PixVerse像做梦一样做世界模型

骡子马 2026-01-23

# PixVerse像做梦一样做世界模型

- **作者**：骡子马
- **发布日期**：2026-01-23
- **来源**：微信公众号「葬AI」

---

「一个很有主体性的模型」
过去一年，AI圈的词语通货膨胀是不是有点太严重了？
动辄「又一个DeepSeek时刻」，动辄「开启XX时代」，随便一个产品或功能的推出或更
新，都要逼着历史的车轮滚滚向前。
我只想说时光时光慢些吧不要再让我变老了🎶
最近害我离退休更近一步的是PixVerse R1。
此产品一出，AI视频的DeepSeek时刻也到来了，无限流时代也开启了，网友家人们又震
撼激动不已了。
于是我也跟风试了试咱们这个全球首个支持最高1080P分辨率通用实时视频生成模型。
至于这个实时视频生成是什么意思，我们后面再详细讲。
输入邀请码点进来之后，看到PixVerse R1贴心地给我们准备了几个世界观模板。
从龙与地下城到塞尔达，从滑雪潜水到月球行走，文艺b、真假中产、二次元哥姐们以及
各类小众爱好者都能在这里找到自己的一席之地。
哪怕没找到，也能输入提示词定制属于自己的世界观。
不仅能选择画面比例，还能选择视角。

我嫌麻烦，直接点进那个叫Tokyo Streets的模板，尝试在东京街头嘎油嘎油。
按下开始按钮，视频就自动开始生成，一个黑衣红裙女子在川流不息的十字路口漫步。
而且是一直漫步，同时移步换景，周围的高楼大厦和路人甲都实时生成出来。
这也是PixVerse R1宣传的一个重点：无需人工干预，视频自动无限流生成。
现在因为给大伙免费体验所以限时5分钟，技术上可以实现生成到永远。
一个很有主体性的视频模型。
然后如果你也有一些
主体思想，就可以在页面下方的对话框里输入提示词，随时改变
视频的走向。
于是我在颅内模拟了一个，该女子假意嘎油（咸鱼注：东北话溜达）在日本街头，实则是
准备对安倍晋三进行正义执行，最后被哥斯拉从法院救走的故事。
用PixVerse R1做了一下，生成出了下面这个作品。

和目前市面上流行的Sora 2、Veo 3不一样，PixVerse R1确实能做到近乎实时生成。
在输入提示词的5秒之内，画面就能随即改变。
而且不是硬切，画面是连续的。
但该说不说，问题很多。
比如这个画面虽然连续，但变化并不丝滑，甚至我觉得都不如叠化转场。
在短片中有一个情节，是我让这个女主角打车前往法院，并进入法院内部。
结果这个出租车直接幻影坦克显形了，法院建筑也平地起高楼了。
之前我怎么不知道日本基建这么速度？
再比如，人一多就乱套。
当我给女主角委派了山上彻也支线任务，整个画面就完全崩溃了。
我输入两段提示词：
03:46
03:46

「安倍晋三从天而降，挡住了女子的去路；女的掏出一把机关枪，扫射安倍晋三。」
生成的这玩意有人能看懂不。
男的一出现，女的就掉线，但最后男的直接变身女的了，这里面引战成分太多我没法思考
了。
但总的来讲，这已经不是人物一致性能不能保证的问题了，这连人物是不是一个性都没法
保证了。
再再比如我最不懂得一点，就是这个女主角永远在走路，永远Citywalk永远热泪盈眶😭
不管是遭受了邪恶公审：
还是偶遇了路上猛然出现的哥斯拉：

乃至于被核废水给袭击了之后：
姐们都是假装一切都未曾发生，把走路作为方法。
且和出现的一切都不发生任何关系，保持清冷感。
哪怕我明确发布指令，跪下来求女主角停下来，她也是师承是枝裕和，步履不停，永远在
路上。

