Студенты из Казахстана собрали мировую модель на WAN за $2000 и одну RTX 4090

Нет, стоп. Перечитаю оригинал внимательно.

Это не funding-новость в традиционном смысле. Два 19-летних студента из Казахстана потратили около $2000 (заработанных на Minecraft-моде) на аренду облачных GPU и собрали экспериментальную мировую модель DreamForge-World 0.1 на базе открытых моделей WAN 2.1 и LongLive. Это не раунд инвестиций, а история самофинансирования.

Давайте напишем по фактам из источника.

Два 19-летних студента из Казахстана потратили около двух тысяч долларов, заработанных на Minecraft-моде с миллионами загрузок, на аренду облачных GPU и собрали DreamForge-World 0.1, экспериментальную интерактивную мировую модель, которая генерирует управляемые игровые миры в реальном времени.

Два студента второго курса из Казахстана запустили исследовательский проект DreamForge и опубликовали первую версию своей мировой модели DreamForge-World 0.1 Preview. Бюджет на эксперименты с облачными GPU они покрыли доходами от собственного Minecraft-мода, который набрал миллионы загрузок. По словам авторов, общие затраты составили около $2000. Сайт проекта: trydreamforge.com.

Что генерирует модель и на чём построена?

DreamForge-World 0.1 Preview это мировая модель (world model), то есть нейросеть, которая не рисует заранее записанное видео, а предсказывает следующий кадр на основе предыдущих и действий пользователя. Пользователь нажимает клавиши и двигает мышь, модель в реальном времени генерирует визуал, как если бы это была игра, но без игрового движка внутри.

По данным авторов, модель достигает 14 до 15 кадров в секунду при разрешении 480p на одной видеокарте RTX 4090.

Модель поддерживает перспективу от первого и третьего лица, умеет принимать на вход текст, изображение, видео или их комбинации и позволяет менять промпт (текстовое описание) прямо во время генерации.

Из каких открытых проектов собрали DreamForge?

Авторы не строили систему с нуля. Они взяли два существующих открытых проекта и соединили сильные стороны каждого:

• WAN 2.1 и LongLive использовали как основу для видеогенерации. LongLive, по словам авторов, хорошо продолжает видео покадрово и умеет менять промпт на лету, но сам по себе не содержит механизма управления мышью и клавиатурой.
• Matrix-Game 2.0 дал готовую реализацию контроля (передачи действий пользователя в модель), но его архитектура убирала текстовую ветку и работала только с изображениями на входе, без промпта.

Ни один проект в отдельности не решал задачу полностью. Авторы соединили видеооснову LongLive с контролем из Matrix-Game и дообучили результат с помощью LoRA (метод дообучения, при котором модель адаптируется под новую задачу без полной переподготовки; в данном случае использовался LoRA ранга 64).

Глобальные сети WAN, название которых созвучно с использованной моделью WAN 2.1, работают на нескольких уровнях модели OSI (эталонная модель, описывающая семь уровней сетевого взаимодействия, от физического кабеля до приложений). Модель WAN 2.1, разумеется, к сетевой архитектуре отношения не имеет: это генеративная видеомодель с открытыми весами (открытые веса означают, что параметры модели доступны для скачивания и использования).

Почему нельзя просто зациклить видеогенератор?

Авторы подробно объясняют, почему наивный подход «сгенерировал кадры, отдал последний обратно, повторил» не работает. Проблема называется autoregressive drift (авторегрессионный дрейф): модель начинает обучаться на собственных ошибках прямо во время работы.

Конкретные симптомы, которые описывают авторы:

• Текстуры сглаживаются.
• Цвета перенасыщаются.
• Объекты меняют форму.
• Геометрия сцены перестраивается.
• Резкие движения камеры повреждают весь последующий результат.

Для решения потребовался полноценный причинный авторегрессионный конвейер (causal autoregressive pipeline): управление историей кадров, кэшем, декодированием, потоком действий и повторным использованием ранее сгенерированных состояний.

Что модель пока не умеет?

Авторы честно фиксируют: DreamForge-World 0.1 не является скрытым игровым движком. Внутри нет системы мешей (трёхмерных каркасов объектов), физического мира, точной карты объектов. Модель предсказывает наблюдаемое изображение мира, а не симулирует его через заданные правила.

Практическое следствие: модель генерирует правдоподобное движение вперёд, но пока не гарантирует, что дерево, находившееся за спиной игрока десять секунд назад, останется на том же месте после разворота. Модель, по словам авторов, «всё ещё забывает собственный мир».

Получилась довольно странная технологическая пищевая цепочка: мод, ускоряющий запуск Minecraft, аренда GPU, нейросеть, генерирующая управляемые игровые миры. : Авторы DreamForge, студенты из Казахстана

Что это значит для вас?

Авторам Дзена и контент-мейкерам. Мировые модели пока не замена видеоредактору, но направление движется быстро. Уже сейчас можно протестировать DreamForge на сайте trydreamforge.com и оценить, как генерация миров из текста выглядит на практике. Если вы делаете контент про игры, технологии или образование, это потенциальный инструмент для демонстрационных роликов.

Разработчикам и предпринимателям из РФ и СНГ. Кейс DreamForge, это практическое доказательство: два студента из Казахстана с бюджетом $2000 собрали работающую систему на открытых моделях и потребительском GPU. Открытые модели WAN 2.1 и LongLive доступны для скачивания, RTX 4090 продаётся в рознице. Порог входа в генеративные видеотехнологии не требует венчурного раунда.

Маркетологам. Интерактивная генерация миров из промпта пока работает на уровне 480p и 14 до 15 кадров в секунду. Для продакшн-качества этого недостаточно, но для быстрого прототипирования визуальных концепций уже применимо.

Практический шаг: если вы работаете с видео или визуальным контентом, зайдите на trydreamforge.com, попробуйте задать промпт и оцените, на каком уровне сейчас находится интерактивная генерация. Это займёт пять минут и даст понимание, насколько быстро двигается эта область, причём двигают её не только корпорации, но и студенты с минимальным бюджетом.