大家好，我是冷逸，你們的測評手替又上線了。

今天，我想和大家聊一款昨晚剛剛發(fā)布的Real-time World Model——PixVerse R1。

我深度體驗(yàn)了一番，這個模型還真的有點(diǎn)不太一樣。

它不是一款“生成得更快”的視頻模型（盡管速度上PixVerse早已沒有對手），而是從根本上改變了視頻的生成方式和交互邏輯。

給大家看個case，你就明白了。

初始畫面：一個人在冰雪世界中行走。

你可以馬上命令，讓她跑得更快點(diǎn)。

也可以讓畫面中出現(xiàn)龍卷風(fēng)（別問為什么雪山上能見到龍卷風(fēng)，就沒有AI辦不到的事情）。

整個過程非常絲滑、連貫。你的Prompt會立刻作用于畫面本身，實(shí)時改變視頻狀態(tài)，生成一個持續(xù)演化的視覺世界。

完整演示錄屏我放在這里了，一幀未剪。

這和以往的AI視頻生成模式完全不同：

以往的AI視頻：輸入Prompt → 等待生成 → 得到一個固定的視頻文件。

而PixVerse R1讓視頻不再是一次性生成的“結(jié)果”，而是一個可實(shí)時干預(yù)、持續(xù)演化的視覺世界。

一手體驗(yàn)

昨晚模型上線后，我深度玩了玩，給大家說下我的使用體驗(yàn)。

體驗(yàn)地址是realtime.pixverse.ai，首次打開你會看到這樣的提示：

Visualize Your World in Real-time,Powered by PixVerse R1. 通過PixVerse R1，實(shí)時生成你的世界。

點(diǎn)擊「Start」，進(jìn)入創(chuàng)作頁面，可以自建主題或選擇推薦主題。

我們選擇一個「War Thunder」主題。

隨后進(jìn)入創(chuàng)作界面。

這時候你會發(fā)現(xiàn)，它和所有傳統(tǒng)AI視頻工具的界面都不一樣：

• 中央畫面區(qū)域始終在實(shí)時生成、流式播放

• 右上角是倒計(jì)時

• 下方是你的Prompt輸入?yún)^(qū)（支持語音）

你輸入的每一句指令，都會立刻作用在當(dāng)前世界上。

我錄制了一段操作過程，大家可以直觀感受下。

這種體驗(yàn)非常新鮮。

它不像傳統(tǒng)AI視頻：發(fā)一句Prompt，等一會兒，拿到一個鏡頭；

也不像3D模型：先生成一個靜態(tài)世界，再讓你進(jìn)入；

更不像游戲：把一個“提前造好的世界”裝進(jìn)盒子里讓你游玩。

PixVerse-R1是在“邊想，邊造世界”。

世界不是預(yù)制的，而是現(xiàn)炒的。一手，鮮活，且充滿無限可能。

所以說實(shí)話，我剛開始體驗(yàn)PixVerse R1，也沒法立刻給它下一個準(zhǔn)確的定義。但有一點(diǎn)我很確定，它不是現(xiàn)有任何一種媒體形態(tài)的簡單延伸。

它更像是一個全新的物種。

一個可能會引領(lǐng)未來AI生成世界的全新媒介。

特別值得一提的是，它也支持語音輸入。

大家都知道，鍵盤打字的速度，很難跟上實(shí)時生成的視頻世界。一旦世界開始“跑起來”，語音輸入的優(yōu)勢就非常明顯。

你可以用PixVerse內(nèi)置的語音工具，也可以用第三方語音輸入。我同樣錄了一個演示視頻。

目前這一版PixVerse R1，單次創(chuàng)作最長支持5分鐘。

但我覺得，這一定不是它的終點(diǎn)。

未來或許會實(shí)現(xiàn)無限時長，屆時限制它的只能是我們的想象力。

當(dāng)然，如果單純看畫面質(zhì)量，比如清晰度、物理細(xì)節(jié)、鏡頭精度等，它還不及PixVerse原始模型的效果，不像大家熟悉的AI視頻的質(zhì)感。

