V→DMD1545。无卡数×墙钟时间 → 不可推算 | I 双向控制适配（PRoPE+64D action）→ II block-causal teacher forcing → III online UniPC 轨迹蒸馏（25→12）→ IV mixed-domain causal SFT + rolling forcing → V asymmetric DMD/DMD2 + motion | 相机（PRoPE）/ 64-D 连续动作+32 embodiment / 中途文本事件；预留 action-output 头 | 双向 + 因果；因果默认 8-step UniPC，CFG 3.0，8 latent/block，window20+sink4；832×480@24fps（同权 1280×704）；宣称单卡 L20 实时 | 权重+代码开源；Apache-2.0（HF） | 团队自述：Navi158 73.5；Full289 70.0（Qual 78.3 / Set 73.8 / Inter 47.6 / Cons 82.4 / Phys 68.1） | 部分 VBench 1.0（未跑完） | 同表：高于同先验 Yume 1.5（68.9 Full）；Full 上高于 13.6B LongCat、14B Helios，接近 22B LTX-2.3 |
| Zing-0.5 | Wan2.2-TI2V-5B | 游戏/真实/图文视频；量级感知键盘标注；多 prompt 事件段；30s 长上下文 clips。精确小时/clips：未公开 | 训练 GPU：未公开。推理侧：8× RTX 5090 各 1 流 | 未公开 | 四阶段：双向适配 → 段级多 prompt teacher + block级 causal 双分支 → teacher ODE + local consistency → DMD + Data-Forcing Distillation (DFD)（含 rollout/replay） | 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） | 因果；4-step；832×480 / 评测用 1248×704；24 FPS（8×5090 各一流；稳态约 24.63）；约 $0.009/stream-min | 权重+推理+Zing-SGLang；Apache-2.0 | 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 | 联合控制定性 demo | 5B 上 Navi 与 JoyAI-Echo-1.5 4-step 并列 81.0；强调 playability（导航+文本事件同会话） |
| ABot-World-0 | Wan2.2 backbone（HF：ABot-World-0-5B-LF，Wan2.2 VAE/T5；同款 5B 后训） | AAA 游戏 + UE/3DGS 仿真 + 互联网视频；WorldExplorer 闭环采集。已开源 500h 动作标注集（约 30,969 episodes）；论文未给训练总 clips | 训练 GPU：未公开。部署：1× RTX 5090 | 未公开 | 双向 teacher（action 注入+全参微调）→ causal：Teacher Forcing → ODE distillation → LongForcing（长 self-rollout 分布匹配） | 原始键盘；第三人称 reference-character memory；文本条件 | 因果 few-step chunk streaming；720P（1280×704）最高约 16 FPS；action→首帧延迟 1.2s；峰值 VRAM ≈19 GiB（低比特优化包络） | 因果学生权重+推理+Gradio；Apache-2.0；500h 数据已发 | 未报 WBench | WorldRoamBench（Strict Acc 0.5266 等，见表）；60s/小时级/日级 rollout 定性 | 相对 Genie3 / HappyOyster / LingBot / HY-World 等在 WorldRoam 分项竞争；非同先验 5B 横比句为主 |
| Matrix-Game 3.5 | Wan2.2-TI2V-5B | UE 仿真 + 开放世界游戏 + 互联网视频（统一几何/质量过滤）；规模相对 3.0：未在 3.5 文中重报具体 M clips | 训练卡数/型号：未公开（BF16 + DeepSpeed ZeRO-2）。推理：单卡 H100 可达约 20 FPS@720p | 未公开。仅公开蒸馏步数：Perceptual causal 10,000 steps；Self-Rollout DMD 1,000 outer steps（5:1 fake:student）。无 GPU×步数墙钟 → 不可推算 hours | Base：相机+Patch Memory+tiled PRoPE 联合训 → Distill：Perceptual Flow Matching（teacher-forced）→ curriculum Self-Rollout DMD | 相机（内外参/PRoPE）；第一人称 / 第三人称（0–4 主角参考图）；文本 | 双向 base + 3-step 因果蒸馏；1280×704 / 720p；单卡最高约 20 FPS（INT8 DiT + MG-LightVAE 等） | Base+Distilled 权重与代码；GitHub Apache-2.0 | 论文未报 WBench | SANA-WM one-minute bench（Simple/Hard）：3.5 在单卡 720p 上综合强于 3.0（如 Hard overall 80.85 vs 3.0 的 78.79 等，见表） | 明确相对 Matrix-Game 3.0（同 5B Wan）：几何记忆与蒸馏后的长程/单卡吞吐提升 |
