WorldTUI：把 360M 小模型训练成「假装是终端」的世界模型

开发者 simedw 在 Qwen2.5-Coder-0.5B 上微调出 WorldTUI：背后没有真实 shell 或文件系统，模型根据当前屏幕和每次按键预测屏幕如何变化，能运行 vim、tmux、Python，并常常记得之前写入的文件内容。演示在浏览器里用 WebGPU 本地运行，在 HN 上获得近 600 分。

要点

• 把 151,936 个 token 的词表裁到 333 个，模型从约 494M 降到约 360M 参数，int4 量化后浏览器下载 208 MB
• 训练数据是在 Docker 里录制的终端会话加合成会话，共 336k 个片段、约 2B token；输出只写需要重绘的行
• 用 DAgger 式自我纠错修复模型自己的错误，三轮后 PresetBench 从 24/47 提升到 38/47
• ShellBench 得分 80/106，高于直接提示 Qwen3-0.6B 的 60；作者说明它不是可靠的文件系统，权重尚未发布

来源

### [WorldTUI：把 360M 小模型训练成「假装是终端」的世界模型]({{URL}})

开发者 simedw 在 Qwen2.5-Coder-0.5B 上微调出 WorldTUI：背后没有真实 shell 或文件系统，模型根据当前屏幕和每次按键预测屏幕如何变化，能运行 vim、tmux、Python，并常常记得之前写入的文件内容。演示在浏览器里用 WebGPU 本地运行，在 HN 上获得近 600 分。

- 把 151,936 个 token 的词表裁到 333 个，模型从约 494M 降到约 360M 参数，int4 量化后浏览器下载 208 MB
- 训练数据是在 Docker 里录制的终端会话加合成会话，共 336k 个片段、约 2B token；输出只写需要重绘的行
- 用 DAgger 式自我纠错修复模型自己的错误，三轮后 PresetBench 从 24/47 提升到 38/47
- ShellBench 得分 80/106，高于直接提示 Qwen3-0.6B 的 60；作者说明它不是可靠的文件系统，权重尚未发布

**为什么值得关注**：这是一份完整的小模型定制案例：裁词表、设计增量输出格式、用模型自身错误做纠错数据、并行解码提速，这些做法可迁移到其他结构化输出的小模型任务上。

来源：[WorldTUI: I trained a 360M model to pretend to be a terminal](https://simedw.com/2026/10/21/world-model-terminal/)；[HN discussion](https://news.ycombinator.com/item?id=50190363)