Matrix-Game 4.0レビュー｜RTX 5090で動くAIゲーム、導入方法とNSFWの限界

Matrix-Game 4.0の面白さは、ゲームのルールをエンジンに任せ、AIを映像づくりに集中させたことです。 昆仑万维（Kunlun Tech）傘下のSkywork AIが2026年10月15日に公開。低ポリゴンの画面をリッチな映像に変えながら、衝突判定、体力、目標の進行はコードで管理します。RTX 5090向けの実行設定も公開されています。

向いているのは、ニューラルレンダリングを自分で試したい開発者や、Linux環境を扱えるユーザーです。Windows用の完成したゲームでも、あらゆるゲームを高画質化するアプリでもありません。「60 FPS」という見出しだけで、手元のグラフィックボードでも同じ動作になるとは判断できません。

2026年10月16日更新。公開資料とオンライン画面を確認した発売時点のレビューです。RTX 5090による独自のローカル性能測定は行っていません。

結論：完成品よりも、AIゲームの試作基盤として魅力的

映像上の壁が一瞬揺れても、衝突判定まで変わるわけではありません。盾の見た目が乱れても、体力の計算はエンジン側に残ります。画面だけで世界の状態を記憶させる方式より、ルールを確認しやすく、修正やテストも行いやすい設計です。ただし、表示された形と当たり判定が常に一致する保証はありません。

すでに対応環境があるなら、付属シーンから試す価値があります。このモデルだけのために高額なGPUを買う場合は、第三者による再現測定や対応機種の拡大を待つのが現実的です。魅力的な技術デモと、長く遊べる製品は別の段階にあります。

出典: Skywork · Hugging Face

ゲームエンジン、Coding Agent、動画モデルの役割

エンジンが動作中の世界を低ポリゴンの画面として出力し、因果動画モデルが小さなチャンク単位で描き直します。Harnessという設計では、Coding Agentが自然言語の要望をルール変更や説明文に変換する役割も担います。描画用の説明を書き換えるだけで、新しい遊びの仕組みが実装されるわけではありません。

たとえば「武器の連射速度を上げる」はゲームコードの仕事です。「石壁を夕日に照らされた風合いにする」は見た目の指定です。HUDと音声は動画モデルの外で重ねるため、体力表示が正確でも、AIが文字を正確に生成できた証拠にはなりません。

従来シリーズが操作への追従、リアルタイム生成、長期記憶を段階的に強化してきたのに対し、4.0は世界の状態を明示的なコードに戻します。その分、遊びを制御しやすくなりますが、エンジンの機能とモデルが理解できるシーンに依存します。

出典: Matrix-Game 4.0

RTX 5090で60 FPS：公表値の読み方

公開時の報道では、480p・60 FPS、キー入力から反応まで約112 ms、最大VRAM使用量は約18.5 GiBとされています。1ステップ生成の定常速度は約83 FPS、2ステップは約57 FPSです。量子位が伝えた開発側の数値であり、本記事の独自測定ではありません。

モデル処理速度、ゲーム画面の取得周期、ブラウザーでの表示速度、入力から表示までの遅延は別の指標です。READMEの--fps 40も取得周期の指定で、実測40 FPSを保証するものではありません。起動時のウォームアップ、圧縮、転送、デコードの時間も必要です。

18.5 GiBという数値だけで、20～24 GB搭載GPUなら動くとは言えません。GPU世代、ドライバー、一時的なメモリ確保も影響します。RTX 4090、AMD、Apple Siliconについて、ここで保証できる4.0の推論実績はありません。

出典: README · Matrix-Game-4

遊べるシーンと、変更できる範囲

城と古代エジプトは三人称シューティング、City Racingはタイムトライアルや追跡モードを備える運転ゲームです。レースでは固定・動的な説明文に対応します。まず入力シーンと重みを合わせてください。3種類の重みは、どんなゲームにも使える着せ替え素材ではありません。

公式ページの比較動画では、低ポリゴン側と生成側を同時に確認できます。急な方向転換、遮蔽された人物の再登場、物体の形の変化を追うと、静止画だけでは分からない弱点が見えます。映像の美しさだけでなく、見える障害物と実際の衝突の関係も重要です。

