實時世界模型竟然能這麼玩？PixVerse R2登上Twitter熱榜

（公眾號：zhidxcom） 作者 | 畢偉豪 編輯｜漠影 近日，一款實時世界模型在海外走紅，9月22日上線當天就登上了X（Twitter）趨勢榜第二。它為什麼會引發這麼大的關注？有海外網友認為，這款模型帶來的變化，是讓AI生成從“創作視頻”轉向“與AI世界互動”。還有網友稱讚這不像是看視頻，更像是身臨其境。這就是愛詩科技（AIsphere）最新發布的實時世界模型——PixVerse R2所呈現的效果，在PixVerse R2創造的世界中，用戶可以移動、說話，做出選擇。用戶輸入的每一個提示詞、做出的每一個動作，都會實時改變眼前的場景，甚至讓劇情走向不同的方向。

回過頭來看，AI誕生以來，世界最直觀的變化，是內容產生變得更快了，用戶輸入提示詞，就能得到一篇文章、一段代碼、一張圖片或者一條視頻。此前的生成大多以一次性交付為終點：提示詞觸發一段內容，生成結束，這次過程也隨之關閉。如何讓歷史狀態、當前輸入與後續生成形成連續的因果鏈，讓AI創造的是一個可以被進入、被持續操控和改變的世界，正是實時世界模型探索的重要方向。這也是愛詩科技（AIsphere）正在探索的方向。今年1月，愛詩科技發佈PixVerse R1通用實時世界模型，開始讓用戶進入AI實時生成的世界。與傳統視頻生成不同，用戶可以在生成過程中持續輸入指令、改變行動，模型也會隨之更新眼前的場景。

PixVerse R1首先證明了實時、連續、可交互的音視頻生成可以成立；R2則進一步處理這個實時生成的世界，讓用戶可以在其中移動、探索，也可以通過不同的行為改變眼前的環境和後續發展。R2的正式上線，也讓實時世界模型又一次進入大眾視野並引起熱議。▲PixVerse R2上線當天登上X（Twitter）趨勢榜 接下來，讓我們看一些真實的畫面。一、PixVerse R2實機演示：從看視頻到進入世界 進入PixVerse World後，我最先體驗的是一個草原越野的世界。我開著車在草原上馳騁，只需要通過WASD鍵，就能完成加速、轉向、爬坡等操作。

更有意思的是，操作並不侷限於移動，我還可以隨時給這個世界“加東西”，比如召喚一隻雄鷹站到車上、讓彩虹出現在指定位置，甚至直接把車點燃。這裡真正吸引人的，其實是輸入之後的反饋速度。整個過程中，我不需要退出場景、重新生成，也不用等待一段視頻渲染完成，操作和世界變化基本是連續發生的。進入逃離戰區這個世界以後，我發現不僅人物可以自由移動，輸入指令後還可以做出成功撤離的慶祝動作、召喚閃電或者身上發出代表勝利的金光。只不過這一次，背後不是遊戲開發者預先寫好的資源，是AI在即時響應。而且人物在跑動的時候，持槍姿勢也很專業，跳躍和轉向都很流暢，可以一邊移動一邊改變方向，整個過程不會因為一次操作就把交互打斷。

《草原奧德賽》這個世界也非常有趣，輸入提示詞後，我操控的人物身上直接長出翅膀飛起來了，覺得飛太高還能打開降落傘。整個世界的畫面隨著我不斷輸入提示詞，一直在發生各種各樣的變化。輸入指令後，世界很快就會給出反饋，不會出現傳統生成式產品裡那種“輸入一句話，然後盯著進度條等結果”的割裂感。這是互動影遊《零印法師》，我是真的“玩嗨了”，這個世界本身有比較完整的劇情線：主角從一個沒有法力的“零印”起步，隨著劇情推進簽訂契約、獲得能力，再一路完成逆襲。最主要的是，AI生成世界和劇情並沒有彼此割裂，在體驗過程中，我可以不斷輸入提示詞來操控世界。

比如在打前期一個小Boss的時候，我直接輸入一個“變小狗”的提示詞，下一刻，主角就釋放了一個魔法把Boss變成了一隻金毛。這種體驗和傳統互動遊戲最大的不同就在這裡：玩家不再只能從開發者預先設計好的幾個技能、幾個選項裡做選擇，而是可以直接用自然語言向世界提出要求。從這裡也能看出，PixVerse R2在前端和產品化的一些探索，不僅僅停留在WASD的控制上，還可以承載電影級別的畫質、音效以及有深度的劇情。

從這些案例中，我體驗到的其實是三層不同的交互： WASD控制角色，體現的是實時響應；自然語言改變世界，體現的是指令理解和動態生成；進入互動影遊，則進一步考驗AI能不能把交互、劇情、音效和世界狀態串在一起。這也讓PixVerse R2創造的世界，開始和傳統視頻生成拉開距離。它的目標，是讓用戶能夠持續介入其中，換句話說，用戶從“看視頻的人”，開始變成了這個世界裡的參與者。而問題也隨之出現：當用戶不再只是觀看，而是持續介入一個AI生成的世界時，模型真正需要解決的，就不只是生成速度，還需要記住已經發生的事情並且理解用戶在做什麼，然後讓這個世界穩定運行下去。

