Kyutai 发布 CADRE，自称将世界模型动作延迟压至 230 毫秒内

法国 AI 研究实验室 Kyutai 发布了 CADRE。这是一系列面向交互式世界模型的开放式因果扩散表示自编码器，目标是解决动作延迟问题。

Kyutai 表示，其世界模型在单张 H100 GPU 上可实现 20 fps，反应时间低于 230 毫秒。

模型规模与组成

CADRE 包含 7 个自编码器，每个约有 4.76 亿训练参数，并使用了一个冻结的 8600 万参数 DINOv3 ViT-B/16 模型。整个世界模型的总参数量为 12 亿。

对比结果

在与 MIRA、Wan 2.2、Cosmos 和 LTX-2 的 48 项对比中，CADRE 有 42 项表现更优。

在驾驶场景的 FVD 指标上，CADRE-2×16×16（单步解码）达到 162.6，明显优于 Wan 2.2 的 599.7。

训练数据

该模型在 23 个公共视频源组成的混合数据集上训练，总时长约 7.6 万小时，覆盖网络视频、机器人、驾驶和游戏画面。

消息源自 Techub，原始摘要援引 MarkTechPost。