Matrix-Game 4.0 : avis, jeux sur RTX 5090 et potentiel NSFW

Matrix-Game 4.0 confie les règles au moteur de jeu et les détails visuels à l’IA. Publié le 15 octobre 2026 par Skywork AI, filiale de Kunlun Tech, ce système transforme un rendu peu détaillé en vidéo générée. Collisions, santé et objectifs restent gérés par du code. Une configuration optimisée pour RTX 5090 est déjà disponible.

Il s’adresse surtout aux développeurs capables de préparer un environnement Linux. Ce n’est ni un jeu Windows prêt à installer, ni un filtre universel pour embellir tous les jeux. L’annonce de 60 images par seconde ne garantit pas cette vitesse sur toute carte grand public.

Mis à jour le 16 octobre 2026. Analyse des documents et de la démonstration en ligne ; aucun benchmark local indépendant sur RTX 5090.

Notre avis : une base de prototypage, pas encore un produit grand public

Le principal progrès est la séparation entre l’apparence et les règles. Un mur généré peut changer légèrement sans modifier sa collision. Un compteur de points de vie est piloté par le moteur, même si le personnage est mal dessiné. Cette séparation rend les règles vérifiables, mais l’image peut encore contredire la géométrie réelle.

Si vous possédez déjà le matériel, essayer une scène livrée est pertinent. Acheter une carte coûteuse uniquement pour cette annonce l’est beaucoup moins : les résultats indépendants et la compatibilité restent limités. Une démonstration réussie n’est pas une bibliothèque de jeux complets.

Source: Skywork · Hugging Face

Moteur, agent de programmation et vidéo : qui fait quoi ?

Le moteur conserve l’état du monde et produit une image simplifiée. Le modèle causal ajoute des détails par blocs successifs. Dans l’approche Harness, un agent de programmation aide aussi à traduire une demande en modification du code ou de la description visuelle. Un changement de prompt ne crée pas automatiquement une mécanique.

Augmenter la cadence d’une arme relève des règles ; demander des pierres anciennes sous une lumière chaude relève du rendu. Le HUD et l’audio sont des couches séparées. Un affichage parfaitement lisible ne prouve donc pas une génération fiable de texte par le modèle.

Les versions antérieures ont exploré le contrôle par actions, le temps réel et la mémoire prolongée. La v4 met explicitement l’état du moteur au centre. Elle facilite la validation du gameplay, tout en restant dépendante des scènes comprises par chaque modèle.

Source: Matrix-Game 4.0

60 FPS, 112 ms et 18,5 GiB : bien lire les chiffres

La couverture de lancement de QbitAI rapporte les chiffres du développeur : 480p à 60 FPS sur RTX 5090, environ 112 ms entre une touche et une image réactive, et 18,5 GiB de mémoire vidéo au pic. Elle cite aussi environ 83 FPS stabilisés avec une étape de débruitage et 57 avec deux. Nous n’avons pas reproduit ces mesures.

Débit du modèle, capture du jeu, affichage du navigateur et latence de commande désignent des mesures différentes. L’option --fps 40 fixe une cadence de capture souhaitée, pas une promesse de fluidité. Préchauffage, encodage et transmission ajoutent leurs propres coûts.

Un pic annoncé à 18,5 GiB ne valide pas toute carte de 20 ou 24 Go. Architecture, pilotes, allocations temporaires et vitesse comptent également. Aucun résultat d’inférence 4.0 vérifié sur RTX 4090, AMD ou Apple Silicon n’est établi ici.

Source: README · Matrix-Game-4

Les scènes disponibles et les modifications réalistes

Castle et Egypt proposent du tir à la troisième personne. City Racing comprend contre-la-montre et poursuite, avec des descriptions fixes ou mises à jour par le moteur. Utilisez le checkpoint correspondant : ces modèles ne sont pas des habillages interchangeables de n’importe quel jeu.

Regardez les vidéos officielles en comparant les deux rendus. Les rotations rapides, les occultations, les réapparitions et les contours révèlent davantage qu’une belle image fixe. Vérifiez surtout si les obstacles visibles correspondent aux collisions.

Une petite modification de carte ou de règle constitue un bon premier projet. Un genre, un style ou une anatomie inconnus peuvent demander une adaptation importante. Le multijoueur avec des vues cohérentes ne doit pas être déduit de la démo publiée pour un utilisateur.