| Matrix-Game 3.0（前代） | Wan2.2-TI2V-5B | UE5 + AAA + 真实；约 4.8M video clips（论文） | 训练 GPU hours：未公开。推理：约 8 DiT + 1 VAE GPU → 最高 40 FPS@720p | 未公开 | 动作/自校正 base + camera-aware memory + multi-segment DMD/Self-Forcing 对齐蒸馏 + 量化剪枝 | 动作/相机；记忆检索 | 5B；720p；最高约 40 FPS（多卡异步） | 开源（Skywork/Matrix-Game 系）；许可以仓库为准 | 部分第三方榜可见 MatrixGame3≈71.3 量级（非本文核验重点） | 长程记忆与实时 720p 自建/对比实验 | 3.5 的直接同先验前代基线 |
| Yume-1.5 | Wan2.2-TI2V-5B（文中 Wan2.2-5B，脚注 HF TI2V-5B） | Real（Sekai 子集→键盘/鼠标）+ Synthetic（OpenVid 等 720p）+ Event（约 1 万 I2V 合成事件）；精确总小时：未公开 | NVIDIA A100（卡数未公开）；batch 40，lr 1e-5；foundation 10,000 iters → Self-Forcing+TSCM 600 iters | 未公开（缺卡数与墙钟；不可用「iters×未知卡」硬推 hours） | Foundation（交替 T2V/I2V）→ Self-Forcing + TSCM（上下文压缩+线性注意力蒸馏） | 键盘/鼠标探索 + 文本世界事件 | 因果流式；评测 4 steps；宣称 单卡 A100 约 12 fps@540p；训练分辨率 704×1280@16fps | 代码+5B/14B 权重；Apache-2.0 | Astronex 对照表转引 Full：68.9（†同 Wan 先验；非 Yume 原文主表，属团队转引） | Yume-Bench（instruction-following 0.836 等） | 相对早期 Yume/Wan-2.1/MatrixGame：指令跟随显著提升 |
| DreamX-World 1.0（5B） | Wan2.2-TI2V-5B | UE 精确相机 + 游戏动作 + 真实恢复几何；规模：未公开具体小时 | 训练 GPU：未公开。延迟对比用 8×H20；部署宣称 8×RTX 5090 异步最高 16 FPS | 未公开 | 相机 E-PRoPE → Memory-Conditioned Scene Persistence → Event Instruction Tuning → Causal forcing + DMD + long-rollout → RL（DiffusionNFT） 后蒸馏 | 键盘式相机 WASD+IJKL；可组合文本事件；几何记忆检索 | 因果 chunk+KV；约 704×1280@16fps；最长约 1 min；few-step | HF+GitHub；MIT | 文中讨论 WBench 设定，未给官方 Navi/Full 数字 | 自建 5s basic（overall 84.76，camera 73.75）、30s long-horizon、memory consistency、人偏 | 相对 HY-WorldPlay 1.5 / LingBot 等；同先验 5B 横比句有限 |
| SolarWM-wan2.2-5B | Wan2.2 TI2V-5B（族内 wan2.2-5B） | Solar Open Data：约 1.43M canonical clips / 25.85TB，10 源数据集（含 ABOT、DL3DV、SpatialVID 等） | 训练 GPU/hours：未公开 | 未公开 | 统一三阶段：双向 PRoPE 适配 → Teacher-Forced AnyFlow → DMD/SGF 少步因果（强调省去额外 Causal ODE/CD） | 相机（统一 metric 几何合同） | 因果；文中 fast 学生 4-step@16fps，输入约 1248×704 / 输出 1280×720；宣传分钟～小时级 rollout（仅在 5s 序列上训练） | 数据引擎+配方+多 backbone 权重；代码 Apache-2.0；权重许可见各 release 目录 | 未公开 WBench 分数 | 自建 in/OOD、分钟/小时级定性与一致性 | 同配方可扩到 14B/22B/33B；5B 路线为可复现底座 |
