PixVerse R2: Khi AI không chỉ tạo video mà còn giữ cho thế giới tiếp tục vận hành

PixVerse R2 là mô hình thế giới nghe nhìn thời gian thực của AIsphere. Thay vì tạo xong một video rồi dừng lại, mô hình được thiết kế để duy trì cảnh đang chạy và tiếp tục phản hồi khi người dùng đưa thêm chỉ dẫn. AIsphere công bố R2 ngày 22/9/2026; một số tin tức ghi nhận đợt ra mắt chính thức tại Trung Quốc vào ngày 23/9. Công ty đã công bố tổng quan kỹ thuật trong tháng 8. 159

Từ một câu lệnh đến một phiên tương tác liên tục

Với công cụ tạo video thông thường, người dùng thường nhập câu lệnh rồi nhận về một đoạn clip hoàn chỉnh. PixVerse R2 hướng tới cách dùng khác: người dùng có thể tiếp tục tác động vào cùng một phiên bằng văn bản, ảnh tham chiếu, âm thanh và thao tác. Các bản tin mô tả cả điều khiển kiểu WASD để di chuyển, nhảy hoặc đổi góc nhìn, cũng như dùng câu lệnh để thay nhân vật, thêm vật thể hay đổi môi trường khi cảnh vẫn đang được tạo. 16

Ý tưởng là mỗi chỉ dẫn mới không chỉ mở ra một clip riêng, mà còn ảnh hưởng đến phần tiếp theo của cảnh hiện tại. Theo AIsphere, R2 dựa vào trạng thái và lịch sử của phiên để tạo đoạn nghe nhìn kế tiếp, đồng thời hướng tới việc giữ mối liên hệ giữa nhân vật, đồ vật và không gian. 136

Hai bản demo cho thấy điều gì?

Trong Zero Mark, một phim-game tương tác do nhà sáng tạo Xiaolongbao thực hiện, cùng một cuộc gặp có thể rẽ sang hướng khác tùy lựa chọn của người chơi. Chẳng hạn, đưa cho sinh vật một con rồng thay vì một chiếc lá sẽ tạo ra phản ứng tiếp theo khác, được sinh ngay trong lúc chơi. 12

Một bản demo khác xoay quanh Eve, nhân vật kỹ thuật số. Theo một bài đưa tin, Eve phản hồi câu hỏi và diễn biến câu chuyện dựa trên giọng nói, tính cách, ký ức và trạng thái quan hệ; mục tiêu là giữ cho nhân vật nhất quán qua nhiều lượt trò chuyện. Đây là những minh họa cho kiểu tương tác mà R2 hướng tới, không phải đánh giá độc lập về độ ổn định trong các phiên dài. 6

Các lớp kỹ thuật phía sau R2

AIsphere mô tả R2 qua hai thành phần chính. Omni Causal AR là phần xây dựng năng lực mô hình hóa thế giới: tiếp nhận nhiều loại tín hiệu và dùng trạng thái hiện tại để dự đoán cảnh sẽ diễn tiến ra sao. Real-Time Acceleration là lớp tăng tốc, được thiết kế để đưa những năng lực đó vào hoạt động tương tác trực tiếp. 1913

Một số kỹ thuật khác được dùng để cân bằng tốc độ, tính liên tục và chi phí tính toán:

• Chia khối động (Dynamic Chunking): điều chỉnh độ dài của từng đoạn được tạo theo tín hiệu hoặc sự kiện. Đoạn ngắn có thể phù hợp với phản hồi nhanh; đoạn dài hơn giúp thể hiện chuyển động hay sự kiện liền mạch hơn. 3
• Bộ nhớ nhiều thang thời gian: tài liệu kỹ thuật mô tả ba kênh gồm Sink Memory để giữ các điểm neo lâu dài, Rolling History để theo dõi diễn biến gần đây, và Object KV Cache để tái sử dụng biểu diễn ở cấp độ vật thể. Mục tiêu là vừa nhớ những yếu tố ổn định, vừa theo kịp thay đổi mới trong cảnh. 10
• Error Bank (ngân hàng lỗi): lưu các trạng thái lỗi tiêu biểu rồi đưa chúng trở lại quá trình huấn luyện, để mô hình học từ những lần tạo lệch thay vì chỉ từ lịch sử thông thường. 310
• Block-sparse attention (cơ chế chú ý thưa theo khối): tập trung tính toán vào một số mối liên hệ được xem là có liên quan khi phiên kéo dài. Một số nguồn thứ cấp nêu mức độ thưa vượt 90% và cho biết chất lượng đầu ra ít suy giảm; đây là kết quả được báo cáo, không phải chuẩn đối chiếu độc lập. 716

Số liệu hiệu năng và những điều chưa thể kết luận

AIsphere cho biết các đánh giá nội bộ ghi nhận mức giảm 35,8% độ trôi hình ảnh trong một phiên dài. Đây là số liệu do công ty công bố, không phải phép đo độc lập chứng minh hiệu quả trên mọi tình huống sử dụng. 2

Các nguồn hiện có không cung cấp một bài kiểm tra độc lập tương đương về độ trễ, tốc độ khung hình hay chất lượng đầu ra. Vì vậy, có thể nói R2 được thiết kế để vận hành thời gian thực và duy trì tính nhất quán trong phiên dài; nhưng chưa đủ căn cứ ở đây để xác định mô hình hoạt động ổn định đến đâu với mọi bối cảnh, cách điều khiển hay phiên tương tác kéo dài. Bản demo cho thấy hướng tiếp cận, chứ chưa giải đáp đầy đủ mức độ tin cậy khi dùng rộng rãi. 13

R2 tiếp nối hướng đi nào của PixVerse?

PixVerse giới thiệu R1 vào tháng 1/2026 như một bước thử nghiệm video được tạo liên tục và có thể tương tác. R2 được trình bày là phiên bản nâng cấp, tập trung vào khả năng tiếp nhận nhiều loại tín hiệu hơn và giữ trạng thái cảnh lâu hơn. PixVerse Game Engine kết nối video tạo sinh thời gian thực với AI agent và cơ chế trò chơi, hướng tới trải nghiệm có vai trò, luật chơi và trạng thái thế giới thay đổi. 1418

Các nguồn hiện có giúp mô tả hướng phát triển sản phẩm này, nhưng chưa cung cấp trích dẫn đủ căn cứ để gán cho CEO Wang Changhu một tuyên bố cụ thể hơn về tầm nhìn dành cho các thế giới tương tác.