PixVerse R2 quer transformar vídeos de IA em mundos interativos

O PixVerse R2, da AIsphere, parte de uma proposta diferente da geração tradicional de vídeo por IA: em vez de criar um clipe pronto a partir de um único comando, tenta manter uma cena em funcionamento e permitir que o usuário influencie o que acontece nela. A empresa anunciou o R2 em 22 de setembro de 2026; notícias sobre o lançamento formal na China datam a apresentação de 23 de setembro. A AIsphere havia publicado uma visão técnica do modelo em agosto. 159

Como interagir com um mundo gerado por IA

A ideia é continuar orientando a mesma sessão, em vez de pedir um vídeo novo a cada mudança. Segundo a PixVerse, o R2 aceita texto, imagens de referência, áudio e comandos de ação. Relatos também descrevem controles de movimento no estilo WASD — teclas usadas para mover personagens em jogos de computador — e prompts que podem trocar um personagem, acrescentar um objeto ou modificar o ambiente enquanto a geração continua. 16

Cada novo comando deve influenciar tanto a cena atual quanto o que vem depois. Para isso, o modelo usa o estado e o histórico da sessão ao gerar os próximos trechos de áudio e vídeo. A AIsphere afirma que o R2 busca manter as relações entre personagens, objetos e espaços ao longo da interação. 136

O que as demos de Zero Mark e Eve mostram

Em Zero Mark, um filme-jogo interativo criado por Xiaolongbao, a mesma situação pode seguir caminhos diferentes conforme a escolha do jogador. Oferecer uma folha ou um dragão a uma criatura provoca respostas distintas, geradas durante a interação. A demonstração ilustra como uma decisão pode alterar a continuação da cena. 12

Outra demo apresenta Eve, uma personagem digital. Segundo um relato, ela responde a perguntas e a acontecimentos da história usando voz, personalidade, memória e o estado da relação com o jogador, com o objetivo de manter uma identidade consistente ao longo de várias trocas. São exemplos do tipo de interação que o sistema pretende oferecer, não avaliações independentes de sua confiabilidade em sessões longas. 6

Como o R2 tenta combinar capacidade e velocidade

A AIsphere descreve o R2 como uma arquitetura com dois componentes principais. O Omni Causal AR é a parte voltada à modelagem do mundo: processa diferentes tipos de entrada e faz a cena avançar ao longo do tempo, usando o estado atual como contexto para a próxima geração. Já o Real-Time Acceleration busca levar essas capacidades a uma operação interativa, em tempo real. 1913

Outros mecanismos procuram lidar com ritmo, continuidade e custo computacional:

• Divisão dinâmica em trechos: ajusta o tamanho dos segmentos gerados conforme o sinal ou o acontecimento. Trechos mais curtos podem favorecer respostas rápidas; os mais longos, representar movimentos ou eventos com maior continuidade. 3
• Memória em diferentes escalas de tempo: a descrição técnica menciona três componentes: Sink Memory, para âncoras persistentes; Rolling History, para acompanhar mudanças recentes; e Object KV Cache, para reutilizar representações de objetos. A proposta é considerar tanto elementos duradouros quanto acontecimentos recentes. 10
• Error Bank: armazena estados representativos de falhas e os reutiliza no treinamento, para que o modelo também aprenda com desvios de geração. 310
• Atenção esparsa por blocos: concentra parte do cálculo em relações consideradas relevantes à medida que a sessão cresce. Relatos secundários mencionam esparsidade acima de 90% com pouca perda de qualidade reportada; esse número é um resultado divulgado por fontes sobre o sistema, não um benchmark independente. 716

O que os resultados divulgados dizem — e o que ainda não demonstram

Em avaliações internas, a AIsphere afirma ter observado uma redução de 35,8% na deriva visual ao longo de uma sessão longa. O dado é informado pela empresa e não deve ser interpretado como uma medida independente de desempenho em todos os cenários. 2

As fontes disponíveis não trazem uma comparação independente equivalente de latência, taxa de quadros ou qualidade. Assim, embora a PixVerse apresente o R2 como um modelo em tempo real, desenvolvido para manter a consistência por mais tempo, as informações divulgadas não permitem concluir como ele se comporta em diferentes cenas, tipos de comando ou sessões prolongadas. As demos ajudam a entender a proposta, mas não comprovam, por si só, a confiabilidade do sistema em usos mais amplos. 13

A relação com o PixVerse R1 e o Game Engine

A PixVerse apresentou o R1 em janeiro de 2026 como um primeiro passo rumo a vídeos gerados continuamente e com interação. O R2 é descrito como uma evolução dessa abordagem, com foco em aceitar mais tipos de entrada e manter o estado da cena por mais tempo. 1418

O PixVerse Game Engine conecta vídeo generativo em tempo real a agentes de IA e mecânicas de jogo, como objetivos, regras e mudanças de estado. Isso aponta para experiências que vão além de assistir a um vídeo e permitem participar de um mundo que se transforma conforme as ações do usuário. 1417

As fontes sustentam essa descrição da direção do produto, mas não oferecem uma citação suficientemente fundamentada para atribuir ao CEO Wang Changhu uma visão mais específica sobre mundos interativos.