全球首个可Scaling的实时世界模型：爱诗PixVerse R2上线，WASD走进AI世界

9月23日，爱诗科技正式发布PixVerse R2，号称全球首个具备Scaling能力的通用实时世界模型，并同步向用户开放游戏、互动影视、数字人等多个场景体验间。上线后它迅速登上X（推特）美区热搜。与以往”为了实时而压缩模型”的思路不同，PixVerse R2第一次让实时世界模型像大语言模型一样，拥有了一条清晰、可验证的持续扩展路径。

“实时”与”通用”不再二选一：两层架构解开Scaling难题

过去行业普遍认为，视频是连续高维信号，天生难以扩展：要实时，模型必须够小够快才能在一块显卡上跑出流畅帧率；要通用，模型必须够大够广才能理解复杂场景和物理规律。爱诗科技用自研的Omni Causal AR（全模态因果自回归）与Real-Time Acceleration（实时加速）两层架构拆掉了这道二选一。当文本、参考、声音、操作这些复杂信号都能被模型统一”理解”，实时世界模型同样可以”越大越强”。

五维扩展：质量、一致性、多模态控制同时提升

PixVerse R2的Scaling发生在五个维度，且相互增强：生成质量更高，画面更精细、运动更自然、音视频同步更精准；长程一致性更强，角色不崩、场景不跳、物体不凭空消失，世界状态在长时间运行中保持稳定；多模态控制能力更强，文字、参考图、声音、键盘操作都能被稳定”听懂”并做出反应。创始人王长虎表示，未来向模型、数据、任务、控制信号和时间尺度中任何一个方向继续投入，都有机会转化为更强的世界建模能力。

言出法随：WASD探索、换视角、Prompt下指令

体验层面最直观的变化是”言出法随”。在PixVerse R2里，一个能走进去、能探索的世界可通过文字和图像生成：用户可以用WASD键控制角色移动、跳跃、四处探索，随时切换视角；也能直接输入Prompt下指令——换角色、加东西、改变环境。虚拟世界不仅”有记忆地活着”，还能听懂各种语言，并对用户的每一个动作做出符合因果关系的反应。这种可随时进入、随时互动的生成式环境，正是王长虎所描述的下一代”生成式世界的基础设施”。

爱诗科技同步公布了首批落地场景：游戏、互动影视与数字人体验间已开放。玩家可以走进用文字生成的关卡，影视观众可以用WASD键探索剧情场景，数字人则能在实时对话中保持表情与口型同步。值得注意的是，一个月前爱诗科技刚披露过研发进展，这次R2直接开放体验，产品节奏明显加快，也侧面印证了”实时世界模型”正从论文走向可用的产品。

目前PixVerse R2已开放使用，可登录world.pixverse.video体验。实时世界模型从创作工具走向互动环境的拐点已经出现，接下来值得关注的是：Scaling定律在视频世界能跑多远，以及谁会成为第一个吃透它的应用。