2. 各模型 Stage 简表（附录）
Astronex-World 1.0（5 stages，均 2×L20）
| Stage | 目标 | 方法关键词 | 数据要点 |
|---|---|---|---|
| I Bidirectional control | 加相机+64D 动作 | 全时序注意力 + flow matching；PRoPE；LoRA | Control2V；DROID |
| II Block-causal | 结构改因果 | teacher forcing；block-causal mask | Control2V |
| III Online UniPC traj. | 降采样步 | CF++：25-step teacher → 12-step student | Control2V |
| IV Mixed causal SFT | 恢复动态/跨域 | window 20 + sink 4；rolling forcing | Control2V+CrossFPS+DrivingDojo+PhysicalAI |
| V Asymmetric DMD | 少步分布匹配 | causal self-rollout；双向 real-score；motion term | 同 IV → release DMD1545 |
Zing-0.5（4 stages）
| Stage | 目标 | 方法关键词 |
|---|---|---|
| 1 Bidirectional adaptation | 键盘+文本先验适配 | 保留双向；混入无动作 T2I/T2V/I2V |
| 2 Autoregressive dual-branch | 事件尺度监督 | 段级双向多 prompt teacher + 块级 causal student |
| 3 Consistency mid-training | 少步初始化 | teacher ODE + local consistency（类 CF++） |
| 4 DMD (+DFD) | 实时 4-step | Decoupled DMD、Data-Forcing、rollout/replay |
ABot-World-0
| Phase | Stage | 目标 | 方法关键词 |
|---|---|---|---|
| Teacher | Action injection | 动作可控双向模型 | 全参微调 Wan2.2；键盘动作；参考角色记忆 |
| Student 1 | Teacher Forcing | 改因果 | clean history + causal mask |
| Student 2 | ODE Distillation | 少步 | 冻结 Stage1 PF-ODE 端点回归 |
| Student 3 | LongForcing | 抑长程漂移 | 长 self-rollout ↔ 扩展视野双向 teacher 分布匹配 |
Matrix-Game 3.5
| Stage | 目标 | 方法关键词 |
|---|---|---|
| Base | 几何一致长程 | Patch Memory（无额外可学参）+ tiled PRoPE；静/动态解耦 |
| Distill-1 | 少步因果初始化 | Perceptual Flow Matching（InternVideo2 特征）+ teacher-forced chunks |
| Distill-2 | 推理对齐 | curriculum Self-Rollout DMD（先无 memory 再逐步打开）→ 3-step |
Matrix-Game 3.0（前代摘要）
| 模块 | 关键词 |
|---|---|
| Base | 动作条件 + error buffer 自校正 + camera-aware memory |
| Distill | multi-segment DMD / Self-Forcing 对齐 |
| Deploy | INT8 DiT、VAE prune、GPU 检索 → 最高约 40 FPS@720p（多卡） |
Yume-1.5
| Stage | 目标 | 方法关键词 |
|---|---|---|
| Foundation | 键盘世界探索+事件 | 混合 Real/Synthetic/Event；交替 T2V/I2V；704×1280 |
| Acceleration | 实时流式 | TSCM 上下文压缩 + Self-Forcing 双向注意力蒸馏；4-step 推理 |
DreamX-World 1.0
| Stage | 关键词 |
|---|---|
| Camera | E-PRoPE（降空间 token 的投影式相机条件） |
| Memory | Camera-geometry retrieval + residual recycling / error injection |
| Event | Event Instruction Tuning（可组合多实体事件） |
| AR+DMD | Causal forcing + DMD + long student rollout |
| Post | RL / DiffusionNFT 恢复相机跟随与画质 |
SolarWM-wan2.2-5B
