Yapay zeka modelleri ve platformları
Alibaba’nın Amap’i Tek Bir Tüketici Grafik Kartında 24 Saat Süreyle Dünya Modelini Çalıştırıyor
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Amap, Alibaba’nın konum tabanlı hizmetleri platformu, etkileşimli dünya modeli ABot-World-0’nin şimdi bir consumer grafik kartında 24 saat boyunca sürekli bir oturumu sürdürebildiğini ve bunu bir aranabilir kayıt olarak yayınladığını söylüyor. Bu sayfa, herhangi bir günün herhangi bir saniyesine atlayabilir, altı, on iki ve on sekiz saatlik işaretlerle birlikte beş tam turda çayırlık, çöl, şehir ve karlı alan sahneleri sunar.
Bu rakam, aşabileceği tavan nedeniyle önemlidir. Etkileşimli bir dünya modeli, kullanıcıların yaptıklarına yanıt olarak kare kare video oluşturur, bu nedenle her yeni parça, modelin kendisi tarafından daha önce üretilen karelere dayanır. Küçük hatalar ileriye doğru beslenir ve sahne sonunda bozulur. Amap, söylediğine göre, bu sınıftaki çoğu sistem 30 saniye ila bir dakika arasında tutar. 16 Temmuz 2026’da modelin duyurusu, sayıyı bir saatin üzerinde olarak vermişti.
LongForcing’in Çalışmayı Nasıl İstikrarlı Hale Getirdiği
Amap, bunu sağlayan yöntemin LongForcing olarak adlandırıldığını söylüyor, bu da 21 Temmuz 2026’da ekibin yayınladığı teknik raporda açıklanmıştır. Bu tür bir modeli oluşturmanın通常 yolu, damıtma yoluyla olur: daha yavaş, bidirectional bir öğretmen, tüm bir klip boyunca aynı anda dikkat edebilen, daha hızlı, yalnızca geçmişe bakan bir öğrenciyi eğitir, bu da gerçek zamanlı etkileşimi gerektirir. Bu denetim genellikle kısa klipleri kapsar, bu nedenle öğrenci birkaç saniye için doğru görünür ve sonra doğaçlama yapar.
LongForcing, denetimi başarısızlıkların meydana geldiği yere uzatır. Öğrenci, kendi başına uzun bir rollout oluşturur ve daha uzun bir zaman bağlamına sahip bir öğretmen, bu rollout’un daha sonraki kısımlarını denetler, burada tahmin hataları en çok zamanı compounding etmiştir. Rapor, bu durumu, biriken dağılım kaymasını ve otoregresif sürükleme düzeltilmesi olarak çerçevelemektedir, bu bir hafıza mekanizması değildir. Model, önceki kareleri daha doğru bir şekilde hatırlamak için istenmemektedir; dünya dağılımına doğru çekilmektedir.
Amap, bunun davranışta görüldüğünü söylüyor: model, bir rollout sırasında yeni sahnelerle çevreyi genişletmeye devam ediyor ve bunu, kullanıcıların yol boyunca taze promtlar vermesi gerekmeden yapıyor.
Rapor Edilen Rakamların Kapsamı
Performans envelopi, ekibin kendi ölçümlerinden geliyor. Optimized düşük bit yapılandırmalarında, rapor ABot-World-0’yi 720p çıktı ve bir Nvidia RTX 5090 masaüstü kartında 16 kare/s’ye kadar çıkaran bir performans olarak veriyor, girişe göre 1.2 saniye ve yaklaşık 19 GiB’lik zirve video belleği arasında. Kontrol çalışması, sahne gezintisi ve üçüncü şahıs karakter hareketi için ham klavye girişi üzerinde çalışır, bir referans karakter belleği, bir karakterin görünümünü uzun bir oturum boyunca sabit tutar.
Değerlendirme için, makale WorldRoamBench suite’inde sonuçları rapor ediyor ve uzatılmış etkileşimli rollouts’ları tanımlıyor, sonucu rekabetçi kontrol edilebilirlik ve tutarlı uzun ufuklu dünya evrimi olarak tanımlıyor. Yayımlanan 24 saatlik kayıt, incelemeye olanak tanır: tam zaman çizelgesi orada ve saniye saniye taranabilir, bir tabloya sıkıştırılmaz.
Rapor, yayınlandığında dikkat çekti. Hugging Face’in paper sayfası, 22 Temmuz 2026 için günün en iyi makalesi olarak listelenmiştir ve o zamandan beri orada 300’den fazla upvote toplamıştır.
Geliştiriciler Ne Alır
Pratik değişim, donanım tarafında gerçekleşir. Uzun ufuklu etkileşimli oluşturma, bir veri merkezi iş yükü olarak kabul edilirdi ve Amap’in argümanı, bir masaüstü kartının şimdi bunu kapsadığını, geliştiriciler, stüdyolar ve araştırma grupları için girdi maliyetini düşürdüğünü söylüyor. Bu, özellikle gömülü AI için önemlidir, burada politikalar gerçek donanımla karşılaşmadan önce çeşitli ortamlarda uygulanmalıdır, bu da Google’ın Gemini Robotics ER 2‘sinden mimic robotics’in Audi fabrika katındaki video-aksiyon modellerine kadar sürekli çalışma alanlarından yararlanmaktadır.
Her şey, projenin GitHub deposunda Apache 2.0 lisansı altında bulunabilir, bu da çıkarım kodunu, yerel bir demo ve Hugging Face ve ModelScope’da yayınlanan kontrol noktasına işaret eden bağlantıları içerir. Bu, ABot-World-0’yi, bu yıl çalışan geliştiricilere ulaşan açık ağırlık yayınları arasında, Thinking Machines Lab’in Inkling gibi modellerle birlikte getirir.
24 saatlik kayıtla birlikte, ekip eğitim verilerini yayınladı: 30.969 eylem koşullu video bölümü, her biri 2,74 TB’lik bir toplam, her biri MP4’ü, klavye eylemlerini, altyazıları ve sahnenin seyrek kamera-pozisyon rekonstrüksiyonunu içeren bir paket. Bu korpusun yayımlanması, dış araştırmacıların aynı materyale karşı eğitime opportunity vermesini ve LongForcing’in ellerinde tutup tutmadığını test etmesini sağlar, ve projenin yol haritası, bidirectional öğretmen modelini bir sonraki kapı olarak konumlandırır.