既存のマップやルールを小さく変えるのが最初の用途に向いています。まったく違う作風、身体表現、新ジャンルへの展開は、モデルの汎化能力の問題になります。複数プレイヤーの視点を一致させるマルチプレイも、今回のシングルユーザーデモから推測してはいけません。

出典: City Racing · Documentation

公式動画、ダウンロード、オンラインで試せる場所

公式プロジェクトページで映像を確認し、GitHubで手順、Hugging Faceで重みを入手できます。公式の「ブラウザーデモ」は、対応するLinuxマシンに自分で構築する仕組みです。ページを開くだけで無料のクラウドRTX 5090を使えるサービスではありません。操作する側のブラウザーには高性能GPUは不要です。

hugging-appsによるコミュニティSpaceもあります。低ポリゴン動画、対応シーン、任意の説明文を指定すると、描き直した動画と比較動画を扱えます。今回は城のサンプルを選び、入力と出力が表示されるところまで確認しました。例の結果はキャッシュされる場合があり、これを新規推論の速度測定とはしていません。リアルタイムのWASD操作ではなく、動画を再描画する別の入口です。

公式デモ動画 · ソースコードと導入手順 · 重み・ゲーム素材 · コミュニティの動画変換Space

1. 最初は付属サンプルと対応シーンを選びます。無関係なゲーム動画で性能を判断しないでください。
2. 説明文を空欄にして既定の設定を確認し、その後に一つずつ変更します。
3. 短い動画を処理し、時間方向の変化を比較します。保存動画の再生FPSと生成速度は異なります。

出典: Community Space · app.py

ローカル導入：1シーンと標準のRTX 5090設定から始める

Linux、対応するNVIDIAドライバー、Python 3.12、ハードウェアで動くOpenGL/EGLを用意します。公開手順の基準はPyTorch 2.12.0／CUDA 13.2です。CUDAが使えるクラウド環境でも、描画がソフトウェア処理しかできなければリアルタイムの画面取得には不向きです。

モデル一式は約44.2 GB、シーンごとの重みは約10 GBです。共有依存ファイル、Hubのキャッシュ、録画用の空き容量も確保します。Windowsの機能同等性は未検証。macOSでは低ポリゴンゲームや録画を扱えますが、MPSで動画モデルを動かす検証済み経路はありません。

1. リポジトリを取得してMatrix-Game-4へ移動し、v4のREADMEに従ってPython環境を作ります。旧版の依存関係は流用しません。
2. installation.mdのゲーム用ライブラリとメディア依存関係を導入します。MediaMTXは公式リリースから別途用意します。
3. 固定リビジョンのマニフェストで1シーンを取得・検証します。Hub上のフォルダーをそのまま並べたり、別のWan VAEに交換したりしないでください。
4. モデルを読み込む前に低ポリゴンゲーム単体を確認し、入力やグラフィックドライバーの問題を切り分けます。
5. –preset rtx5090を明示します。標準設定はSDPAを使い、SageAttentionの追加ビルドは必須ではありません。

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

ブラウザーで遊ぶ場合は、別ターミナルでmediamtx configs/mediamtx.ymlを実行し、下記のサーバーを起動します。同じホストのhttp://127.0.0.1:8025/を開いてください。リモート環境では公式のSSH転送手順を使います。以下は公開手順の実行入口で、本記事がローカル実機動作を保証するものではありません。

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

出典: Installation

メディアの評価とユーザーの反応は、どこまで参考になる？

量子位はルールと映像の分離を評価しつつ、480pの画質には改善余地があると述べています。TechNodeも単一GPUの性能を企業側の説明として報じています。公開内容を理解する資料として有用ですが、幅広いGPUでの第三者ベンチマークではありません。

GitHubのIssue #87では、ユーザーがRobloxの映像強化への応用を提案しています。これに対し開発協力者は、現状のシーン特化モデルでは任意のRoblox体験へそのまま使えるほどの汎化能力がなく、追加学習が必要になる見込みと回答しています。検証済み連携も公開予定日もありません。

