PixVerse R2 quiere convertir los videos de IA en mundos interactivos

PixVerse R2 es la apuesta de AIsphere por una generación de video con IA que se parezca menos a recibir un clip terminado y más a entrar en una escena que sigue desarrollándose. El usuario puede influir en lo que ocurre con texto, imágenes, audio y acciones, mientras el modelo continúa generando sonido e imagen sincronizados. AIsphere anunció R2 el 22 de septiembre de 2026; distintos reportes situaron su lanzamiento formal en China el 23 de septiembre. La empresa había publicado un resumen técnico en agosto. 159

Intervenir en una escena que sigue avanzando

En vez de escribir una instrucción y esperar un video fijo, el usuario puede seguir dando indicaciones durante la sesión. PixVerse describe compatibilidad con texto, imágenes de referencia, audio y controles de acción. Según los reportes, también se puede mover al personaje con controles tipo WASD o pedir, mediante instrucciones, que cambie un personaje, aparezca un objeto o se modifique el entorno. La idea es que cada nueva entrada afecte la escena en curso y lo que suceda después, no que dé comienzo a un clip desconectado. 16

Esa continuidad es parte central de la idea de «modelo de mundo»: R2 busca usar el historial de la sesión y los controles actuales para generar el siguiente tramo de audio y video sincronizados. AIsphere afirma que el modelo conserva los acontecimientos de la sesión y trata de mantener las relaciones entre personajes, objetos y espacios. 136

Qué muestran las demos de Zero Mark y Eve

En Zero Mark, un juego cinematográfico interactivo creado por Xiaolongbao, un mismo encuentro puede tomar distintos rumbos según la elección del jugador. Ofrecerle un dragón a una criatura, en vez de una hoja, genera una respuesta distinta en tiempo real: una decisión modifica la continuación de la escena. 12

Otra demo presenta a Eve, un personaje digital. Un reporte describe cómo responde a preguntas del jugador y a cambios en la historia usando voz, personalidad, memoria y el estado de su relación con el usuario, con el objetivo de conservar una identidad coherente a través de varios intercambios. Son demostraciones del tipo de interacción que se busca, no pruebas independientes de su fiabilidad en sesiones prolongadas. 6

Cómo busca combinar capacidad y velocidad

AIsphere describe R2 como un sistema con dos componentes principales. Omni Causal AR es la parte que modela el mundo: procesa distintos tipos de entrada y hace avanzar la escena en el tiempo, tomando su estado actual como contexto para lo que viene. Real-Time Acceleration busca llevar esas capacidades a una operación interactiva. 1913

Otros mecanismos se ocupan del ritmo, la continuidad y el uso de cómputo:

• Fragmentación dinámica: ajusta la duración de los segmentos generados a la entrada o al evento. Los segmentos cortos pueden facilitar respuestas locales rápidas; los más largos, representar movimientos o sucesos con mayor continuidad. 3
• Memoria en varias escalas temporales: busca tener presentes tanto referencias persistentes como cambios recientes. El resumen técnico menciona Sink Memory, para conservar referencias estables; Rolling History, para la dinámica reciente; y Object KV Cache, para reutilizar representaciones de objetos. 10
• Error Bank: almacena estados de fallo representativos y los vuelve a introducir durante el entrenamiento, para que el modelo aprenda también de errores de generación y no solo de historiales normales. 310
• Atención dispersa por bloques: se describe como una forma de concentrar el cómputo en relaciones relevantes a medida que crece la sesión. Reportes secundarios mencionan una dispersión superior al 90 % con poca pérdida de calidad informada; es un resultado atribuido al sistema, no una medición independiente. 716

Qué respaldan las cifras de rendimiento y qué queda por comprobar

AIsphere ha informado una reducción del 35,8 % en la deriva visual durante una sesión larga en sus evaluaciones internas. Es un dato comunicado por la empresa, no una medición verificada de manera independiente para todos los usos posibles. 2

Las fuentes disponibles no aportan una comparación independiente equivalente de latencia, frecuencia de fotogramas o calidad. Por eso, aunque PixVerse presenta R2 como un sistema en tiempo real diseñado para conservar la coherencia durante sesiones más largas, la información disponible no permite establecer cómo se comporta en distintas escenas, con diferentes controles o en interacciones prolongadas. Las demos ilustran el concepto, pero no resuelven por sí solas qué tan fiable será en un uso más amplio. 13

El lugar de R2 en la evolución de PixVerse

PixVerse presentó R1 en enero de 2026 como un primer paso hacia el video interactivo generado de forma continua. R2 se plantea como una evolución centrada en admitir más tipos de entrada y mantener el estado de la escena durante más tiempo. PixVerse Game Engine conecta el video generativo en tiempo real con agentes de IA y mecánicas de juego, con la mirada puesta en experiencias con roles, reglas y estados del mundo que cambian. 1418

Las fuentes disponibles permiten describir esa orientación del producto, pero no ofrecen una cita suficientemente fundamentada para atribuir al director ejecutivo Wang Changhu una visión más específica sobre los mundos interactivos.