好似迷失东京了一般。
就这让我陷入深思：如果你的实时生成，就是把一个元素像贴图一样扔进来，和角色也不
产生交互，也没推进任何剧情，这对视频到底有什么意义？
因为我看到很多博主说，这个PixVerse R1能无限流探索，能玩跑团，我诚心发问，你们
是咋用它跑团的？
主角就一直走，看到NPC也不说话，遇到伙伴也不接收，学了技能也不用，最后见到boss
也不打，boss也不打他，就一直走。比走线的都爱走。
家人们这不是跑团，这是暴走团。
至于什么人物走形、字体乱码，我觉得这都是产品初期的小问题，日后肯定是会不断优
化。
但上面这三点是真让我用起来很难受的。
这时候有人要说了，你用评判传统AI视频的方式来对PixVerse R1指指点点，是扬短避
长，是不讲武德搞偷袭。
因为呢，咱PixVerse R1可不是简单的AI视频模型，人家是世 · 界 · 模 · 型。

啥叫世界模型？说实话我之前没有仔细研究过，搜了一下发现这词处于话语权争夺阶段，
各个山头都有自己的说法和产品。
像李飞飞的Marble和Google做的Genie 3，是生成那种可拓展可操纵的3D世界。
英伟达的世界模型属于toSi项目，生成视频给机器人看，用来训练自动驾驶汽车啥啥的。
PixVerse R1呢，则更像是Odyssey-2的路数，就是先限定一个主题，然后生成无限的连续
的的视频，中途还能输入提示词随时修改。
Odyssey-2的界面
我也用了下Odyssey-2，发现它的问题是，随着视频生成，角度越来越仰，人物越来越
大，画面也越来越疯狂，就跟做梦一样。
01 53

他们自己估计也知道，所以在官网亲自找补说，咱们这产品就是用来模拟你的实时梦境
的。
用户直接一拳打在棉花上。你这都是梦了我还有啥说的，同一个世界模型同一个梦想呗。
但Odyssey-2这种越往后视频越没法看的问题，是此类实时互动视频产品的通病。
就是随着视频的不断生成，本来不起眼的小问题和预测会不断累积，导致视频越长越走
形。
PixVerse R1的画质比Odyssey-2好了不少，但在这个问题上没什么改进。
我打开一个叫Moonwalk的模板，试图在里面击碎美国登月的谎言。
一开始画面还挺流畅自然。
01:53
01:53

到了三四分钟的时候，背景的星空直接像素化了，疑似地球流浪了黑客帝国情景再现了。
越往后越没法看这事，PixVerse官网的报告里倒是也承认了。
PixVerse R1或许是为了把这方面的影响减到最低，对自己使用了大记忆清除术。

具体而言，画面里这个主角，无论你是让他跑还是跳，让他换衣服还是摘眼镜，是变性还
是变形，5秒之内都会回到原样。
且无论当我尝试在画面中增加任何人物动物地形建筑之后，它确实会生成，但5秒之内也
会全部消失。
然后回到原点，开始漫无目的地行走，等待下一个指令。
咋说呢，之前上面不是提到了好几个流派的世界模型，它们虽然产物不同，但核心点是统
一的，就是要既能实时交互，又保持逻辑上的持续性。
或者至少得朝这个方向努力，不然咋能称之为一个世界。
PixVerse R1在实时交互这方面，确实是做的不错的。
但在持续性这方面，它直接通过强行回到起点这个行为，把需要解决的麻烦绕过去了。
对吧，咱不是没给你生成这个那个的，也不是对后面没影响，只是它自己消失不见了，咱
也不知道咋回事，但咱这个模型是持续的无限流的一直生成到世界末日的。

这叫耍赖，兄弟。
你这不就是硬把自己往世界模型这个概念上凑，想通过跟网友之间的信息差弯道超车曲线
救国吗？
看现在这个全网盛赞的状态，这招还可以。
最后还是中肯地说一下，PixVerse R1有自己的优点。
比如它确实好玩。用别的视频模型的时候总有一种要生成个什么杰作的上班心态，用
PixVerse R1就是纯生成，发狠了忘情了不管结果了，就纯逗自己玩，挺有乐子的。
而且如果它非得说自己是世界模型，那它还是个少有的咱老百姓能上手用的世界模型，这
真世界大同了。
但是在视频生成能力还处于从夯到拉排行榜的NPC这个阶段的时候，就开始捣鼓世界模
型，是不是有点没学会走就开始急着跑，没好好跑就开始炒了呢？
（本文封面由ChatGPT 生成，纯人工写作）

---
*原文链接：https://mp.weixin.qq.com/s/5-mCFk9Mjpidw3iAdxWq3g*