你按下方向键，AI 不只要画出你的车往哪开，还得同时处理另外三名玩家的动作，并让所有人的画面彼此对得上。MIRA 想解决的正是这个问题：让世界模型——学习环境如何随动作变化、持续预测后续画面或状态的模型——从“生成视频”走向多人实时互动。
以下性能与发布信息均来自项目团队的一篇 Reddit 帖文，尚无独立信源交叉核查。
难点不只是多画几辆车
MIRA 由 General Intuition、Kyutai 和 Epic Games 合作发布，以《Rocket League》为训练场景。多人交互比单人环境更难：一名玩家的动作会影响其他玩家，局部预测一旦出错，误差可能沿着互动关系传开。
团队称，MIRA 有 50 亿参数。参数是模型训练后保存的一组数字，决定它如何把输入映射为预测；数量能反映规模，但不等同于能力。模型使用 1 万小时合成数据训练。这里的合成数据指由程序、模拟器或其他模型生成的数据，而非人工采集。
实时四人，是更实用的压力测试
据团队自述，MIRA 可在单张 B200 上同时支持 4 名玩家，以每秒 20 帧运行。如果表现稳定，它说明世界模型可以接受多人连续操作，而不只是预先生成一段固定视频。这让《Rocket League》成为检验可控性、一致性和实时性的试验场。
项目同时发布了在线试玩、技术报告、代码仓库，以及一套含 1000 小时四人对局的数据集。
局限与未知
- 20 fps 的分辨率、延迟、采样配置和系统开销均未披露，不能泛化为通用实时性能。
- 1 万小时训练数据的生成、去重与有效时长口径不明；公开的 1000 小时是否属于其中一部分也不明确。
- 目前材料没有提供对照实验，无法判断多人一致性和长期稳定性究竟达到什么水平。