Kyutai 开源 CADRE：世界模型实时可玩
10 月 22 日，Kyutai（与 LIGM／巴黎东部大学、UC Berkeley 合作）开源 CADRE——因果扩散表征自编码器，一套专为交互式世界模型重做的视频编码器。论文挂在 arXiv（2610.30129），代码、自编码器与世界模型权重、以及可自己开车的在线 demo 一并放出。
他们的出发点是世界模型一直用错了压缩器：视频世界模型不在像素上生成，而在视频自编码器的潜空间里生成，这个自编码器决定每帧成本与「动作等多久才生效」；而多数世界模型直接借用文生视频的自编码器——那是为离线整段生成设计的，动作不必等，也不好重训到别的压缩率。CADRE 用 23 个公开视频数据集、约 7.6 万小时训练，在单张 H100 上让世界模型以 20 帧／秒运行、动作反应低于 230 毫秒；对照 Wan 2.2、Cosmos、LTX-2、DC-AE 与 MIRA 的自编码器，官方称它占据延迟—质量前沿的大部分，镜头移动场景尤其明显，同延迟下只有 MIRA 也做得到实时、但画质与运动质量更差。
四条结论都能复算：强压缩下扩散解码比强感知回归更锐利，自蒸馏后一到两步即可解码；把时间压缩放进自编码器（而非在世界模型里拼帧）画质更清晰且不伤动作跟随；镜头是否移动决定压缩方向——机械臂与人类操作这类静止镜头适合把 8 帧打包、把省下的 token 花在细节上，自动驾驶与室内导航这类移动镜头则应保留帧、压缩空间；空间 token 变粗时图像质量几乎不掉、运动先坏——16× 与 32× 空间压缩在同一设定下 FID 只从 8.53 变 8.92，FVD 却从 39.4 恶化到 95.2（约 2.4 倍），动作跟随 ARR 从 0.73 掉到 0.45。
原文链接：Kyutai 官方博客
核验记录
官方博客页 kyutai.org/blog/2026-10-22-cadre/ 的 HTML 只有 Next.js 壳（10,041 字节，正文命中 0），正文经 r.jina.ai 读取（Published Time: Thu, 22 Oct 2026 12:57:58 GMT，页内可见 22 October 2026，内嵌 JSON metadata.date 2026-10-22）；arXiv abs 页 citation_date 与 citation_online_date 同为 2026/10/21。HF kyutai org 的 cadre 权重仓 createdAt 落在 2026-09-29～10-05（开发期建仓，早于公告，按 10-16 口径不作定日）。76k 小时、<230ms、20fps、FID／FVD／ARR 均取自官方正文原句。配图取论文 HTML 的 figure（PNG 79,201 字节，裸请求与带站内 Referer 双 200）。未读到：230ms 为官方单机实测，无第三方复现。