WorldTUI让AI假扮Linux终端：输入命令它靠演，模型仅208MB
WorldTUI：有人专门训练小模型"演"终端，你敲命令它假装执行
有一款终端看着再普通不过，ls、cd、mkdir 都能接，Vim 能打开编辑文件，Python 能跑起来，tmux 多窗口也能拉起来，跟真实环境几乎看不出差别。可真相挺荒诞：背后没有 Linux，没有文件系统，一条命令也没真正执行过，屏幕上的一切全是 AI 当场编的。这个项目叫 WorldTUI，它干的核心一件事，就是训练模型学会"演戏"。
开发者 Simon Edwardsson 拿 Qwen2.5-Coder-0.5B 打底，训出的小模型约3.6亿参数、体量716MB，再经 int4量化压到208MB，本地跑起来很轻松。它的运转逻辑很纯粹:AI 不执行任何程序，只是根据你敲下的命令，去预测终端下一步该显示什么画面。你让它建文件，它就假装建了;你让它读文件，它努力回忆自己刚才往里头写了啥;你打开 Vim，它就切换成 Vim 的角色往下接;连 Python 解释器和 tmux 多窗口，它都能演得像模像样。只要演得够像，你就很难发现破绽。
更让人意外的是它还有记忆。用它配合 Vim 写进文件的文字，隔一会儿重新打开仍在，原因在于这些信息被存进了上下文。可只要新开一个终端会话，记忆立刻清空。说穿了，从头到尾并没有真正的文件写入磁盘。
这套逼真的反应并非天生，背后是扎实的训练。做法是先搭建一个真实的 Linux 终端，在 Docker 容器中运行 Bash、Vim、Python、tmux，用户名、目录、文件以及操作任务全部随机生成；随后用脚本模仿人的操作方式，逐个字符敲入命令，还刻意加入1.2% 的打字错误，同时把每按一次键后屏幕的真实变化完整记录。凭借这一方式，开发者累计攒下33.6万段操作记录、约20亿 Token 的数据，拿去微调那个0.5B 的小模型，使它学会依据按键和历史画面推测下一步该呈现什么。一旦模型预测有误，就用真实终端的运行结果制成纠错样本，训练它自行圆场，降低连续操作中露出破绽的概率。最终借助并行预测终端不同行、压缩词表、4-bit 量化等手段，把模型压缩到约208MB，训练全程75小时，全部跑在一张 NVIDIA RTX4090上。
当然，它迟早会穿帮。遇到复杂命令，执行结果往往一团糟，文件内容可能毫无征兆地变样，算出来的结果也未必可信，毕竟那些程序它一次都没有真正运行过。对普通用户而言，这东西实用价值不大，却是个难得的参照：沿着同样的路子，让模型观察真实软件如何被操作，再训练它模仿软件的行为。开发者说会尽快公开模型权重、开放下载；眼下想在线体验，需要下载约208MB 的模型，最好用桌面浏览器打开。最后提醒一句，它自始至终都是假的，别太当真。
