top of page

vor.tech 多人 Beta 採用本機世界模型

13 分鐘前
讀畢需時 12 分鐘
Illustrative photograph. Photo: Pixabay / Pexels.

vor.tech 表示,其多人 Beta 最多可讓 10 人參與同一場對局,同時由各自的顯示卡生成個人視角。畫面由世界模型提供;這是一種可預測環境下一刻外觀的 AI 系統。輕量級伺服器則負責同步底層遊戲狀態。這項說法把一個實際問題置於視覺奇觀之前:分別生成的畫面,能否支援同一場可玩的對局?

據報,vor.tech 多人 Beta 提供的是一個小型、僅限手槍的環境,距離完整的 Counter-Strike 體驗仍有很大差距。其意義在於責任分工:共享軟件追蹤發生了甚麼,而每位玩家的電腦則生成所見畫面。本文未有獨立測試該版本,亦未核實其效能。

早前模擬 DOOM 的研究項目 GameNGen,提供了一個有用的歷史參照。但多人遊戲加入了另一項要求:另一位玩家必須能夠針對相同事件作出行動。核心張力在於,個別畫面是否足夠可信,與共享資訊是否可靠之間的取捨。一個場景看來可以很逼真,卻可能令玩家基於不同理由移動、瞄準或開槍。

vor.tech 多人 Beta 走出錄製示範

即使尚未確立其實際表現,向玩家開放版本已改變了可取得的證據。

錄製示範讓觀眾評估開發者選擇展示的片段。可遊玩的版本則容許陌生輸入、不同硬件,以及無人特意挑選來展示的情境。這讓人有機會在精心修飾的片段以外,檢視開發者的說法。

根據項目說明,模型會利用共享狀態、玩家輸入和先前影格,在每名玩家的本機生成視角。擴散 Transformer 是透過反覆精修流程生成影像的神經網絡,用來產生下一個影格。這些是開發者對系統的描述,而非獨立技術評估所得的結論。

公告引導讀者前往免費 Beta,並建議使用 NVIDIA RTX 3080 或更高階的顯示卡。公告亦提及一個實驗性的 Mac 版本。這些說法界定的是預定測試對象,並非普遍相容性的保證,亦不保證反應速度可接受。

相關的世界模型資料集已有公開文件記錄。其資料卡列出 9,515 場機械人對局,包含全部 10 名玩家的操作和狀態。影片涵蓋當中一部分對局。這些文件提供了具體的研究基礎,但不會獨立驗證可玩模型。

資料可取得性與產品驗證之間的分別很重要。研究人員可以檢視資料集的結構,卻不能因此確立分散式遊戲是否運作正確。同樣地,可成功下載只足以證明其可取得,並不能解決視覺一致性、網絡表現或連線穩定性等問題。

因此,公開存取改變了下一個值得提出的問題。與其問一段短暫的生成序列是否像遊戲,觀察者可以問一般對局是否仍然容易理解。玩家可以刻意重訪地點、中斷移動,並以可揭示簡單示範所掩蓋弱點的方式互動。

這個機會不應變成過早的定論。研究版本的存在、其所報稱的能力,以及實際體驗,屬於不同層次的證據。任何一項都不會自動證明另外兩項。

目前的報道亦關乎使用一個以既有資料集訓練的模型,而非新公布的資料集發布。混淆這兩件事,會掩蓋真正的改變。據報的進展是,人們現時可以一同參與這個系統。

對讀者而言,較有用的框架是:這是一項具明確技術主張的多人實驗。它不是 Counter-Strike 的官方發布、不是 Valve 遊戲的替代品,也不是傳統遊戲開發已變得不必要的證據。

共享事實比像素完全一致更重要

多人遊戲的一致性要求玩家對事件有共識,而非每個螢幕上的影像完全相同。

身處不同位置的玩家,自然會看見不同畫面。共享對局不要求這些畫面一致,卻要求每個視角呈現相容的移動、可見性、攻擊和結果等事實。

設想一場發生在門口附近的遭遇。一名玩家前進,另一名則從相反一側觀察。兩人的視角理應不同,但兩邊都必須能夠理解這個開口。若生成的表面只在其中一名玩家的畫面遮擋了門口,單靠共享狀態不足以維持公平體驗。

這個例子說明,開發互動世界模型的人所面對的壓力。一個吸引人的影格,不能告訴觀察者玩家在作出決定的一刻,是否獲得準確資訊。評估必須把畫面與行動及結果連繫起來。

這項挑戰亦有別於一般的視覺瑕疵。牆身紋理改變可能令人分心,卻未必影響遊玩;輪廓改變則可能影響某人能否辨認對手。兩者都是影像錯誤,但後果不同。

對多人遊戲研究人員而言,這個區別意味應評估畫面傳遞的資訊。當共享狀態顯示對手應該可見時,對手是否仍然可見?移動是否及時呈現,讓另一名玩家能夠作出反應?某種效果是否遮擋了重要事物?

