PixVerse R2, l’AI video che prova a creare mondi interattivi

PixVerse R2 punta a trasformare la generazione video da un comando seguito da una clip conclusa a una scena che continua a svolgersi. L’utente può intervenire mentre il mondo generato è in movimento e il modello prova a far sì che le nuove istruzioni influenzino ciò che accade dopo, non soltanto a far partire un video separato. AIsphere ha annunciato R2 il 22 settembre 2026; alcune notizie riportano il lancio ufficiale in Cina il giorno successivo. La società aveva pubblicato una panoramica tecnica in agosto. 159

Come si interagisce con una scena in corso

PixVerse descrive un sistema che accetta testo, immagini di riferimento, audio e comandi d’azione. Tra gli esempi riportati ci sono controlli in stile WASD per muoversi e istruzioni testuali per cambiare personaggio, aggiungere un oggetto o modificare l’ambiente senza interrompere la generazione. L’idea è che ogni nuovo input aggiorni la scena già avviata, invece di produrre un filmato scollegato da quello precedente. 16

È questo il senso di “modello del mondo”: R2 dovrebbe usare la storia della sessione e i comandi più recenti per generare il segmento audiovisivo successivo, mantenendo le relazioni tra personaggi, oggetti e spazi. AIsphere afferma che gli eventi della sessione vengono portati avanti nel tempo; la continuità, però, è un obiettivo del sistema, non una garanzia di coerenza perfetta in ogni situazione. 136

Che cosa mostrano le demo di Zero Mark ed Eve

In Zero Mark, un film-gioco interattivo creato da Xiaolongbao, la stessa scena può prendere direzioni diverse in base alla scelta dell’utente. Offrire a una creatura un drago invece di una foglia, per esempio, genera una risposta differente: una dimostrazione di come un input possa cambiare il seguito dell’incontro. 12

Un’altra demo presenta Eve, un personaggio digitale. Secondo una delle fonti, Eve risponde alle domande e agli sviluppi della storia usando voce, personalità, memoria e stato della relazione, con l’obiettivo di mantenere un’identità riconoscibile attraverso più scambi. Sono dimostrazioni del tipo di interazione che R2 intende offrire, non valutazioni indipendenti della sua affidabilità nelle sessioni più lunghe. 6

Architettura: capacità da una parte, velocità dall’altra

AIsphere descrive R2 come un sistema composto da due elementi principali. Omni Causal AR è la componente che costruisce il modello del mondo: elabora input diversi e fa avanzare la scena nel tempo, usando lo stato corrente come contesto per ciò che viene generato dopo. Real-Time Acceleration è lo strato pensato per portare queste capacità in un funzionamento interattivo. 1913

Altri meccanismi dovrebbero aiutare a gestire tempi, continuità e costi di calcolo:

• Dynamic chunking, o generazione a blocchi dinamici, adatta la lunghezza dei segmenti agli input e agli eventi. Blocchi più brevi possono favorire risposte rapide; segmenti più lunghi possono dare maggiore spazio a movimenti o eventi coerenti. 3
• Memoria su più scale temporali: la documentazione tecnica cita Sink Memory per conservare riferimenti persistenti, Rolling History per seguire gli sviluppi recenti e Object KV Cache per riutilizzare rappresentazioni degli oggetti. L’obiettivo è tenere insieme elementi stabili e cambiamenti appena avvenuti. 10
• Error Bank raccoglie stati rappresentativi in cui la generazione è andata fuori strada e li ripropone durante l’addestramento, così che il modello possa imparare anche dagli errori. 310
• Block-sparse attention concentra il calcolo su alcune relazioni ritenute rilevanti mentre la sessione si allunga. Fonti secondarie riportano una sparsità superiore al 90% con una perdita di qualità descritta come minima: è un risultato riportato, non un benchmark indipendente. 716

Il dato sulla stabilità e i limiti delle prove

Nelle proprie valutazioni interne, AIsphere riferisce una riduzione del 35,8% della deriva visiva durante una sessione lunga. È un dato comunicato dall’azienda, non una misura verificata in modo indipendente per tutti gli scenari d’uso. 2

Le fonti disponibili non presentano un benchmark indipendente comparabile su latenza, frequenza dei fotogrammi o qualità. Perciò, anche se PixVerse descrive R2 come un sistema in tempo reale progettato per mantenere più a lungo la coerenza della scena, i dati qui disponibili non permettono di stabilire come si comporti con scene, controlli e sessioni prolungate differenti. Le demo chiariscono il progetto; da sole, non dimostrano quanto sia affidabile nell’uso più ampio. 13

Dal modello R1 al Game Engine

PixVerse aveva presentato R1 nel gennaio 2026 come un primo passo verso video interattivi generati in modo continuo. R2 viene descritto come un’evoluzione orientata a supportare più tipi di input e a mantenere più a lungo lo stato della scena. Il PixVerse Game Engine collega la generazione video in tempo reale ad agenti AI e meccaniche di gioco: una direzione che punta a esperienze con ruoli, regole e mondi che cambiano. 1418

Le fonti consentono di ricostruire questa direzione del prodotto, ma non offrono una citazione sufficientemente verificabile per attribuire a Wang Changhu, CEO di AIsphere, una visione più specifica dei mondi interattivi.