10月16日時点で、4.0を独立に再現した大量のユーザー測定は確認できていません。2.0や3.0の古い不具合報告を4.0の欠陥として扱うのも不適切です。期待、機能要望、実測結果を分けて読むことが大切です。

量子位の公開時記事 · TechNodeの報道 · ユーザーの提案と開発側の回答

出典: GitHub #87

StreamRender-H3や通常のゲームエンジンと比較

NVIDIA側のStreamRender-H3ページには、GB200を8基用いた拡散描画段階で218 msとあります。実行用配布物は1344×768出力など別の条件を記載しています。Matrix-Gameの480pにおけるキー入力から画面までの値と直接比較して、「5倍速い」と結論づけることはできません。

小規模な研究にはMatrix-Gameの単一カード構成が魅力的です。一方、製品としてゲームを届けるなら、従来エンジンの予測しやすい描画や制作ツールも重要です。AI描画を加えても、操作性やパフォーマンスのテストは必要です。

出典: NVIDIA StreamRender-H3

NSFWへの拡張は可能？ 現時点では未検証

現時点の評価は「NSFW性能を確認できない」です。 戦闘シーンを生成できることと、性的な表現を安定して扱えることは別です。公式の成人向けモード、専用チェックポイント、身体表現の評価、動作確認済み成人ゲーム向けワークフローは、確認した公開資料にはありません。

ローカルで扱える重みは、閉じたサービスよりアプリ側を自由に設計しやすい利点があります。将来、別のシーンデータや表現を研究する余地はあります。ただし、現状はシーン特化で、学習コードとデータも未公開です。未知の形状への弱さもあり、成人向けに展開するなら大きな研究開発が必要です。プロンプトだけで新しい相互作用や安定した身体の動きが手に入るわけではありません。

Apache-2.0は配布物の利用条件であり、無制限の出力や人物・素材の権利を保証しません。外部素材やオンラインSpaceには別の条件もあります。NSFW目的だけでGPUを購入する根拠には弱く、「将来の拡張余地はあるが、実用能力は未確認」と考えるのが妥当です。

出典: Skywork · Hugging Face

導入前によくある疑問

無料で使えますか？

セルフホスト版に必須の月額プランは案内されていません。ただしGPU、ストレージ、電気代、クラウド利用料、Coding Agentの費用は別です。日本円の総費用は利用環境で変わり、公式の一括月額料金はありません。

普通のゲーミングノートでも動きますか？

消費者向けの公開最適化はRTX 5090が対象です。ノート用GPUや少ないVRAMの製品まで対応を保証する発表ではありません。手元の型番に一致する再現例を待ちましょう。

ComfyUIや通常のWan用ワークフローは使えますか？

今回の重みには専用ランタイムが必要です。一般的なDiffusersやComfyUIへそのまま差し込める公式フローは確認できません。派生元が近いことと互換性があることは別です。

一文だけで新作ゲームを作れますか？

Coding Agentでコード編集を支援できますが、ルールの動作確認と、モデルがシーンを正しく描けるかの確認は残ります。自然言語の入力だけで両方が解決するわけではありません。

サーバーは起動したのに動画が出ません。

ゲーム単体、ハードウェアOpenGL/EGL、GStreamer、MediaMTXを順に確認します。公式のreference-onlyモードで映像転送と推論を切り分けてください。

最初のテストでは何を記録すべき？

変更していない付属シーンでGPU、プリセット、解像度、説明文モードを記録します。方向転換、遮蔽、連続プレイ、再起動を確認し、処理速度と入力遅延は別々に示します。

出典: Online deployment

まずは小さな実験から価値を判断する

LinuxのGPU環境を管理でき、ゲームのロジックとAI描画を組み合わせたい人には、試す意義のある公開です。最初は既存シーンで短いセッションを再現し、その後にルールを一つだけ変更すると、操作と見た目の両方を評価しやすくなります。

任意のゲームの高画質化、完成済みの一般向けアプリ、安価なGPUでの保証動作、NSFWゲームの即時制作を期待するなら、まだ待つ段階です。実験の入口が広がった点を評価しながら、未実現の機能を現在の能力と混同しないことが重要です。