這些是建議的評估問題,並非這個 Beta 已有記錄的故障。其重要性來自所聲稱的架構。當不同模型生成不同視角,共享事件與本機感知之間的關係值得直接檢視。

同樣的推理亦限制了有關傳統遊戲引擎即將被取代的說法。成熟的渲染系統能以可預測方式,將定義好的場景轉換成畫面。一個學習式替代方案必須在保留足夠可預測性的同時,展示對預期體驗有用的優勢。

這個優勢不一定代表在競技表現上可與熟悉的射擊遊戲並駕齊驅。研究型遊戲可以因展示不同的製作方式或新互動形式而有價值,但其用途應決定比較標準。

實驗性社交環境或許可以容忍精準射擊遊戲無法容忍的視覺意外。生成式訓練環境或會把可控制的情境置於外觀之前。將每一種應用視為同一個市場,會掩蓋這些差異。

因此,壓力最直接落在世界模型開發者和評估者身上。多人存取提高了證明互動一致性的要求,卻不代表遊戲工作室必須取代既有流程,也不代表玩家應接受較不可靠的回饋。

眼前的關鍵在於方法:展示當人們彼此影響時,獨立生成的觀察結果如何仍然有用。

伺服器維持對局,模型負責繪製畫面

據報的架構把維持共享事實,與生成其視覺呈現分開處理。

這種分工是本文的核心機制。開發者描述一個同步遊戲狀態的伺服器,以及生成玩家視角的本機模型。若形容為每張 GPU 都獨立構想整場對局,將會造成誤導。

共享狀態可以提供共同參照。較困難的視覺工作,是從不同位置、在不同操作下、跨越連續影格來表達該參照。模型先前的輸出亦會成為生成後續畫面所使用資訊的一部分。

這帶來一個值得檢視的回饋問題。若較早的影像包含錯誤,之後的影像必須避免將該錯誤視為持久特徵。共享狀態提供基礎,但其存在並不能證明模型運用它的可靠程度。

這個架構作出務實承諾:部分責任維持明確,而影像生成則變成學習式工作。這種平衡能否成功,取決於兩者之間的界線。公開評估需要辨識哪些行為由模型預測,哪些由周邊軟件決定。

例如,一次表面上成功的命中,本身不能揭示系統如何處理射擊。觀眾需要區分底層結果與該結果的生成式呈現。若沒有這個分別,視覺片段容易引發超出其支持範圍的解讀。

2024 年 8 月發表的歷史GameNGen 研究,描述了一個以先前影格和操作為條件的擴散模型。作者報稱,該模型能在單一 TPU——一種專門用於機器學習的處理器——上,以每秒超過 20 個影格模擬互動式 DOOM。這個結果為學習式遊戲模擬提供背景,而非可與此 Beta 直接比較的基準。

兩者的任務、硬件和評估條件不同。比較表面上的影格率,會忽略系統是否模擬相同責任,或支援相同互動。較聚焦的描述,比宣告誰勝誰負更具資訊價值。

相關工作亦避免作出首個多人系統的廣泛宣稱。2026 年 3 月的可編輯多人世界論文 MultiGen,描述以持續的外部記憶支援連貫視角及共享互動。其作者把記憶、觀察和動態分開處理,而非只依賴下一影格預測。

這一點相關,因為它把維持結構視為解決方案的一部分。不過,這並不證明 MultiGen 與 vor.tech 使用等效實作,也不會因兩者相關而驗證任何一個系統。

2026 年 7 月,多人格鬥研究項目 WanToFight 描述了生成式雙人格鬥遊戲互動。作者報稱其在 RTX 5090 上達至即時效能。共享的格鬥遊戲畫面,與跨網絡機器的獨立第一身視角,面對不同要求。