Source: City Racing · Documentation

Essayer en ligne et trouver les téléchargements

La page du projet rassemble les vidéos ; GitHub fournit les instructions ; Hugging Face héberge poids et ressources. La démo officielle dans le navigateur doit être hébergée sur votre serveur Linux avec GPU. Elle ne fournit pas gratuitement une RTX 5090 distante. Le navigateur client, lui, n’a pas besoin de cette carte.

Le Space communautaire de hugging-apps reçoit une vidéo low-poly, une scène et éventuellement une description, puis présente le rendu et une comparaison. Nous avons sélectionné l’exemple du château et observé l’entrée et la sortie. Les exemples peuvent être mis en cache : ce n’est pas un benchmark de nouvelle inférence. Il s’agit de retraitement vidéo, pas d’un jeu contrôlable en direct.

Vidéos officielles · Code et démarrage · Poids et ressources · Démonstration communautaire

1. Choisissez un exemple fourni avec sa scène correspondante.
2. Gardez la description par défaut au premier essai, puis changez un réglage à la fois.
3. Examinez tout le clip. Sa cadence de lecture ne mesure pas la vitesse de génération.

Source: Community Space · app.py

Installation locale : une scène et le preset RTX 5090

Prévoyez Linux, Python 3.12, un pilote NVIDIA compatible et OpenGL/EGL accéléré par le matériel. La référence documentée utilise PyTorch 2.12.0 et CUDA 13.2. Une machine cloud avec CUDA peut manquer du chemin graphique nécessaire à la capture du jeu.

Le paquet complet représente environ 44,2 Go, dont près de 10 Go par checkpoint. Ajoutez dépendances, cache et enregistrements. La parité Windows n’est pas validée ; macOS permet le jeu autonome et la capture, mais pas une inférence MPS testée.

1. Clonez le dépôt et placez-vous dans Matrix-Game-4. Utilisez les dépendances de la v4.
2. Installez les dépendances natives et multimédias de installation.md, ainsi que MediaMTX depuis sa distribution officielle.
3. Téléchargez une scène avec les manifests fixés et vérifiez les ressources. Ne remplacez pas le VAE par un modèle Wan arbitraire.
4. Testez le jeu simplifié avant de charger le modèle, afin d’isoler les erreurs du moteur et des pilotes.
5. Sélectionnez –preset rtx5090. Ce chemin emploie SDPA ; SageAttention reste optionnel et demande une compilation corrigée.

git clone https://github.com/SkyworkAI/Matrix-Game.git cd Matrix-Game/Matrix-Game-4 python3.12 -m venv .venv source .venv/bin/activate python -m pip install --upgrade pip python -m pip install torch==2.12.0 torchvision==0.27.0 --index-url https://download.pytorch.org/whl/cu132 python -m pip install -e '.[inference,server,download,test]' matrix-game download --manifest releases/game-assets.json \ --repo-id Skywork/Matrix-Game-4.0 --repo-type model \ --revision 4419accdb7bb7881234c5914de8cd915266e0325 \ --scene ancient-egypt --resources resources matrix-game download --manifest releases/models.json \ --repo-id Skywork/Matrix-Game-4.0 --repo-type model \ --revision 4419accdb7bb7881234c5914de8cd915266e0325 \ --scene ancient-egypt --resources resources matrix-game verify --manifest releases/models.json --scene ancient-egypt --resources resources bash scripts/build_game.sh

Lancez mediamtx configs/mediamtx.yml dans un autre terminal, puis le serveur ci-dessous. Ouvrez http://127.0.0.1:8025/ sur l’hôte. Pour un accès distant, suivez le transfert SSH documenté. Ces commandes reprennent la documentation, sans prétendre à un test local de performance.

CUDA_VISIBLE_DEVICES=0 bash scripts/serve.sh \ --scene ancient-egypt --resources resources --preset rtx5090 \ --prompt-mode fixed --fps 40

Source: Installation

Premiers retours : des attentes, peu de benchmarks indépendants

QbitAI souligne l’intérêt de séparer règles et rendu, tout en relevant les limites du 480p. TechNode attribue les performances à l’entreprise. Ces articles expliquent le lancement ; ils ne constituent pas une comparaison indépendante de plusieurs GPU.

