PixVerse presenta R2 y acerca su modelo de mundo en tiempo real a mundos persistentes y jugables

La generación de vídeo con IA mediante modelos fundacionales suele hacerse de una sola vez. Un modelo recibe un prompt, genera un clip fijo y se detiene. Para hacer cambios, el usuario tiene que volver a empezar con un prompt y un clip nuevos. Cada resultado queda sellado y separado de los demás.

Un modelo de mundo en tiempo real funciona de otra manera. En lugar de devolver un clip, genera un mundo que sigue funcionando mientras el usuario está dentro. El mundo se puede recorrer en tiempo real. Llegan nuevas entradas mientras el modelo sigue generando, y estas cambian lo que sucede a continuación. El mundo no se reinicia entre acciones: conserva su estado durante toda la sesión y mantiene su coherencia cuanto más se prolonga.

PixVerse presentó en enero de 2026 R1, el primer modelo de mundo en tiempo real del mundo. R1 demostró que el paradigma era viable: el vídeo podía convertirse en un flujo audiovisual continuo e interactivo, en vez de una salida fija.

Hoy presentamos R2, una actualización del modelo de mundo en tiempo real. Mantiene la coherencia durante sesiones mucho más largas, recuerda lo que ocurre dentro de una sesión y lo traslada hacia adelante. También incorpora texto, referencias, audio y controles de acción al mismo mundo en ejecución.

Un mundo que recuerda y responde

El cambio central de R2 está en lo que puede hacer la entrada. En el vídeo con IA convencional y en las versiones anteriores de generación en tiempo real, la entrada afecta al momento actual y luego ese momento pasa. La siguiente acción empieza de nuevo. El mundo no conserva nada.

En R2, la entrada persiste. Un prompt, una acción o una señal de audio no solo altera el fotograma actual. Actualiza el estado en ejecución del mundo y da forma a lo que sigue: cómo se comporta un personaje más adelante, cómo se resuelve una situación y cómo se desarrolla el entorno a medida que continúa la sesión. Una acción anterior sigue siendo válida más tarde dentro de la misma sesión.

Explora un mundo vivo. Un jugador entra en un mundo generado y se mueve por él en tiempo real, controlando un personaje con las teclas WASD y ajustando la cámara con las flechas. Los prompts cambian el mundo mientras el jugador avanza, añadiendo elementos y modificando el entorno. El personaje interactúa con lo que le rodea con una lógica física, y cada entrada se construye sobre la anterior en lugar de empezar desde cero.

Da forma a la historia. El mundo puede desarrollar una trama que se adapta a lo que hace el jugador. En Zero Mark, un juego de película interactiva creado sobre R2 por el creador Xiaolongbao, una criatura bloquea el camino y pide un regalo. Ofrecerle un dragón o una hoja conduce a respuestas realmente distintas. La historia se ramifica a partir de la entrada en vez de seguir un recorrido preescrito, y el modelo genera cada resultado en directo.

En Zero Mark, el mismo encuentro toma dos caminos: ofrecer a la criatura un dragón o una hoja produce respuestas diferentes generadas en directo.

Personajes que responden según el contexto. Los personajes del mundo pueden entender al jugador y responder al ritmo de la historia. En una historia interactiva creada sobre R2 por la creadora Jade Wu, los jugadores hablan con un personaje llamado Eve, que mantiene su identidad y memoria durante la conversación, revela pistas y hace avanzar la trama. Sus respuestas, expresiones y movimientos reflejan tanto la conversación hasta ese momento como el punto de la historia que se ha alcanzado. Mantiene una identidad coherente a lo largo de muchos intercambios, en vez de reiniciarse; se parece menos a un personaje no jugable con guion y más a alguien que te conoce y sigue lo que está ocurriendo.

