PixVerse R2: bagaimana model dunia masa nyata AIsphere berfungsi

PixVerse R2 ialah usaha AIsphere menjadikan video AI lebih menyerupai dunia yang terus berkembang, bukannya klip siap yang hanya ditonton. Pengguna boleh mempengaruhi adegan yang sedang berjalan melalui teks, imej, audio dan tindakan, sementara model terus menjana output audio dan video yang disegerakkan. AIsphere mengumumkan R2 pada 22 September 2026, manakala laporan menyebut pelancaran rasminya di China berlangsung pada 23 September. Syarikat itu menerbitkan gambaran teknikal pada Ogos. 159

Cara pengguna berinteraksi dengan dunia R2

Berbanding memberi satu arahan lalu menerima video tetap, pengguna boleh terus mengubah hala sesi yang sedang berlangsung. PixVerse menyatakan R2 menyokong teks, imej rujukan, audio dan kawalan tindakan. Laporan turut menyebut kawalan pergerakan seperti WASD, serta arahan teks untuk menukar watak, menambah objek atau mengubah persekitaran ketika penjanaan masih berjalan. Matlamatnya ialah input baharu mempengaruhi adegan semasa dan apa yang berlaku selepas itu — bukan sekadar memulakan klip lain yang terpisah. 16

Kesinambungan ini menjadi teras idea “model dunia”: R2 direka untuk menggunakan sejarah adegan serta kawalan semasa bagi menjana segmen audio-video seterusnya yang disegerakkan. AIsphere berkata model itu membawa peristiwa dalam sesi ke hadapan dan berusaha mengekalkan hubungan antara watak, objek dan ruang. 136

Apa yang ditunjukkan oleh demo Zero Mark dan Eve

Dalam Zero Mark, sebuah filem-permainan interaktif yang dibina oleh Xiaolongbao, pertemuan yang sama boleh berkembang ke arah berbeza mengikut pilihan pemain. Apabila makhluk dalam adegan itu ditawarkan seekor naga dan bukannya sehelai daun, respons langsung yang terhasil juga berbeza. Demo ini menunjukkan bagaimana input boleh mengubah sambungan adegan. 12

Satu lagi demo menampilkan Eve, watak digital. Menurut laporan, Eve menjawab soalan pemain dan bertindak balas terhadap perkembangan cerita dengan menggunakan suara, persona, ingatan dan keadaan hubungannya, dengan tujuan mengekalkan identiti yang konsisten dalam beberapa pusingan perbualan. Namun, ini ialah demonstrasi corak interaksi yang disasarkan — bukan penilaian bebas tentang sejauh mana ia berfungsi dengan andal dalam sesi yang lebih panjang. 6

Bagaimana sistem cuba mengimbangi keupayaan dengan kelajuan

AIsphere menerangkan R2 sebagai sistem dengan dua komponen utama. Omni Causal AR ialah komponen pemodelan dunia: ia memproses pelbagai jenis input dan mengembangkan adegan dari semasa ke semasa, dengan keadaan semasa menjadi konteks bagi apa yang dijana seterusnya. Real-Time Acceleration pula bertujuan membawa keupayaan tersebut ke operasi interaktif. 1913

Beberapa teknik lain direka untuk menangani masa, kesinambungan dan kos pengiraan:

• Dynamic chunking melaras panjang segmen yang dijana mengikut input atau peristiwa. Segmen lebih pendek boleh membantu tindak balas setempat yang pantas; segmen lebih panjang pula boleh menyampaikan gerakan atau peristiwa dengan lebih menyeluruh. 3
• Ingatan pada beberapa skala masa bertujuan mengekalkan perkara penting jangka panjang dan perubahan terkini. Gambaran teknikal menyenaraikan Sink Memory untuk sauh yang berterusan, Rolling History untuk dinamika terkini dan Object KV Cache untuk menggunakan semula perwakilan pada peringkat objek. 10
• Error Bank menyimpan contoh keadaan kegagalan dan mengulang gunakannya semasa latihan, supaya model boleh belajar daripada kesilapan penjanaan, bukan hanya daripada sejarah biasa. 310
• Perhatian jarang berblok (block-sparse attention) digambarkan sebagai cara menumpukan pengiraan pada hubungan terpilih yang relevan apabila sesi semakin panjang. Laporan sekunder menyebut tahap sparsity melebihi 90% dengan sedikit kehilangan kualiti output yang dilaporkan. Angka itu ialah hasil sistem yang dilaporkan, bukannya penanda aras bebas. 716

Apa yang dibuktikan — dan tidak dibuktikan — oleh dakwaan prestasi

AIsphere melaporkan pengurangan hanyutan visual sebanyak 35.8% sepanjang sesi yang panjang dalam penilaian dalamannya. Ini ialah hasil yang dilaporkan syarikat, bukannya ukuran prestasi yang disahkan secara bebas untuk semua kegunaan. 2

Sumber yang tersedia tidak memberikan penanda aras bebas yang setara bagi kependaman, kadar bingkai atau kualiti. Jadi, walaupun PixVerse memasarkan R2 sebagai sistem masa nyata yang direka untuk mengekalkan konsistensi dalam sesi lebih panjang, bukti di sini belum menunjukkan prestasinya merentas pelbagai adegan, kawalan atau sesi berpanjangan. Demo menerangkan konsepnya, tetapi belum membuktikan sejauh mana ia akan berfungsi dengan andal dalam penggunaan yang lebih luas. 13

Kedudukan R2 dalam hala tuju PixVerse

PixVerse memperkenalkan R1 pada Januari 2026 sebagai langkah awal ke arah video interaktif yang dijana secara berterusan. R2 pula dipersembahkan sebagai peningkatan yang menumpukan input lebih pelbagai dan keadaan adegan yang dapat dikekalkan lebih lama. PixVerse Game Engine menghubungkan video generatif masa nyata dengan ejen AI dan mekanik permainan, membuka ruang kepada pengalaman yang mempunyai peranan, peraturan dan keadaan dunia yang berubah. 1418

Sumber yang tersedia menyokong gambaran tentang hala tuju produk ini, tetapi tidak memberikan petikan yang cukup kukuh untuk mengaitkan visi lebih khusus tentang dunia interaktif kepada Ketua Pegawai Eksekutif Wang Changhu. Oleh itu, lebih tepat untuk menerangkan arah produk tersebut tanpa menyandarkan kata-kata tertentu kepadanya.