实时世界模型PixVerse R2走红 用户可实时操控剧情走向

从“看视频”到“操控世界”，一款实时世界模型近日在海外走红。9月22日上线当天，爱诗科技（AIsphere）最新发布的实时世界模型PixVerse R2登上X（Twitter）趋势榜第二。有海外网友认为，这标志着AI生成从“创作视频”转向“与AI世界互动”，不像是看视频，更像是身临其境。

在PixVerse R2创造的世界中，用户可以移动、说话、做出选择。每一个提示词、每一个动作，都会实时改变眼前场景，甚至让剧情走向不同方向。此前AI生成大多以一次性交付为终点，而实时世界模型探索的是让历史状态、当前输入与后续生成形成连续因果链，使AI创造的世界可以被进入、持续操控和改变。

今年1月，爱诗科技发布PixVerse R1通用实时世界模型，首次证明实时、连续、可交互的音视频生成可以成立；R2则进一步处理这个实时生成的世界，让用户可以在其中移动、探索，并通过不同行为改变环境和后续发展。

实机演示中，用户可通过WASD键在草原越野世界完成加速、转向、爬坡，还能召唤雄鹰、让彩虹出现甚至点燃车辆；在逃离战区世界，人物可自由移动，输入指令后可做出庆祝动作、召唤闪电；在《草原奥德赛》中，人物能长出翅膀飞行并打开降落伞；在互动影游《零印法师》中，用户可用自然语言输入“变小狗”，主角随即释放魔法将Boss变成金毛。整个过程中无需退出场景或等待渲染，操作与世界变化基本连续发生。

这些体验体现三层交互：WASD控制角色体现实时响应；自然语言改变世界体现指令理解和动态生成；进入互动影游则考验AI能否把交互、剧情、音效和世界状态串在一起。用户从“看视频的人”变成世界参与者。

但问题也随之出现：当用户持续介入AI生成的世界，模型不仅要生成快，还要记住已发生的事、理解用户行为，并让世界稳定运行。8月23日，爱诗科技发布PixVerse R2技术报告，用Omni Causal AR持续扩展世界建模能力，Real-Time Acceleration将能力带入实时运行区间。R2需具备四个核心能力：长程一致性、多模态控制、因果响应和状态保持。

实时世界模型既要提升能力，又要满足实时交互，两者天然矛盾。R2的思路是把“模型能力”和“实时运行”拆开解决，再放回同一套训练和推理路径。Omni Causal AR将文字、参考图像、音频、动作等统一纳入世界建模，让当前世界状态成为下一步生成依据；Real-Time Acceleration则把推理加速接入实时运行。同一套Omni Causal AR既作为蒸馏Teacher，也作为学生模型初始化基础，让实时模型沿原本世界建模能力继续演化。

R2将Scaling拆分为模型、数据、任务、控制信号、时间尺度五个维度：模型规模决定能力上限，数据和任务决定覆盖范围，控制信号决定用户介入方式，时间尺度决定模型能否在更长时间里保持世界状态并持续演化。R2探索的是一条从能力提升、实时加速到持续Scaling的路径。