Kyutai 发布开源因果扩散表征自编码器 CADRE，面向交互式世界模型；在单张 H100 上以 20 fps 运行，动作反应时间在 230 ms 以内。
CADRE 包含 7 个自编码器，每个约 476M 训练参数，搭配冻结的 86M DINOv3 ViT-B/16；世界模型为 1.2B 参数，视频分辨率为 288×512。
发布内容包括 7 个自编码器、4 个训练更久的多分辨率版本和 CADRE-2×16×16 上的 4 个世界模型，并提供可用键盘操控的在线演示。代码采用 MIT 许可证；Hugging Face 上的权重为 CC BY-NC 4.0，禁止商用。
AI 根据报道生成 · 1 小时前更新