Ця стаття представляє WorldPlay, потокову модель дифузії відео, яка дозволяє моделювати світ у реальному часі з довгостроковою геометричною узгодженістю. Вона вирішує компроміс між швидкістю та пам'яттю за допомогою таких інновацій, як подвійне представлення дії, відновлена контекстна пам'ять та примусовий контекст, генеруючи потокове відео 720p з довгим горизонтом зі швидкістю 24 FPS з чудовою узгодженістю та сильною узагальненістю в різних сценах.