二、從R1到R2，真正困難的不是生成世界，是讓世界一直運行下去 關於上面這個問題，愛詩科技已經探尋了很久。2026年1月，愛詩科技推出PixVerse R1通用實時世界模型。和傳統視頻生成一次性輸出一段固定內容不同，R1嘗試讓用戶持續輸入指令、改變動作，模型則實時更新世界狀態，並連續生成音視頻。視頻生成也從確定的結果，變成一個能隨著用戶輸入持續變化的過程。此後半年，愛詩科技繼續沿著實時、交互、世界演化這條線擴展，陸續加入個性化Avatar、Shared Worlds與多人共同輸入。

同時，通過PixVerse Game Engine把實時世界模型與Agent、遊戲機制連接起來，讓目標、規則和狀態變化為實時生成的畫面。8月23日，愛詩科技發佈PixVerse R2技術報告，用Omni Causal AR持續擴展世界建模能力，Real-Time Acceleration則把這些能力帶進實時運行區間。PixVerse R2要解答的問題是：如果AI生成的是一個能夠被用戶持續干預的世界，這個世界究竟要具備什麼能力？

要讓一個AI生成的世界持續運行，模型首先得看懂用戶在做什麼，理解用戶的動作、意圖以及對環境產生的改變； 其次要記住世界發生過什麼，讓前面的交互能夠延續到後面，而不是每次都從頭開始； 同時還要維持世界的一致性，讓畫面、主體和空間關係在長時間運行後依然穩定；最後，還要及時響應用戶的下一步動作，讓世界能夠跟著用戶持續變化。上述要求，對應到PixVerse R2的技術報告中，體現為四個核心能力：長程一致性、多模態控制、因果響應和狀態保持。模型既要理解用戶的文字、語音和動作，又要讓這些輸入真正改變後續世界；既要接住前面發生的事情，又要保證世界運行得越久，角色、場景和空間關係不會逐漸失真。

這些要求放到一個實時世界裡，並不是彼此獨立的。模型理解得越深、需要保持的狀態越多、生成的時間跨度越長，背後需要處理的信息和計算量也會隨之增加，但實時交互又要求模型必須及時給出下一步結果。用戶對下一步變化的預期是就在下一秒發生，模型沒有太多時間把計算慢慢“算完”。於是，一個非常關鍵的問題出現了：如果實時世界模型既要保持實時輸出，又要不斷增強模型能力，它能不能像大模型一樣，找到一條持續Scaling的路徑？三、PixVerse R2，把能力上限和實時運行放進同一條路 事實上，實時世界模型既要不斷提升能力，又要滿足實時交互，這兩個目標天然存在矛盾。

PixVerse R2給出的思路，是把“模型能力”和“實時運行”拆開解決，再把兩者重新放進同一套訓練和推理路徑。具體而言，PixVerse R2通過Omni Causal AR將文字、參考圖像、音頻、動作等不同信號統一納入世界建模，讓模型進一步理解空間、時間以及用戶行為之間的關係，具備持續理解、生成和演化一個世界的基礎。其中最關鍵的是“Causal AR”，讓模型沿著時間持續推進世界，當前的世界狀態會成為下一步生成的依據，由此世界也就可以持續往下發展。Omni Causal AR解決的是實時世界模型的能力上限問題，但模型能力足夠強，並不意味著它就能實時運行。

對於實時世界來說，用戶不會願意去等待模型慢慢生成下一段內容。因此，R2又單獨做了一套Real-Time Acceleration框架，把推理加速等環節接入實時運行過程。這裡一個比較重要的設計是，同一套Omni Causal AR既作為蒸餾Teacher，也作為學生模型的初始化基礎，讓實時模型沿著原本的世界建模能力繼續演化，而不是重新從頭訓練一個只追求速度的模型。這樣一來，R2形成了兩個彼此銜接的核心層次：Omni Causal AR負責持續擴展世界模型的能力上限，Real-Time Acceleration負責將這些能力帶入實時、可交互的運行區間。

技術報告也將兩者概括為一條演進路徑：持續擴大世界模型的能力，再將這些能力穩定加速到實時運行。這條路徑並只對應R2的升級，它是愛詩科技對於實時世界模型Scaling方式的技術回答。PixVerse R2通過Omni Causal AR和Real-Time Acceleration的組合，將實時世界模型的能力擴展與實時運行連接起來。更重要的是，R2並沒有把Scaling簡單理解為擴大規模，而是將實時世界模型的擴展拆分為模型、數據、任務、控制信號、時間尺度五個維度。

這五個維度並不是彼此獨立的，模型規模決定能力上限，數據和任務決定模型能夠覆蓋的世界範圍，控制信號決定用戶能夠通過多少種方式介入世界，時間尺度則決定模型能否在更長時間裡保持世界狀態並持續演化。從這個角度看，R2探索的是一條從能力提升、實時加速到持續Scaling的路徑：讓這些維度能夠沿著同一套訓練路徑繼續擴展，並最終轉化為實時世界模型的能力增長。結語：從“生成一段視頻”到“創造一個世界” 從文章、代碼、圖片到視頻，生成式AI過去解決的，更多是“給我一個結果”，通用模型正在改變這個狀態。

當模型能夠理解用戶行為，並根據已經發生的狀態繼續生成，AI交付的就不再是一段固定內容，而是一個可以被進入、被操控、不斷變化的世界。PixVerse R2探索的，正是從“生成內容”到“生成世界”的演變過程。遊戲之外，互動影視、虛擬角色、教育培訓、工業仿真等場景，同樣存在大量需要根據用戶行為實時變化的內容。過去，這些變化需要提前設計和製作；未來，其中一部分可能在用戶真正進入之後才發生。這或許才是通用實時世界模型真正打開的空間——讓AI負責一個世界的誕生和運轉。