這些項目建立了更廣闊的研究背景,但未能解決該 Beta 的主張。有用的問題是,每個系統將哪些責任分配予學習式生成、明確狀態和周邊軟件。

對 vor.tech 而言,據報的貢獻是將這些部分組合成可玩的安排。其價值將取決於這個安排在精選片段以外的表現。

對齊的訓練資料雖有用,範圍仍然狹窄

該資料集支援的是一項特定實驗,而非重現 Counter-Strike 的一般性主張。

資料集卡描述一張地圖 aim_map_usp_s,內容為僅限手槍的機械人對戰。狀態記錄以 16 Hz 運行,即每秒記錄 16 個步驟。影片採用 256 乘 256 像素。這些界限令訓練環境比該大型遊戲的名稱所暗示的更為具體。

公開數字亦需要謹慎處理。開發者較早前的公告提及 3,958 小時,而目前資料卡列出約 3,390 小時遊戲時間和 3,280 小時玩家視角時間。這些指標不應視為可互換,也不應合併為單一經核實的訓練總時數。

只有部分對局附有影片。這一點在描述結構化紀錄與視覺訓練範例之間的關係時很重要。具備全體玩家狀態,並不代表每場對局均有完整影片覆蓋。

在這些已記錄的事實以外,分析上的問題在於覆蓋範圍。模型會從訓練材料所呈現的情況中學習。因此,測試應探問:當人類的行為有別於已記錄的機械人時,成功表現是否仍能維持。

人類測試者可能會在不尋常的位置停下,或反覆交替不同移動方式。另一人可能會刻意查看某個角落,而非遵循熟悉的戰鬥行為。這些是假設性測試,並非對已觀察到失敗的報告。

其目的在於檢驗系統在較不熟悉的行動序列下,能否維持可用的畫面。一場令人信服的普通遭遇戰,無法回答這個問題。單一失敗案例同樣不能證明所有正常遊玩都不可靠。

狹窄的環境可以是合適的研究選擇。限制場景可減少互相爭奪注意力的變數數目。在加入更廣泛內容前,這可讓多人遊戲問題較易研究。

當這種受控設定被用作證明更大範圍能力的證據時,限制便會浮現。在已知場地中展示可用互動,並不能證明可不受限制地建立地圖、理解一般物理,或在任意遊戲中維持可靠行為。

研究人員亦需要能區分死記熟悉內容與有用泛化能力的評估。重複的設定可以讓視覺輸出看似穩定,同時令陌生情況仍未獲解決。測試問題在於,當行動序列或遭遇情況有所不同時,表現會如何改變。

這並不減低對齊的重要性。把輸入、狀態及圖像連結起來,讓研究人員可檢視一般遊戲影片所留下模糊空間中的關係。它有助分辨玩家做了甚麼,以及其後畫面出現了甚麼。

但對齊是研究材料的特性,並非對訓練模型的自動保證。一個記錄完善的資料集可以支援表現較弱的模型,而一個有前景的模型仍可能需要更好的評估。

發布條款亦值得同樣精確看待。該卡片說明非商業條件,並把作者的材料與 Valve 的影片權利區分開來。公開研究存取不應被概括為不受限制的商業許可。

實際教訓是讓實驗的界線保持清晰可見。這會令結果更易解讀,下一階段亦更易測試。

本機生成改變效能負擔的所在

在玩家 GPU 上運行模型,會改變運算發生的位置;並不會令這些運算消失。

本機生成的說法之所以重要,是因為顯示畫面的機器同時也在生成畫面。這與集中為每名參與者生成影片相比,形成不同的工作分配。然而,單憑公告並不能確立總營運成本或網絡效率。

輕量級同步伺服器聽起來很吸引,但就效能評估而言,這個描述並不完整。觀察者仍需要量度客戶端運算、同步行為,以及操作與可見結果之間的延遲。

幀率只涵蓋這種體驗的一部分。畫面可以頻繁更新,卻對輸入反應遲緩。相反,在某些條件下,較低更新率仍可保留可理解的因果關係。

對射擊遊戲而言,意圖與可見回應之間的關係尤其重要。玩家需要把轉向、移動或開槍,與其後發生的事情連結起來。任何評估都應直接檢視這種連結。

硬件差異帶來另一個問題。若參與者在不同機器上生成視圖,即使收到相同的底層狀態,體驗也可能有所不同。重要的是,這些差異會否影響理解或參與。

這是架構層面的考量,並非證明這個 beta 存在某種特定公平性缺陷的證據。在對較強或較弱硬件作出結論前,測試需要先確立實作方式實際如何運作。

實驗性 Mac 版本的提及同樣需要克制。提供一個版本並不能證明其廣泛支援各種晶片、記憶體配置或作業系統版本。單一機器上成功完成一次連線,也不能證明其他地方有可接受的效能。

