该模型的核心是一个帧因果矫正流Transformer（frame-causal rectified flow transformer），从头开始训练，重点关注交互式体验。这实现了无缝且无延迟的交互，用户可以用鼠标自由移动摄像机并输入键盘上的任何按键。每一帧的生成都以用户的控制作为上下文，提供逼真和沉浸式的体验。
Waypoint-1是Overworld平台的一部分，该平台包括用于交互式世界模型流的WorldEngine推理库。WorldEngine为纯Python中构建推理应用提供了核心工具，针对低延迟、高吞吐量、可扩展性和开发者简便性进行了优化。该库保持高性能，在4步时达到30 FPS，在2步时达到60 FPS，使其适用于实时交互式应用。
