PixVerse R2攻克实时世界模型Scaling难题
原标题：越大越强，不再是 LLM 的专利：PixVerse R2 攻克实时世界模型 Scaling 难题
AI 摘要
爱诗科技（PixVerse）于2026年1月提出通用实时世界模型方向并推出R1，现已全量上线PixVerse R2，用户可直接在网页端体验动作指令与互动影游交互。R2通过Omni Causal AR（能力引擎）与Real-Time Acceleration（加速引擎）两层架构，将模型容量、数据、任务、控制信号和时间尺度五个维度的Scaling统一，实现更高生成质量、更强长程一致性和更丰富的多模态控制。产品端表现为World（冬日宫殿，WASD高频Action流与Prompt并行）和Story（Zero Mark，Director长会话）两种形态，官方称PixVerse已拥有全球1.5亿用户。
正文节选
0 作者丨Reah 编辑丨李娜 岑峰 2026 年 1 月，爱诗科技提出“通用实时世界模型”这一产品方向，并推出 R1。目前，PixVerse R2 已全量上线用户可以直接进入网页端体验动作指令和互动影游的相关交互 01 过去几年，Scaling 最具确定性的成功故事来自大语言模型。随着模型容量、训练数据和计算规模持续扩大，语言模型获得了更强的理解、推理与泛化能力，“越大越强”也由此成为大模型产业最重要的认知基础之一。 但如果把这条经验迁移到世界模型的话，问题就复杂很多，不能只是简单地继续放大视频生成模型。语言模型可以在接收问题后集中计算再给出答案，但实时世界模型却必须一边运行，一边接收用户的动作、文字和声音，同时继续输出连贯的音视频内容。 于是这形成了一组长期存在的矛盾：实时要求模型足够快、足够高效，通用则要求模型足够强、见过足够丰富的世界。模型能力向上扩展，计算负担就要随之增加；如果为了速度持续压缩能力，实时体验又容易停留在只能完成有限演示的专项模型。 为什么实时世界模型不能简单复制 LLM 的 Scaling？为什么“快”和“强”会互相拉扯？PixVerse R2 给出了自己的答