Skywork Matrix-Game

Matrix-Game 1.0（17B）

Matrix-Game-MC 从 MineDojo 取约 6,000 小时原始 Minecraft 视频，TransNet V2 切镜头加三阶段过滤（剔除菜单、字幕、人脸摄像头、静止/过快），得约 2,700 小时无标签；有标签部分由 VPT 课程智能体在 MineRL 里生成（16Hz 逐帧键鼠）加 Unreal Engine 程序化场景（带运动学真值），合计约 1,000+ 小时标签，均衡后 1,200+ 小时 [1]。训练两段式：无标签预训练→动作标注训练。

Matrix-Game 2.0（1.8B）与口径冲突

论文摘要称约 1,200 小时；正文数据表为约 800 小时（360p）= 153 小时 Minecraft + 615 小时 Unreal Engine，外加 Sekai 真实视频 85 小时，微调集 574 小时（游戏驱动）+ 560 小时（Temple Run）；1.2M+ clip，57 帧/clip，称标注准确率 >99%（公司口径）[2]。论文未提及 GTA5，该说法不采信。

路线定位

属"引擎合成、动作标签精确"路线，与 muse-wham（真实玩家日志）、hunyuan-gamecraft（AAA 录屏）并列。Minecraft 素材的授权情况未披露。