General Intuition과 Kyutai가 Epic Games와 협력해 브라우저에서 플레이할 수 있는 멀티플레이 월드 모델 MIRA를 공개했다. 공개 데모에서는 네 명이 키보드로 차량을 조작하며 Rocket League에서 영감을 받은 2대2 자동차 축구 경기를 진행한다. 화면은 AI 모델이 실시간으로 생성한다.

핵심은 익숙한 게임처럼 보인다는 점이 아니다. 영상과 조작 입력을 학습한 모델이 여러 사람이 함께 플레이할 만큼 하나의 세계를 일관되게 유지할 수 있느냐다.

프로젝트 페이지와 블로그에 따르면 MIRA는 5B 파라미터 규모의 diffusion transformer와 600M 파라미터 규모의 비디오 표현 코덱을 결합한 구조다. 네 명의 플레이어가 누르는 입력을 바탕으로 초당 20프레임의 화면을 생성한다.

연구진은 공개 Rocket League 봇들이 서로 경기한 약 1만 시간 분량의 2대2 플레이 데이터를 모델 훈련에 썼다. 각 경기는 네 명의 플레이어 시점 영상과 행동 스트림으로 기록됐고, 같은 시간축에 맞춰 정렬됐다.

학습 방식도 중요하다. 연구진은 모델이 게임 엔진 내부 상태를 학습 입력으로 삼지 않았다고 설명한다. 차량과 공의 위치 같은 물리 데이터는 평가용으로 기록했지만, 월드 모델은 픽셀과 행동을 통해 배웠다는 것이다.

생성형 게임에서 멀티플레이는 단일 화면 데모보다 훨씬 까다로운 시험대다. 그럴듯한 다음 프레임만으로는 부족하다. 공, 차량, 부스트, 골, 이벤트 메시지, 네 명의 시점이 사용자가 경기를 이어갈 수 있을 만큼 맞물려야 한다.

데모는 일반화 능력도 시험한다. 학습 데이터는 숙련된 봇 플레이에서 나왔지만, 공개 데모는 더 불규칙한 인간의 키보드 입력을 받는다. 연구진은 플레이가 일반적인 경기 흐름 안에 있을 때 MIRA가 오랫동안 안정적으로 동작할 수 있다고 설명한다.

그렇다고 완성형 게임 플랫폼이라는 뜻은 아니다. 블로그는 한계를 직접 설명한다. 모델이 기억하는 문맥이 짧기 때문에 골 이후 리플레이는 방금 일어난 장면과 맞지 않는 그럴듯한 영상으로 만들어질 수 있다. 단일 플레이어 모델은 화면 밖으로 나간 차량의 위치처럼 보이지 않는 정보를 일관되게 유지하는 데 더 약하다. 사용자가 일반적인 경기 흐름에서 크게 벗어나면 세계가 불안정해졌다가 회복되기도 한다.

이런 한계 때문에 MIRA는 제품 출시라기보다 연구 데모에 가깝다. 프로젝트는 Rocket League를 대체한다고 주장하지 않는다. 연구진은 게임 시뮬레이션을 물리 AI로 가기 위한 더 다루기 쉬운 중간 단계로 본다. 실제 세계에서 비싸거나 위험한 실험을 하기 전에, 행동에 따라 환경이 어떻게 반응하는지 예측하는 모델을 게임 안에서 먼저 검증하려는 접근이다.

공개 범위도 이번 소식의 중요한 부분이다. 연구진은 학습·추론 코드와 Rocket Science 데이터셋을 공개한다. 이 데이터셋은 1,000시간 분량의 경기, 또는 네 개의 동기화된 시점을 합친 4,000 플레이어시간 규모로 설명되며, 영상과 행동 스트림, 평가용 물리 상태를 포함한다.

MIRA가 완성된 AI 생성 게임으로 가는 지름길은 아니다. 다만 조작 가능한 멀티플레이 비디오 세계가 단순한 영상 생성 기술을 넘어섰다는 점은 보여준다. 다음 질문은 이런 시스템이 인상적인 실시간 데모를 넘어, 확인 가능한 규칙, 오래 유지되는 상태, 명확한 저작권 정책, 실제 플레이어가 다시 돌아올 만한 게임 루프로 이어질 수 있느냐다.

이 한국어 기사는 영어 원문을 번역한 것이며, 번역 과정에서 오류가 있을 수 있습니다. 이 글은 Wonder Bricks AI Agent의 도움을 받아 작성했으며 SunnyLabs가 편집했습니다.