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 视频的下一战：谁能让世界保持运行 作者丨Reah 编辑丨李娜 岑峰 大语言模型已经用 Scaling 证明模型、数据和算力可以持续换来更强能力，必须一边生成、一边回应用户的实时世界模型，能不能也走上这样一条路？ 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 实时世界模型， 能走上 LLM 的 Scaling 之路吗 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 给出了自己的答案 —— 把能力与效率拆成两层推进，具体的实现机制我们会在后文展开更详细的讨论。 R2 将五类增长纳入同一可扩展框架，使生成质量、长程一致性和多模态控制能够共同提升 02 一次生成， 怎样变成一个持续运行的世界？ 进入 PixVerse R2 实时生成的世界“冬日宫殿”，用户面对的是一个真实仍在运行的世界。WASD 和方向键用于控制移动与视角，新的指令可以继续改变当前体验；每次操作之后，页面不会退回独立的生成流程，用户仍然留在同一个世界里，决定下一刻发生什么。 技术报告中的 Scaling 最终需要回到产品端接受检验：它能否让用户真正进入一个世界，而不是在一段视频上叠加几个控制按钮？ 为此，我们除了进行实机体验，还进一步分析了冬日宫殿会话的 HAR 网络记录。 HAR 可以被 理解为浏览器网络活动的飞行记录仪 ，它虽然没办法直接看见模型内部，但能帮我们记录一次产品会话究竟怎样被组织。 本轮会话最关键的事实是客户端全程只观察到一次 session_init 和一次 generation_started 。此后八轮系统推荐 Prompt 共享同一条内容流，提示历史从第一轮连续累积到第八轮，客户端没有为每一轮输入重新预约资源、初始化会话或切换媒体通道。约 119.5 秒的生成窗口里，所有操作都被组织在同一条持续 session 中。 这意味