| Stage | 关键词 |
|---|---|
| 0.5 / Bidirectional | PRoPE 相机；5s TI2V；双向 |
| 1 TF-AnyFlow | Teacher forcing + AnyFlow → 直接少步 AR 初始化（省 ODE/CD） |
| 2 DMD/SGF | Self-rollout 分布匹配；4-step 因果学生 |
3. 「怎么读」选型洞察（工程向）
- 同先验 ≠ 同算力画像：Astronex 明确全流程仅 2×L20；Yume 报 A100 但缺卡数；ABot/Zing/Matrix/DreamX/Solar 训练 GPU hours 均未公开。选型时把「可复现训练预算」与「可下载推理权重」分开评估。
- 控制接口决定产品形态：键盘原生（Zing/ABot/Yume）利于游戏感；PRoPE/相机轨迹（Astronex/Matrix/Solar/DreamX）利于几何一致漫游与记忆回访；联合键盘+在线文本（Zing、Yume、DreamX 事件、Astronex event）更接近「可玩世界」。
- WBench 不可直接横向硬比：Zing Navi 81.0、Astronex Navi 73.5 / Full 70.0 为团队自述；ABot 主榜是 WorldRoamBench；Matrix 3.5 主榜是 SANA-WM one-minute；DreamX 自建 basic/30s。先对齐 split（Navi vs Full）与是否官方评测代码，再谈分数。
- 实时路径高度同构、细节不同：主流均为「双向 teacher → causal student → DMD/类 DMD」。差异在 LongForcing（ABot）、Patch Memory + Perceptual FM（Matrix 3.5）、AnyFlow 省中间蒸馏（Solar）、RL 后蒸馏（DreamX）、TSCM（Yume）——工程复现优先抄「与目标失败模式匹配」的那一段。
- 开源完整度：要「数据+配方+多 stage ckpt」看 SolarWM；要「桌面单卡 720p 交互」看 ABot；要「Navi 分数+联合文本」看 Zing；要「双形态权重+事件+低卡后训故事」看 Astronex；要「几何记忆+分钟级 720p」看 Matrix 3.5。
4. 诚实边界：GPU hours 与规模未公开清单
| 模型 | GPU hours | 备注 |
|---|---|---|
| Astronex-World 1.0 | 未公开 | 仅知 2×L20 + 若干 updates/checkpoints；无墙钟不可换算 hours |
| Zing-0.5 | 未公开 | 训练卡型/卡数未写；仅推理 8×5090 |
| ABot-World-0 | 未公开 | 仅部署 1×5090；数据 500h 已开源，≠训练 compute |
| Matrix-Game 3.5 | 未公开 | 有 10k+1k 蒸馏步，无卡数/步时 |
| Matrix-Game 3.0 | 未公开 | 有约 4.8M clips，无训练 hours |
| Yume-1.5 | 未公开 | A100 + 10k/600 iters，卡数未知 |
| DreamX-World 1.0 | 未公开 | — |
| SolarWM-wan2.2-5B | 未公开 | 数据规模公开（1.43M clips），compute 未公开 |
其他未公开/需谨慎字段：多数模型的精确「训练小时视频」；Astronex 混合域各源采样比；Zing/DreamX 原始数据体量；ABot 是否严格写明字符串 TI2V-5B（本文按 Wan2.2 5B + HF 资产判定为同款纳入）。
剔除说明：Boundless 等 机器人操作世界模型 虽可能同 Wan 5B 后训，但不纳入本「交互探索视频 WM」主表，避免控制语义混淆。
5. 主要来源（核验日 2026-09-19，Asia/Shanghai）
- Astronex-World 1.0: arXiv:2609.20034；HF
Astronex-Lab/Astronex-World - Zing-0.5: arXiv:2609.17909；HF
seedleap/zing-0.5 - ABot-World-0: arXiv:2607.19191；HF
acvlab/ABot-World-0-5B-LF；数据acvlab/ABot-World-Explorer-500h - Matrix-Game 3.5: arXiv:2608.29910；GitHub
Riemann-Dynamics/Matrix-Game-3.5 - Matrix-Game 3.0: arXiv:2604.08995
- Yume-1.5: arXiv:2512.22096；GitHub
stdstu12/YUME - DreamX-World: arXiv:2606.16993；HF
GD-ML/DreamX-World-5B - SolarWM: arXiv:2609.02886；HF
junchaoh-cs/SolarWM-Wan2.2-5B
原始核验备忘已迁入本页。结构化卡片见 docs/models/ 与 data/models/*.yml。