PixVerse R2: как работает ИИ-модель, создающая миры на лету

PixVerse R2 — попытка компании AIsphere превратить ИИ-видео из заранее смонтированного фрагмента в сцену, которая продолжает развиваться в ответ на действия пользователя. Во время сессии можно подавать новые команды, а модель — генерировать следующие синхронизированные аудио- и видеосегменты, опираясь на то, что уже произошло. AIsphere объявила R2 22 сентября 2026 года; сообщения о формальном запуске в Китае датируют его 23 сентября. Технический обзор компания опубликовала в августе. 159

Не ролик по одному запросу, а продолжающаяся сцена

Обычный генератор видео получает запрос и выдаёт готовый клип. R2 задумана иначе: пользователь может продолжать направлять уже запущенную сцену текстом, референсными изображениями, аудио и действиями. В опубликованных описаниях упоминаются и клавиатурные команды в стиле WASD, и промпты, которые меняют персонажа, добавляют предмет или преобразуют окружение прямо по ходу генерации. 16

Ключевая идея — не начинать новый ролик после каждой команды. R2 должна учитывать текущее состояние сцены и её историю, чтобы новые действия влияли и на происходящее сейчас, и на дальнейшее развитие. AIsphere утверждает, что модель переносит события через всю сессию и стремится сохранять отношения между персонажами, объектами и пространством. 136

Что показывают Zero Mark и цифровая героиня Eve

В интерактивной киноигре Zero Mark, созданной автором Xiaolongbao, один и тот же эпизод может пойти по-разному в зависимости от выбора игрока. Если предложить существу дракона, а не лист, оно ответит иначе — так демонстрируется, как действие пользователя меняет продолжение сцены. 12

В другом демо центральный персонаж — цифровая героиня Eve. Согласно опубликованному описанию, она отвечает на вопросы игрока и реагирует на развитие истории, используя голос, заданный образ, память и состояние отношений. Цель — сохранять узнаваемую личность в нескольких последовательных обменах репликами. Однако демонстрация показывает предполагаемый формат взаимодействия, а не независимую проверку надёжности модели в долгих сессиях. 6

Как устроены модель и ускорение

AIsphere описывает R2 как систему из двух основных компонентов. Omni Causal AR — базовая модель мира: она объединяет разные типы входных данных и последовательно развивает сцену, используя её состояние как контекст для следующего шага. Real-Time Acceleration призван перенести эти возможности в режим интерактивной работы. 1913

Для согласования темпа, непрерывности и вычислительных затрат в системе описаны дополнительные механизмы:

• Динамическое разбиение на сегменты подстраивает длину генерируемых фрагментов под сигнал или событие. Короткие сегменты помогают быстрее отреагировать на локальное действие, длинные — цельнее передать движение или событие. 3
• Память с разными временными масштабами должна одновременно удерживать устойчивые ориентиры и недавние изменения. В техническом обзоре перечислены Sink Memory для долгосрочных опорных сведений, Rolling History для недавней динамики и Object KV Cache для повторного использования представлений объектов. 10
• Error Bank хранит характерные состояния, в которых модель ошиблась, и возвращает их в обучение. Так модель должна учиться не только на обычной последовательности событий, но и на примерах сбоев. 310
• Блочно-разреженное внимание призвано сосредоточить вычисления на важных связях по мере того, как сессия становится длиннее. В публикациях о системе сообщается о разреженности выше 90% при почти незаметной потере качества, но это заявленный результат, а не независимый бенчмарк. 716

Что говорят цифры — и чего они пока не доказывают

В собственных оценках AIsphere сообщила о снижении визуального дрейфа на 35,8% в течение длительной сессии. Это внутренний результат компании, а не независимо подтверждённая оценка работы модели во всех сценариях. 2

В предоставленных источниках нет сопоставимого независимого бенчмарка задержки, частоты кадров или качества. Поэтому утверждения о работе в реальном времени и большей согласованности на длинных отрезках следует рассматривать как заявления AIsphere. Демо показывают принцип взаимодействия, но сами по себе не устанавливают, насколько надёжно модель справляется с разными сценами и длительными сессиями. 13

От R1 к игровым сценариям

В январе 2026 года PixVerse представила R1 — более ранний шаг к непрерывно генерируемому интерактивному видео. R2 компания описывает как развитие этой идеи с более широким набором входных сигналов и более устойчивым состоянием сцены. PixVerse Game Engine соединяет генеративное видео в реальном времени с ИИ-агентами и игровыми механиками — например, целями, правилами и меняющимся состоянием мира. 1418

Источники позволяют описать это направление развития продукта, но не дают достаточно надёжной цитаты, чтобы приписать генеральному директору Wang Changhu конкретное видение интерактивных миров.