但PixVerse R1開啟的，是一種全新的交互范式：

Real-time、Playable Reality

在這里，用戶不再只是使用者，而更像是一個共創(chuàng)者，甚至是世界的一部分。

你不是在“生成視頻”，而是在和一個平行世界持續(xù)對話。

它不是AI視頻，不是游戲，不是直播，也不是虛擬世界，而是一種可以被“玩”的視頻現(xiàn)實(shí)（Playable Reality）。

從這角度看，我感覺：PixVerse R1給整個行業(yè)扔下了一枚不太容易被立刻理解的炸彈。

這也是為什么，這個Real-time World Model會被命名為PixVerse R1。

技術(shù)拆解

在模型發(fā)布的同時，PixVerse也公開了他們的技術(shù)論文：

《PixVerse-R1: Next-Generation Real-Time World Model》。

核心目標(biāo)只有一個：把視頻生成，從“離線片段”，變成“連續(xù)、可交互、實(shí)時響應(yīng)的視覺流”。

怎么做到的呢？簡單來說由三部分構(gòu)成：

Omni基座模型 + 無限流式生成架構(gòu) + 實(shí)時生成引擎

首先是Omni基座模型。

這是一個端到端的原生多模態(tài)模型，把文本、圖像、視頻、音頻統(tǒng)一成連續(xù)的token流。

在訓(xùn)練階段，它學(xué)習(xí)了大量真實(shí)世界的視頻數(shù)據(jù)，因此具備生成復(fù)雜、長時間一致場景的能力——也就是我們直觀感受到的“世界感”。

初始畫面：一位士兵趴在雪地里，用望遠(yuǎn)鏡觀察前方。

一只烏鴉飛過。（綠色部分為提示詞）

巡邏隊(duì)發(fā)現(xiàn)了士兵。他開始拼命逃跑。

他跌倒在坦克旁邊。

飛機(jī)對坦克實(shí)施轟炸。

整個鏡頭銜接非常自然，且遵循物理規(guī)律。完整的demo，我放在這里了。

第二個關(guān)鍵點(diǎn)，是生成機(jī)制。

PixVerse R1采用的是自回歸生成，而非傳統(tǒng)擴(kuò)散模型那種“先算完整片段”的方式。

這意味著，它可以持續(xù)生成、無限延展視覺流，而不是只能吐出一個固定長度的視頻。

最后，也是PixVerse的傳統(tǒng)強(qiáng)項(xiàng)——速度。

在PixVerse R1中，他們重新設(shè)計(jì)了實(shí)時生成引擎，把傳統(tǒng)視頻生成中動輒幾十步的采樣過程，壓縮到了1–4步。

所以，我們能看到近乎實(shí)時響應(yīng)的畫面變化。

整個體驗(yàn)下來，我的感覺是：PixVerse R1讓實(shí)時、長時序的AI生成世界第一次變得可行。

這不僅是視頻媒介的一次演進(jìn)，更是一次從「生成內(nèi)容」走向「生成世界」的躍遷。

它的意義在于，把「世界模型」從離線想象，推進(jìn)到了實(shí)時生成、即時響應(yīng)、長時一致的階段。

每一次用戶輸入，不只是剪輯點(diǎn)，而是一次對世界狀態(tài)的干預(yù)；每一幀畫面，也不只是結(jié)果，而是下一步推理的上下文。

一旦這樣的世界可以被反復(fù)運(yùn)行、被規(guī)?；{(diào)用、被Agent接管，游戲、仿真、訓(xùn)練、創(chuàng)作，甚至現(xiàn)實(shí)決策的預(yù)演，都會在同一條技術(shù)線上融合。

所以，這并不是“視頻生成更快了”。

而是：AI，第一次開始擁有一個可以長期存在的世界。