今日凌晨，Xmax AI全球首发实时交互视频模型X2.0，带来全球首个“可玩”的实时交互体验。模型主打实时渲染、次元交互、触屏交互及Free模式，用户可通过摄像头实时换人换装、在现实中召唤互动虚拟角色，或触控唤醒静态图像。技术上，X2.0采用流式生成实现毫秒级响应，单张消费级显卡即可满血运行，更是全球首个支持iPhone本地运行的同类模型。目前Xmax已开放API，成本仅为海外头部模型的十分之一，未来将深度赋能电商试穿、虚拟陪伴、直播互动等千行百业，全面重构视频交互范式。

7月9日，蚂蚁灵波科技开源新一代实时交互世界模型LingBot-World 2.0。该模型在业界首次实现“小时级”实时生成，一小时不间断测试中画面清晰连贯；支持720p/60fps高清输出，边生成边显示，操控近乎无延迟。同时，它在业界首次引入双Agent机制，支持攻击、施法等丰富动作与天气变化等事件触发，并开创性支持AI原生多人同世界交互。该模型将赋能游戏生成、影视预演及具身智能训练等场景。用户现已可通过Reactor平台和灵光APP在线体验。

近日，魔芯科技联合浙大、华为等正式发布首个全栈基于国产NPU的实时交互世界模型MoWorld。该模型突破“实时交互”瓶颈，推理速度超50FPS，部署成本直降70%，仅为同规模GPU方案的30%。通过全链路优化，MoWorld支持2000帧超长训练，可作为“空间模拟引擎”赋能游戏互动、具身智能、自动驾驶、影视创作及数字孪生等产业场景。资本端，魔芯科技近期已完成亿元美金融资，此前曾获华为、联想等投资。MoWorld近期将开源权重与代码，并基于国产NPU超节点向公众开放服务，引领世界模型迈入产业化时代。

只需一张照片，就能生成一个能聊、能唱跳、24小时不下线的AI主播？虎牙最新推出的VAM 1.0实时多模态数字人模型做到了。与以往“照本宣科”的AI不同，它自带“直播基因”，能像朋友一样自然聊天、接梗，被随时打断也能巧妙接话，甚至还能陪你玩塔罗牌和狼人杀。 这背后，虎牙VAM 1.0成功翻越了行业的“...

近日，阿里ATH正式推出开放式世界模型产品HappyOyster 1.0（快乐生蚝）。区别于传统文生视频的单向生成，该产品打造了可实时构建、探索与交互的数字世界。其主打“世界探索”与“实时导演”两大模式：用户既可化身主角在AI场景中自由行动、触发隐藏互动，也能作为导演通过自然语言实时掌控剧情走向，并支持剧情回溯与多线分支。技术上，依托闭环状态建模与内生一致性等核心突破，有效解决了长时序画面崩坏与角色变形痛点。目前该产品已正式上线，注册即可体验，API计划于近期开放，未来将深度赋能游戏、互动影视及文旅等行业，开启AI双向实时交互新纪元。

正文：2026年5月，北京大学、香港中文大学、上海AI Lab等机构联合推出VGGT-Edit，一种原生3D编辑框架，可在约5秒内完成复杂3D场景编辑，最高实现120倍加速。该方法直接在3D空间中操作，避免传统2D编辑的视角不一致问题，在语义一致性、多视角稳定性和推理速度上表现优异。研究团队还构建了规模近10万组的DeltaScene数据集，用于训练和测试。VGGT-Edit通过残差场预测和深度同步文本注入等创新技术，能够精准修改局部区域并保持整体稳定性，甚至对未见过的指令也展现出良好泛化能力。这一突破为机器人、AR/VR等领域带来实时交互可能性，标志着3D编辑从概念走向实用。

2026年3月，AI视频生成企业爱诗科技完成3亿美元C轮融资，由鼎晖领投，刷新亚洲AI视频领域单次融资纪录。公司技术实力获国际认可，PixVerse V5.6模型在图生视频与文生视频赛道位列全球第二。创始人王长虎表示，爱诗正从生成视频迈向实时交互的“可玩现实”，其发布的PixVerse R1实现用户指令驱动视频走向。目前，爱诗科技全球用户突破1亿，MAU超1600万，并与上万家企业合作。本轮融资将用于深耕通用视频模型及推动API商业化落地，助力全球创作者跨越技术鸿沟，开启AIGC数字内容新纪元。

2026年2月，面壁智能开源全模态模型MiniCPM-o4.5，支持边看边听、主动抢答，实现即时自由对话。该模型采用全双工多模态实时流机制，可同步处理视频、音频输入与输出，突破传统AI的‘一问一答’模式，适用于复杂场景如超市导购、电梯提醒等。MiniCPM-o4.5以9B参数规模，在多模态理解、语音生成等领域达领先水平，专为端侧设计，强调隐私保护与低延迟。面壁智能计划推出配套硬件松果派开发板，预计年内上市，助力开发者快速构建端侧智能应用。公司聚焦端侧AI，致力于将端侧能力做到极致，推动端侧生态发展。

2025年10月，百度蒸汽机模型推出重大升级，率先实现AI视频的实时流式生成与交互功能。用户只需上传一张图片和简单指令，即可生成高质量长视频，并支持随时暂停、修改与续写，打破传统生成时长限制。此次更新采用自回归扩散模型等技术，解决了生成效率与成本问题，推理延迟几乎实时。从5月登顶VBench-I2V榜单，到10月迈入实时交互时代，百度蒸汽机在短短5个月内完成了从图生视频到音画一体生成的技术演进。新功能不仅降低创作门槛，还推动AI视频能力向教育、影视等领域扩展，标志着AI内容创作从单向输出转向共创时代。

10月15日，百度宣布其视频生成模型“百度蒸汽机”（文心专精）完成重大升级。此次升级突破了传统AI视频生成时长限制，行业首次实现AI长视频实时交互生成，生成速度超越国内主流模型。用户只需上传单张图片与提示词即可启动视频生成，并实时预览全部推理内容。在生成过程中，用户可随时暂停或修改提示词，动态调整视频剧情、画面及转场效果，实现全程干预。这一创新技术为视频创作提供了更高自由度和效率，展现了AI在长视频领域的全新可能性。