Dans l’issue GitHub #87, un utilisateur demande une intégration Roblox. Un collaborateur précise que les modèles actuels sont spécialisés par scène et ne peuvent pas améliorer arbitrairement toutes les expériences Roblox. Un entraînement ou un ajustement supplémentaire serait probablement nécessaire. Aucune intégration validée ni date de livraison n’est annoncée.

Au 16 octobre, notre recherche n’a pas trouvé un ensemble étendu de tests 4.0 reproductibles. Les problèmes anciens des versions 2 ou 3 ne prouvent pas un défaut de la v4. Il faut distinguer demandes de fonctions, enthousiasme et mesures réelles.

Article de QbitAI · Article de TechNode · Discussion et réponse du collaborateur

Source: GitHub #87

Comparaison avec StreamRender-H3 et les autres approches

NVIDIA indique 218 ms pour l’étape de rendu par diffusion de StreamRender-H3 sur huit GB200. Le paquet d’exécution décrit une sortie de 1344×768. Ce n’est pas comparable directement à la latence touche-image annoncée à 480p pour Matrix-Game. Un slogan « cinq fois plus rapide » mélangerait résolutions et périmètres de mesure.

La voie à une carte est plus accessible pour un petit prototype. Pour commercialiser un jeu, contrôle artistique, prévisibilité et validation restent essentiels. La couche neuronale ne remplace pas ces exigences.

Source: NVIDIA StreamRender-H3

Potentiel NSFW : aucune capacité adulte démontrée

La capacité NSFW reste non vérifiée. Des scènes de combat ne démontrent pas une génération sexuelle. Les documents consultés ne proposent ni mode adulte officiel, ni checkpoint NSFW, ni test anatomique, ni workflow validé pour un jeu adulte.

Des poids locaux donnent davantage de contrôle sur l’application qu’un service fermé. Toutefois, spécialisation par scène, géométries inconnues et absence de code et de données d’entraînement compliquent toute adaptation. Un prompt ne crée pas les interactions manquantes du moteur et ne garantit pas des corps ou mouvements cohérents.

Apache-2.0 couvre les droits du matériel distribué, pas une promesse de sortie sans restrictions ni les droits sur des personnes ou des ressources tierces. Les services hébergés ont aussi leurs conditions. Acheter un GPU pour un usage NSFW encore hypothétique serait un pari.

Source: Skywork · Hugging Face

Questions avant de commencer

Est-ce gratuit ?

La version auto-hébergée n’annonce pas d’abonnement obligatoire. Matériel, électricité, stockage, location de GPU et éventuel agent de programmation restent à payer. Comparez ces coûts en euros : il n’existe pas de forfait officiel tout compris.

Un ordinateur portable suffit-il ?

L’optimisation publiée cible la RTX 5090. Elle ne valide ni les GPU mobiles ni les cartes à faible mémoire. Cherchez un test reproductible du modèle exact.

Existe-t-il un workflow ComfyUI ?

La publication utilise un runtime spécifique, sans workflow officiel prêt à l’emploi pour ComfyUI ou Diffusers. Une origine commune avec Wan ne garantit pas l’interchangeabilité.

Une phrase crée-t-elle un jeu ?

L’agent peut aider à modifier le code. Il faut ensuite tester les règles et vérifier que le modèle représente correctement la scène.

Pourquoi le navigateur ne reçoit-il pas de vidéo ?

Vérifiez jeu natif, accélération EGL/OpenGL, GStreamer et MediaMTX. Le mode reference-only permet de séparer transport et inférence.

Quel premier test effectuer ?

Gardez une scène intacte. Notez GPU, preset, résolution et mode de description. Testez rotations, occultations et redémarrages ; mesurez débit et latence séparément.

Source: Online deployment

À qui le recommander aujourd’hui ?

Essayez-le pour comprendre comment associer rendu neuronal et règles fiables, si vous maîtrisez un environnement GPU Linux. Une courte session reproductible, suivie d’une petite modification, apporte plus d’informations qu’une transformation ambitieuse immédiate.

Attendez si vous cherchez une application grand public, un améliorateur universel, des performances garanties sur une carte moins chère ou un jeu NSFW prêt à l’emploi. L’intérêt de cette publication est de rendre l’expérimentation plus accessible, sans supprimer les limites de la vidéo générative.