WorldPlay2 macht aus einem Startbild eine Videowelt, die auf Bewegung und beschriebene Ereignisse reagiert. Seit dem 6. Oktober 2026 stehen laut Projekt-Repository Modellgewichte und Inferenzcode öffentlich bereit; am 7. Oktober kam die Reactor-Anbindung hinzu. Neu ist damit nicht nur ein Forschungsvideo, sondern ein nutzbarer Einstieg für Entwickler interaktiver KI-Welten. Der lokale Echtzeitbetrieb richtet sich allerdings an leistungsfähige GPU-Systeme, nicht automatisch an Gaming-PCs.
Das Paper erschien am 28. September 2026. Die aktuelle Nachricht ist die anschließende Freigabe der Modelle samt Browser-Frontend und Laufzeitintegration, nicht eine neue Veröffentlichung des Papers.
Was sich in der Videowelt steuern lässt
WorldPlay2 trennt unmittelbare Aktionen von semantischen Vorgaben. Bewegungsbefehle, Kameradrehungen und Sprünge bestimmen den nächsten Verlauf. Daneben beschreibt ein strukturierter Prompt die Umgebung, gegebenenfalls die Spielfigur und ein Ereignis. So lässt sich nicht nur durch eine Szene navigieren, sondern beispielsweise auch Feuer auslösen und wieder löschen.
Auf der offiziellen Projektseite demonstriert das Team diese Kombination unter anderem mit einer Schnecke in einem Miniaturgarten und einer Küche. Die Beispiele zeigen den Unterschied zu einem einmal erzeugten Videoclip: Die Bildfolge soll auf weitere Eingaben reagieren, während zuvor sichtbare Inhalte über längere Verläufe wiedererkennbar bleiben.
Für Entwickler liegt der Anwendungsfall damit bei experimentellen, bildbasierten Interaktionen und steuerbaren Videoprototypen. WorldPlay2 liefert Videobilder; die gezeigten Demonstrationen sind kein Nachweis für eine vollständige Spielengine mit verlässlicher Kollisionslogik oder physikalisch geprüfter Simulation.
Komprimiertes Gedächtnis statt immer längerer Kontexte
Die Architektur verbindet eine autoregressive Generierung mit komprimierten Erinnerungen an frühere Bilder. Ein History Compressor reduziert den historischen Kontext auf kompakte Memory-Tokens. Dadurch muss das Modell nicht bei jedem neuen Abschnitt die gesamte Vergangenheit in voller Auflösung verarbeiten.
Die eigene schematische Darstellung fasst die Steuerung und das Bildgedächtnis zusammen. Aktionen und getrennte Vorgaben für Szene, Figur und Ereignis wirken auf die Generierung. Frühere Bilder werden als komprimierte Gedächtnisinhalte statt als vollständige Videos weitergegeben. Das ist der technische Ansatz gegen auseinanderlaufende Welten bei längerer Navigation.
Hinzu kommt Stable Forcing, das die Destillation auf wenige Generierungsschritte stabilisieren soll. Das schnelle Modell arbeitet laut Repository mit vier Schritten. Dieser Modellmodus ist von der tatsächlich erzielten Bildrate auf einer bestimmten Hardware zu unterscheiden.
Welche Downloads bereits verfügbar sind
Die Installationsanleitung verlangt zunächst das Basismodell Wan2.2 I2V-A14B. Dazu kommen die zur Betriebsart passenden WorldPlay2-Checkpoints. Für WorldPlay2-Fast auf Hugging Face sind getrennte High-Noise- und Low-Noise-Komponenten vorhanden. Das Repository verlinkt außerdem die Varianten BI und AR.
Der angekündigte kausale Autoencoder WorldPlay2-TAE steht dagegen weiterhin auf „coming soon“. Die Freigabe der anderen Checkpoints bedeutet deshalb nicht, dass bereits jeder angekündigte Bestandteil erhältlich ist. Für reproduzierbare Versuche sollten Entwickler Basismodell, gewählte Variante und beide Checkpoint-Pfade zusammen dokumentieren.
Welche Hardware der lokale Betrieb verlangt
Die Reactor-Anleitung im Repository verwendet standardmäßig vier NVIDIA B200 sowie Docker und das NVIDIA Container Toolkit. Das zugehörige Frontend benötigt zusätzlich Node.js und pnpm. Die normalen Inferenz-Launcher starten standardmäßig mit acht GPUs.
Zwar beschreibt die Anleitung auch Einstellungen für eine einzelne GPU. Daraus folgt aber weder eine bestätigte Mindest-VRAM-Ausstattung noch Echtzeitgeschwindigkeit auf einer handelsüblichen Grafikkarte. Die Browser-Demo und eine selbst betriebene Reactor-Instanz sind unterschiedliche Zugangswege; ihre Ressourcen lassen sich nicht gleichsetzen.
Öffentlich erhältlich, aber nicht frei kommerziell nutzbar
Die Repository-Lizenz und die Modellkarte nennen CC BY-NC 4.0. Öffentlicher Download bedeutet somit keine pauschale Freigabe für kommerzielle Produkte. Für nichtkommerzielle Experimente ist WorldPlay2 ein konkreter Einstieg in steuerbare Videowelten; für eine Produktintegration müssen Nutzungsrechte und benötigte Infrastruktur vorab geklärt werden.
