Zing-0.5：具備即時聯合動作與文字控制的可玩世界模型
為何重要
Zing-0.5 的關鍵在於將世界模型從單純的預測工具轉變為可操作的互動介面，且資料顯示其部署成本極低，足以支撐商業化的即時串流服務。這對於遊戲開發者而言，意味著高互動性的環境生成不再需要昂貴的自訓練算力；從產業角度看，這代表具備低延遲、低成本的 multimodal Agent 技術門檻正在快速降低，投資人可開始關注消費級遊戲或體驗平臺的技術實作落實。
Hugging Face 發布 Zing-0.5，這是一個專注於可玩性的 5B 自迴歸世界模型，使用者可透過鍵盤與文字指令與生成環境互動。模型採用事件級監督與資料分佈匹配蒸餾技術，並投入 Zing-SGLang 架構以支援即時應用。以下是具體細節：
- 支援 832 x 480 解析度下每秒 24 張的即時推論，預估每串流每分鐘成本約為 USD 0.009。
- 經過分佈匹配蒸餾訓練，能透過連結多提示影片進行增量生成。
- 在 158 個 WBench 導航案例中取得 81.0 的整體分數與 88.5 的一致性分數。