打开网易新闻 查看精彩图片

3月27日下午,在中关村论坛期间,昆仑万维集团(300418)旗下天工AI成功举办“世界模型前沿技术与天工AIGC全家桶大模型生态”专场发布会,携Matrix-Game 3.0、SkyReels V4、Mureka V9三大核心模型惊艳亮相,正式宣告三大模型均跻身世界第一梯队;同时发布昆仑万维2026 AGI战略,目标是通过打造AI经济平台,赋予每一个创作者匹敌一家公司的全栈生产力。

天工AI董事长兼CEO周亚辉在发言中阐释昆仑万维面向2026年的人工智能战略布局,深度拆解从全模态技术突破到AI平台经济生态构建的整体路径。

并在会上,正式发布昆仑万维2026年的AGI战略升级为“3+1”生态架构——以4个SOTA大模型为底座,支撑3大AI原生平台+1个超级智能体。

其中,DramaWave、Mureka和猫森学园三个大平台的底层逻辑是用SOTA AIGC大模型×内容生产×内容分发,做到端到端的闭环;另外的“1”——Skywork Super Agents,则是背后通用的操作系统,我们把它定义为面向全球所有内容创作者的操作系统,从长远来看,未来可能是五亿内容创作者规模的一人公司的操作系统。

展望未来,周亚辉表示,2028年是平台经济年,昆仑万维有望成长为一个AI native的平台经济体。四大SOTA模型、一个超级智能体操作系统和三大平台经济体,归根到底只是为了实现一个目标——让每一个创作者,都拥有匹配一家公司的全栈AI生产力,在确定的AGI时代与千万超级个体共建繁荣。

昆仑万维首席科学家、香港中文大学教授成宇发布 Matrix-Game 3.0游戏大模型、SkyReels V4视频大模型、Mureka V9音乐大模型。据了解,这三大模型的迭代升级,将推动游戏、视频、音乐领域实现从技术突破到产业落地的跨越式发展。

成宇介绍称,昆仑万维正式发布的Matrix-Game 3.0模型,在数据、模型和推理三个层面完成了一次全新技术升级。

首先是数据层面——数据决定下限。我们基于 Unreal Engine 构建了大规模数据引擎,能够自动生成带有精确动作、相机位姿以及物理一致性的高质量交互数据,目前已经覆盖1000+场景,对于这些数据我们按照5s时序间隔给所有数据生成了局部描述和全局描述。这些数据为世界模型学习真实的“动作—环境变化”关系提供了基础。

第二是模型层面——模型决定能力。我们设计了带有Memory机制的DiT架构,使模型不仅能够生成当前帧,还可以持续维护历史信息,从而解决长时序生成中的一致性问题,实现分钟级的稳定生成与记忆能力。

第三是推理层面——推理决定落地。通过一系列推理加速优化,包括少步采样、并行生成以及缓存机制(KV Cache)和decoder蒸馏等过程,我们实现了高效的实时推理能力。最终在5B模型规模下,实现720P分辨率、最高40FPS的实时生成。

整体来看,Matrix-Game 3.0 的核心在于:通过“数据—模型—推理”的协同优化,首次将开源世界模型推向了带有记忆能力的长时序一致性 + 高质量 + 实时交互的统一框架。

同时,昆仑万维发布SkyReels V4模型:下一代视听创作的全新范式。

当前,AI视频不仅仅是一个工具,它正在重构整个视听创作的逻辑,成为下一代产业的核心基础设施。“好的AI视频生成”对于普通用户来说,它意味着自由表达和可控可改;对于产业创作者,它意味着更低的门槛、更高的效率和更多的可能性。

SkyReels V4通过四大技术突破——音画一体双流联合生成架构、全模态理解和精准控制、全模态强化学习体系和攻克电影级画质与高效生成的平衡难题,分别解决了音画同步、精准控制、一站式编辑和高效生成等行业痛点,将AI视频生成的普惠生产力和解决方案切实地赋予内容创作者和行业。

SkyReels V4模型实力也得到了全球权威榜单的认可。在Artificial Analysis Arena的排名中(截至2026年3月18日评测结果),SkyReels V4在多个核心赛道均名列前茅——在Text to Video (With Audio) 赛道和Image to Video (With Audio) 赛道,均位列全球第一;在Text to Video (No Audio) 赛道,位列全球第二。

此外,SkyReels V4同步推出了全场景开放API与行业解决方案,能够将SkyReels V4的强大能力开放给所有合作伙伴,共同推动视听产业的智能化升级。未来,SkyReels V4致力于成为AI视听时代的技术灯塔,用技术打破创作的边界,赋能每一个创作者。

Mureka V9音乐大模型作为最后一款正式发布的产品与用户见面。Mureka V9是一次更可控、更懂表达的创作升级。团队将重点进一步推进到“音乐创作意图的可控表达”上:不仅生成得更快、更清晰,也开始更准确地理解创作者在歌词段落中的具体表达诉求。