Multics：分层通信多玩家世界模型解决多人视频生成扩展难题

一句话看懂：2026年10月，Hugging Face Papers 收录的论文提出 Multics，一种用分层通信替代全连接通信的多玩家视频生成框架，在4至6人场景下达到新的最优表现，并展示出从4人训练扩散到10人推理的泛化能力。

事件核心：发生了什么

多玩家交互式世界模型的目标是同时模拟多名玩家视角下的共享环境，但玩家数量增加后，现有方案面临两类瓶颈：以 Solaris 为代表的全连接通信会带来随人数平方增长的注意力成本，以 γ-World 为代表的中心化方案则在共享全局表示中混入不相关事件的干扰。

Multics 的思路是在玩家、小组、全局三个层级之间组织信息交换。它引入小组 token 作为自注意力中的中间表示，聚合局部相关的玩家信息；这些小组 token 再与全局 token 连接，完成跨组通信。由于不同小组 slot 共用同一套小组 token 参数，同一个通信模块可以适配不同玩家数量，不需要为每组引入新参数。论文还提出基于近期相机轨迹的预算约束动态分组，以自适应方式限制不必要的通信。作者报告，Multics 在4人和6人设置下取得了领先的跨玩家一致性、玩家动作与相机可控性，以及抗干扰能力，并且从4人训练泛化到6、8、10人推理时无需重新训练。

为什么重要

多玩家世界模型是生成式 AI 从单人视频生成走向共享虚拟空间的关键一步，但扩展性一直是硬约束。全连接注意力在人数变多时计算开销迅速上升，中心化表示又容易让无关事件互相污染。Multics 用分层拓扑同时回应了这两个问题：用小组结构限制无关局部事件直接混合，用参数共享保持通信模块对玩家数量的适应性。目前公开信息显示，这些结论来自论文摘要，尚未核验全文实验细节，也未说明是否已有产品或 API 落地。

对用户/开发者/创作者的影响

对开发者和研究者而言，Multics 提出了一种降低多玩家自注意力计算、并支持玩家数泛化的结构设计，理论上有利于把多人交互世界模型的推理成本压到更可控的范围。对内容创作者和游戏/虚拟场景团队，多人视角一致性、动作与相机可控性提升，意味着用生成模型构建可交互共享空间的可能性增大，但这仍属于研究阶段。如果后续有开源实现或 API 开放，训练和推理的算力门槛、单次生成成本、支持的玩家上限，将直接影响它能否被中小团队采用。