Matrix-Game 4.0 評測：單張 RTX 5090 的 AI 遊戲、部署與 NSFW 限制

Matrix-Game 4.0 最有價值的改變，是把遊戲規則留給引擎，讓 AI 專心畫出遊戲畫面。 崑崙萬維旗下 Skywork AI 於 2026 年 10 月 15 日公開這套系統：碰撞、血量與任務狀態由程式維持，低多邊形畫面再交給影片模型即時重繪。RTX 5090 專用執行設定也已提供。

它適合想研究神經渲染、且能處理 Linux 環境的開發者與進階玩家。目前仍是場景特化的研究版本，不是 Windows 遊戲安裝包，也不是任何遊戲都能套用的畫質外掛。「單卡 60 FPS」不能直接推論為一般消費級顯示卡都能流暢執行。

更新：2026 年 10 月 16 日。依公開文件與線上介面整理；未進行本機 RTX 5090 獨立效能測試。

先說結論：值得研究的原型平台，還不是成熟遊戲服務

生成的牆壁短暫變形，不會直接改寫碰撞地圖；盾牌看起來不穩定，也不會讓血量憑空增加。這種分工讓規則更容易檢查、測試與修改。但它仍可能出現「看得到的物體」與實際碰撞範圍不一致的問題，畫面不能完全取代引擎狀態。

已經擁有合適設備，可以從附帶場景試起。如果只是為了這個新模型就要購買高階顯示卡，建議先等第三方重現與相容性資料。技術展示有吸引力，不代表已有完整、耐玩的遊戲內容。

資料來源: Skywork · Hugging Face

Harness 架構：程式管玩法，模型管外觀

引擎先執行遊戲，再輸出簡單的低多邊形畫面。因果影片模型以小區塊連續生成細節；Coding Agent 則在整體設計中協助把自然語言轉成規則變更或描述。修改渲染提示詞，不等於已實作新的遊戲機制。

例如「提高射速」需要改遊戲程式；「讓石牆呈現夕陽下的風化質感」偏向外觀指定。HUD 與音效另行疊加，因此血量數字清晰，不代表模型能可靠生成文字。評估展示影片時，要分清哪些部分是引擎、哪些是 AI。

早期系列著重動作控制、即時生成及長期記憶，4.0 把可明確定義的世界狀態交回程式。這提高可測試性，也意味著系統仍受引擎能力與已學會場景的限制。

資料來源: Matrix-Game 4.0

60 FPS、112 ms 與 18.5 GiB，不能混成一個效能保證

量子位的發布報導轉述開發方數字：RTX 5090 上的 480p 遊戲展示為 60 FPS，按鍵到第一個反應畫面約 112 ms，峰值顯示記憶體約 18.5 GiB；單步定常生成約 83 FPS，雙步約 57 FPS。這些不是本篇的實機量測。

模型吞吐量、引擎擷取頻率、瀏覽器顯示幀率與端到端延遲各有不同計算範圍。README 的 --fps 40 是擷取目標，不是 40 FPS 保證。暖機、編碼、網路傳輸與瀏覽器解碼也都影響體感。

18.5 GiB 並不表示任何 20～24 GB 卡都適用。GPU 架構、驅動、暫時記憶體配置與速度仍有影響。本篇未取得可保證的 RTX 4090、AMD 或 Apple Silicon 推論結果。

資料來源: README · Matrix-Game-4

能玩什麼？能改多少？

城堡與古埃及是第三人稱射擊，City Racing 包含計時賽及追逐模式。競速支援固定或隨引擎更新的描述。請先選相符的場景權重，它們不是可以套到所有遊戲的三套濾鏡。

官方有短片對照與較長的連續遊玩展示。比起單張漂亮截圖，更應觀察快速轉向、角色被遮擋後重現、物件輪廓改變，以及掩體外觀與碰撞是否一致。

先改既有地圖或一條規則，最容易看出價值。完全陌生的身體構造、風格或遊戲類型會考驗泛化能力。多人視角一致性仍是後續方向，不應當作這個單人版本的現成功能。

資料來源: City Racing · Documentation

官方展示、模型下載與線上試用入口

官方專案頁提供展示，GitHub 提供操作文件，Hugging Face 放置模型與資源。官方「瀏覽器 Demo」需要自己在 Linux GPU 主機部署，並非打開網頁就能免費玩雲端 RTX 5090 遊戲。用來操作的客戶端瀏覽器則不需要高階 GPU。

hugging-apps 的社群 Space 提供低模影片重繪：選擇影片、場景和描述，查看輸出及並排比較。本次成功選取城堡範例並顯示結果；範例可能使用快取，因此不算新推論計時。它不是即時鍵盤操控遊戲，額度與可用性也受共享服務影響。

官方展示影片 · 原始碼與快速上手 · 權重及遊戲資源 · 社群影片重繪 Space

1. 先選附帶範例及對應場景，不要拿完全不同的遊戲錄影作唯一判斷。
2. 第一輪保持預設描述，再逐項改參數。
3. 處理短片後觀看時間上的穩定性；影片播放 FPS 不等於 GPU 生成速度。

資料來源: Community Space · app.py

本機部署：先下載一個場景

準備 Linux、相容 NVIDIA 驅動、Python 3.12，以及真正使用硬體的 OpenGL/EGL。官方依賴基準為 PyTorch 2.12.0／CUDA 13.2。雲端主機能跑 CUDA，不代表它的遊戲畫面擷取也有硬體加速。

