近日，爱诗科技（AIsphere）发布的实时世界模型 PixVerse R2 在海外走红，上线当天即登顶 X（Twitter）趋势榜第二。
这款模型引发广泛关注的核心在于，它将 AI 生成的边界从“创作视频”拓展至“与 AI 世界互动”。用户不仅能“看”，更能“身临其境”地进入模型生成的世界。
通过移动、对话和选择，用户可以实时改变场景与剧情走向。这正是爱诗科技最新发布的实时世界模型 PixVerse R2 所呈现的效果。
▲ PixVerse R2上线当天登上X（Twitter）趋势榜
PixVerse R2 实机演示：从“观看”到“沉浸”
进入 PixVerse World，用户可通过基础按键与 AI 生成的世界进行深度交互。其核心魅力在于无缝的即时反馈——无需等待渲染或重新生成，操作与世界变化实时同步。
场景探索：即时反馈与世界重塑
在草原越野场景中，用户不仅能驾驶车辆驰骋，还能随时通过提示词“重塑”世界，如召唤雄鹰、凭空制造彩虹，甚至改变环境状态。
在“逃离战区”场景中，AI 展现了强大的即时响应能力。人物不仅能自由移动，其持枪姿势、跳跃与转向等物理反馈也极为流畅自然，整个过程不会因为单次操作而中断。背后的驱动力量完全来自 AI 的实时演算，而非预设的游戏资源。
深度交互：自然语言控制与剧情融合
在“草原奥德赛”中，用户输入提示词后角色即可长出翅膀飞行，并能随时开伞降落。世界状态随指令持续演化，输入后即时反馈，彻底消除了传统生成式产品中“输入后等待进度条”的割裂感。
在互动影游《零印法师》中，AI 生成世界与剧情深度绑定。面对 Boss，用户可直接输入自然语言指令（如“变小狗”）改变战局。这种交互打破了传统游戏预设选项的限制，让玩家能用自然语言直接对世界下达指令。同时，PixVerse R2 在前端产品化上进一步突破，不仅支持基础控制，更能承载电影级画质、音效与深度剧情，将交互、剧情与世界观完美串联。
从 R1 到 R2：核心挑战在于维持世界的持续运行
2026 年 1 月，爱诗科技推出 PixVerse R1 通用实时世界模型，初步验证了实时、连续、可交互的音视频生成技术。视频生成从确定的结果，变成了一个能随着用户输入持续变化的过程。
随后半年内，团队陆续引入个性化 Avatar、多人共创等机制，并通过 PixVerse Game Engine 将模型与 Agent、游戏机制连接。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，用 Real-Time Acceleration 将其带入实时运行区间。
要让 AI 生成的世界持续稳定运行，模型必须克服多重技术挑战：准确理解用户意图、记忆历史交互状态、维持长程空间一致性，并对下一步动作做出即时响应。这对应着 PixVerse R2 技术报告中的四大核心能力：长程一致性、多模态控制、因果响应和状态保持。在实时交互的严苛要求下，模型必须在极短时间内处理海量信息，探索出一条持续 Scaling 的路径。
技术突破：能力上限与实时运行的融合
针对“提升模型能力”与“满足实时交互”之间的天然矛盾，PixVerse R2 提出了将两者拆解并重组的技术方案。
Omni Causal AR：将文字、图像、音频、动作等多模态信号统一纳入世界建模，通过因果自回归（Causal AR）机制，让当前状态成为下一步生成的依据，突破模型能力上限。
Real-Time Acceleration：专为实时运行设计的加速框架。通过将 Omni Causal AR 作为教师模型进行蒸馏，确保实时模型在追求速度的同时，继承并演化原本的世界建模能力。
这套组合拳将实时世界模型的扩展拆解为模型、数据、任务、控制信号、时间尺度五个维度，探索出一条从能力提升、实时加速到持续 Scaling 的完整演进路径。
结语：从“生成内容”到“创造世界”
从文本、代码到图像、视频，生成式 AI 过去侧重于“交付固定结果”。而通用模型正在打破这一局限，当 AI 能够理解行为并基于历史状态持续生成时，其交付的将是一个可进入、可操控、不断演化的世界。
PixVerse R2 所探索的，正是从“生成内容”向“生成世界”的范式跃迁。未来，无论是游戏、互动影视，还是虚拟角色、教育培训、工业仿真，那些曾经需要预先设计的动态内容，都将在用户进入的瞬间由 AI 实时生成。这正是通用实时世界模型真正打开的想象空间——让 AI 负责一个世界的诞生与运转。