視覺質素亦需要同樣審慎的分類。開發者承認精細細節有限,而專案被定位為研究版本。有用的評估問題是,這些限制是否仍屬外觀層面,還是會妨礙互動。

遠處表面周圍的模糊,與對手周圍的模糊,會帶來不同的實際後果。當機會結束一節遊戲;誤導性的畫面反而可能導致令人無法理解的決定。兩者都值得關注,但都不應被化約成單一質素分數。

「可遊玩」與「可重複使用」之間也存在差距。即使有明顯缺陷,有人仍可能享受一場短暫實驗。持續參與則要問:在中斷、重複遭遇及普通失誤之中,體驗是否仍維持連貫。

對評估本機世界模型的開發者而言,這表示應保留每項效能說法的背景。硬件、設定、工作階段條件及觀察到的問題,有助說明結果實際代表甚麼。

收集這些觀察的團隊,可在可搜尋的 AI knowledge base 中保存錄影與技術筆記。相關習慣是在結論旁保留證據,特別是在後續版本改變行為時。

這一切並不要求否定這項實驗。本機生成是值得研究的具體部署選擇。尚未解決的問題是,其取捨是否能帶來人們可理解並可重複使用的體驗。

這個 beta 創造了收集該等證據的機會。它並不會僅因把推論放在消費級硬件上便提供答案。

關注可重現性、跨視圖準確度及更廣泛遊玩

下一項令人信服的證據,應把獨立存取、共享事件及持續互動連結起來。

第一個訊號是在開發者挑選的示範以外能否重現。在未來幾個月,獨立工作階段將有助確立所報告的體驗,是否能在不同機器及一般網絡條件下維持。

有用的覆蓋應列明版本、硬件、設定及工作階段情況。未經剪輯的錄影可展示短片精華所略去的中斷與復原過程。清楚交代失敗情況,會令成功部分更具參考價值。

這將加強一種解讀:vor.tech 多人 beta 是可重複的研究體驗。若存取仍然困難,或結果無故有所差異,對其實際準備程度的信心應保持有限。

第二個訊號是跨視圖準確度。觀察者應檢視參與玩家視角下的同一場遭遇,並對照底層事件紀錄。這將把發生的事情與每個人能感知的內容連結起來。

一項假設性測試可能追蹤一名對手穿過門口並受到傷害。問題在於兩個視圖能否傳達相容的時序及可見性,而非是否共享完全相同的材質。

一致的結果將支持該架構的核心承諾。若反覆出現影響玩家決定的不一致,便會顯示僅有同步狀態不足以確保可靠的共享體驗。這類證據會比另一段視覺上吸引的短片更具資訊價值。

這個標準亦令評估保持聚焦。模型毋須精確重現每一項裝飾特徵,才能支援有意義的互動。它確實需要傳達該互動所依賴的事實。

第三個訊號是在不失連貫性的情況下擴大遊玩範圍。額外環境或行為將測試這種方法能否延伸至目前設定以外。相關衡量標準是能否保留一致性,而非功能清單變得更長。

若新情況仍能保留行動與圖像之間可理解的關係,擴展便會加強論據。若增加多樣性引致顯著不穩定,原有環境仍只會是較狹窄的結果。

這些訊號描述應留意甚麼,而非開發時間表或團隊的承諾。沒有依據可以指定發布日期、預測商業採用,或假定更廣泛能力必然會自動隨之而來。

對研究人員而言,眼前機會是研究明確狀態在哪裏有幫助,以及習得的觀察在哪裏仍引入模糊性。對開發者而言,則是檢視這種責任劃分是否帶來值得承受其餘不確定性的優勢。

對玩家而言,問題更直接:從你自己生成的視點來看,另一個人的行動是否仍然可理解?多人系統最終必須在遊玩期間回答這個問題。

在把 vor.tech 多人 beta 視為未來遊戲的範本前,應尋找把這些視點與共享事件連結起來的證據。相比孤立的截圖,應優先考慮附有背景的錄影。問清楚周邊軟件保證甚麼、模型提供甚麼,以及測試者在哪裏遇到不確定性。比較時應扣連相似責任,而非標題式幀率。最具揭示性的結果,將是一節陌生玩家行為不可預測、卻仍能互相理解的遊戲。這將支持關於可用多人生成的具體主張。在獨立測試確立更多內容前,應把這個 beta 視為檢視該主張的邀請。下一次示範出現時,你能否從每位參與者的一方追蹤同一場遭遇?

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page