完整模型資源約 44.2 GB，每個場景權重約 10 GB，還要預留共享資源、Hub 快取及錄影空間。Windows 的功能完整性未驗證；macOS 可跑原生遊戲及錄影，但沒有經驗證的 MPS 影片模型推論路徑。

1. 複製專案後進入 Matrix-Game-4，按照 v4 文件建立 Python 環境，避免套用舊版套件清單。
2. 安裝 installation.md 列出的原生遊戲與媒體依賴，另從官方發布頁取得 MediaMTX。
3. 使用固定版本的 manifest 下載並驗證一個場景，保留 resources 目錄映射，勿隨意替換 Wan VAE。
4. 先測試不含神經渲染的遊戲，以區分引擎、輸入與驅動問題。
5. 明確選 –preset rtx5090。標準路徑使用 SDPA，SageAttention 的修補編譯是選項而非必需。

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

在另一個終端啟動 mediamtx configs/mediamtx.yml，再執行以下伺服器命令，於主機開啟 http://127.0.0.1:8025/。遠端機器請依官方 SSH 轉送說明連線。這是公開的操作入口，不代表本篇已在本機完成效能實測。

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

資料來源: Installation

媒體與真實社群回饋：期待多，獨立測試仍少

量子位肯定規則與畫面分工，同時指出 480p 畫質仍有進步空間。TechNode 也將單卡效能標示為公司提供的說法。兩者適合用來理解發布內容，不能當作跨顯示卡獨立測試。

GitHub Issue #87 有使用者提出 Roblox 即時畫質增強。協作者回覆指出，現有模型是場景特化，尚不足以直接套到任意 Roblox 體驗，可能需要額外訓練或微調；目前沒有驗證完成的整合，也沒有確定發布時間。這比「所有遊戲都能一鍵變真實」更接近當下狀況。

截至 10 月 16 日，本次研究尚未找到大量可重現的 4.0 使用者跑分。舊版 2.0／3.0 的錯誤回報也不能直接算作 4.0 的缺陷。閱讀時應分開看期待、功能建議與實測。

量子位發布報導 · TechNode 報導 · 使用者提案與維護者答覆

資料來源: GitHub #87

與 StreamRender-H3、傳統遊戲引擎比較

NVIDIA 的 StreamRender-H3 頁面列出八張 GB200 上的擴散渲染階段為 218 ms；執行資源另記載 1344×768 輸出。它不是與 Matrix-Game 的 480p 按鍵到畫面延遲同一指標，因此不適合直接寫成快五倍。

小型研究可以優先考慮單卡路徑；若要交付完整遊戲，仍應以穩定的玩法、工具與畫面控制為主。加入神經渲染後，操作性與效能測試不會自動消失。

資料來源: NVIDIA StreamRender-H3

NSFW 的後續可能性：開放權重不代表成人遊戲已就緒

目前判斷：NSFW 能力未驗證。 戰鬥生成並不等於成人性內容生成。公開材料中沒有可核實的成人模式、NSFW 專用權重、身體表現評估或已完成的成人遊戲工作流程。

本機權重讓開發者更容易掌握應用程式設計，未來研究其他場景與風格在概念上有空間。然而，當前模型場景特化、訓練程式和資料未提供，加上陌生幾何容易失真，這仍是大型研發題目。只加提示詞，不能生出引擎原本沒有的互動，也不能保證身體與動作穩定。

Apache-2.0 是配布內容的授權，不是無限制輸出的承諾，也不自動授予人物肖像或外部素材權利。第三方素材與線上服務另有條件。現在不宜為 NSFW 用途單獨買卡；合理結論是「有後續研究空間，尚無可確認實用表現」。

資料來源: Skywork · Hugging Face

安裝前常見問題

需要訂閱嗎？

自行部署的公開版未列必須月費。GPU、電費、儲存、雲端租用與可能使用的 Coding Agent 另計，台幣總成本依設備及使用量而異，沒有官方全包月費。

一般電競筆電能跑嗎？

目前消費級優化針對 RTX 5090，不能延伸成筆電 GPU 或低 VRAM 卡的支援承諾。請等待對應型號的重現結果。

有 ComfyUI 工作流程嗎？

本次權重需要專用執行環境，沒有確認到官方即插即用的 ComfyUI 或 Diffusers 流程。與 Wan 有關聯，不代表可以直接替換。

一句話能做新遊戲嗎？

Coding Agent 可以協助改程式，但仍要驗證規則，以及模型是否能正確描繪新場景。自然語言不能取代這兩步。

伺服器開了卻沒影像？

依序檢查原生遊戲、硬體 OpenGL/EGL、GStreamer 與 MediaMTX，先以 reference-only 模式排除傳輸問題。

第一輪應測哪些項目？

使用未修改的附帶場景，記錄 GPU、預設設定、解析度與描述模式，再檢查快速轉向、遮蔽、連續遊玩與重新啟動。吞吐量和端到端延遲分開記錄。

資料來源: Online deployment

適合誰現在開始？

如果熟悉 Linux GPU 部署，且想探索遊戲規則與生成畫面如何協作，這是值得嘗試的公開專案。先完成短且可重現的既有場景，再改一條規則，最能看清實際收益。

如果期待任意遊戲高畫質化、便宜顯示卡保證流暢、完整消費級 App 或立即可用的 NSFW 平台，現在仍需等待。它降低了研究門檻，但還沒有解決生成式遊戲的所有限制。