텐센트·홍콩대, 멀티플레이어 지원 생성형 월드 모델 'Multix' 오픈소스 공개

Multix(저장소 이름 Multics)는 텐센트 ARC 랩과 홍콩대학교 연구진이 협력해 공개한 멀티플레이어 인터랙티브 월드 모델이다. 동일한 가상 공간 속에서 여러 플레이어가 상호작용하는 환경을 시뮬레이션하며, 모든 캐릭터의 동작과 주변 물리 환경을 동기화한 채 플레이어마다 독립적인 카메라 시점 영상을 생성해 낸다.

지니 3(Genie 3)나 훈위안 월드(Hunyuan World) 같은 기존 월드 모델은 주로 1인칭 시점의 단일 플레이어 제어에 머물러 있었다. 여러 이용자가 한 화면에서 부딪치고 교류하는 멀티플레이 시스템을 생성형 AI로 구현하기 어려웠던 문제를 Multix가 정면으로 돌파한 셈이다.

10인 상호작용을 가능하게 만든 방식

다수의 플레이어를 동시에 시뮬레이션할 때 가장 큰 걸림돌은 연산량 폭증이다. 프레임마다 모든 플레이어의 상태를 전역 어텐션으로 연결하면 GPU 메모리가 버텨내지 못한다.

연구진은 이를 해결하기 위해 '계층형 통신' 구조를 고안했다. 전체 상호작용을 플레이어 단계, 그룹 단계, 글로벌 단계의 3단계로 나누고, 플레이어들의 최근 위치 좌표와 시선 각도에 맞춰 동적으로 그룹을 묶는다. 서로 직접적인 영향을 주고받는 대상끼리만 정보를 선택적으로 교환해 어텐션 연산 비용을 86% 이상 덜어냈다.

놀라운 점은 일반화 능력이다. 모델 학습에는 오직 4인 플레이어 데이터셋만 쓰였지만, 공유 그룹 토큰 파라미터 구조 덕분에 별도의 추가 학습 없이도 6인, 8인, 최대 10인 상호작용까지 곧바로 확장된다.

로컬에서 구동하는 방법

코드는 Apache-2.0 라이선스로 오픈소스로 풀렸으며, 논문과 추론·학습 코드는 물론 가중치 파일까지 깃허브와 허깅페이스에 모두 공개되어 있다.

기본 추론 번들의 크기는 약 16GB로 비교적 가볍다. 비디오 생성 백본인 Wan2.2(Wan2.2-TI2V-5B)와 DiffSynth-Studio를 기반으로 구축되었으며, 오픈소스 OpenCS2 데이터셋을 적극 활용했다.

로컬 테스트를 진행하려면 리눅스 환경과 엔비디아 GPU, 파이썬 3.12, CUDA 12.8 툴킷이 필요하다. 단일 GPU에서 BF16 기준으로 구동 시 각 플레이어 시점마다 640 × 352 해상도, 165프레임, 50단계 샘플링 조건으로 영상이 생성된다. 4인에서 10인으로 플레이어가 늘어나도 VRAM 사용량은 거의 선형적으로만 증가한다.

왜 중요한가

생성형 월드 모델의 연구 축이 단순한 1인칭 영상 생성을 넘어 '분산 네트워크 게임 엔진' 영역으로 넘어오기 시작했다. 멀티 에이전트 가상 환경을 구축해야 하는 로보틱스 연구자나 차세대 게임 프로토타입을 구상하는 개발자라면 당장 깃허브 코드를 열어볼 가치가 충분하다.

물론 640 × 352 수준의 낮은 해상도와 디퓨전 특유의 생성 딜레이 때문에 실시간 게임으로 바로 쓰기엔 무리가 있다. 하지만 4인 학습 가중치만으로 10인 동기화를 거뜬히 해내고 연산량을 86% 줄인 기술적 해법은 향후 뉴럴 게임 엔진 발전의 확실한 이정표가 될 것으로 보인다.