El reto de escalar y la respuesta de R2

A diferencia de generar un clip de vídeo fijo, donde el modelo recibe un único prompt y un intervalo de tiempo fijo que completar, un mundo que sigue funcionando no tiene ese límite. Debe hacer varias cosas a la vez, de forma continua y sin romperse:

• Mantener la coherencia con el paso del tiempo. El personaje, el lugar y las reglas del mundo deben seguir siendo los mismos. Cada segundo adicional de ejecución supone otra oportunidad de desviación.
• Aceptar entradas durante la generación. El modelo no puede detenerse a pensar. Llegan nuevos controles mientras el mundo está en movimiento y debe incorporarlos sin detenerse.
• Recordar y recuperarse. El modelo debe conservar lo que ya ha sucedido y, cuando se acumulan pequeños errores durante una sesión larga, corregirlos en lugar de agravarlos.
• Hacer todo esto en directo. El presupuesto de latencia debe mantenerse lo bastante ajustado para que se sienta interactivo.

Bajo estos requisitos hay una tensión más profunda. La forma habitual de hacer que un modelo sea lo bastante rápido para el tiempo real es simplificarlo, y la forma habitual de hacerlo más capaz es volverlo más pesado y lento. La velocidad y la capacidad tiran en direcciones opuestas. El modo estándar en que el sector ha construido estos sistemas agrava el problema: una larga cadena de etapas de entrenamiento independientes, cada una entregando el trabajo a la siguiente, con calidad y estabilidad que se erosionan en cada transferencia.

La respuesta de R2 es dejar de forzar una elección entre velocidad y capacidad, y dividir el trabajo en dos etapas construidas sobre la misma base. Omni Causal AR es el motor de capacidad y actúa como una columna vertebral entrenada de forma continua. Desarrolla un único modelo causal que sigue aprendiendo con más datos, más tipos de entrada, más tareas y periodos más largos, acumulando capacidad en un solo lugar en vez de degradarla entre transferencias.

La capa de aceleración en tiempo real toma ese mismo modelo y lo comprime para ejecutarlo en directo, en lugar de entrenar desde cero un modelo rápido independiente. Así, las mejoras de capacidad ya no se producen a costa de la velocidad.

R2 sustituye el flujo convencional de entrenamiento de varios pasos, donde la calidad se degrada en cada transferencia, por un único modelo entrenado continuamente y comprimido para su uso en tiempo real.

En torno a estas dos etapas hay un conjunto de decisiones de ingeniería específicas que permiten que cada mejora de capacidad llegue al producto en tiempo real. El informe técnico completo de PixVerse R2 incluye detalles de arquitectura y evaluación.

“Los grandes modelos de lenguaje demostraron que escalar es una vía fiable hacia una mayor capacidad”, afirmó Changhu Wang, cofundador y CEO de PixVerse. “R2 es nuestro caso de que los modelos de mundo en tiempo real pueden seguir un camino similar: con la arquitectura adecuada, un modelo puede seguir ganando capacidad sin renunciar a la interacción en tiempo real. Con el tiempo, así es como una herramienta de creación se convierte en un entorno al que las personas pueden entrar y dar forma.”

Del modelo de mundo a los juegos jugables

R2 ha pasado de ser una demostración de investigación a algo sobre lo que se pueden construir productos reales. PixVerse Game Engine, lanzado por primera vez en julio de 2026, ahora funciona con R2.

Chow Li, responsable de PixVerse Games, presenta el motor de juegos en tiempo real de PixVerse en Tech in Asia Conference, septiembre de 2026.

Durante Tech in Asia Conference en septiembre, Chow Li, responsable de PixVerse Games, lo describió como un cambio en lo que puede ser un juego. Las piezas que tradicionalmente hacían que un juego fuera un juego —los personajes, los mundos y las decisiones que toma el jugador— dejan de ser activos fijos creados por adelantado. Ahora un jugador puede decir lo que quiere y verlo ocurrir; la experiencia toma forma a través del juego en vez de estar diseñada de antemano. Crear el mundo y jugarlo se convierten en el mismo acto.

Jaden Xie, cofundador y presidente de PixVerse, interviene en un panel de Google AI App Day en Singapur, septiembre de 2026.

En un panel de Google AI App Day en Singapur, el cofundador y presidente Jaden Xie señaló que los avances en los modelos de vídeo son un fuerte motor de la próxima ola de juegos nativos de IA. “Lo que han creado los creadores sobre nuestro modelo de mundo desde que abrimos la beta en julio es emocionante”, afirmó Jaden. “Creemos que nuestros modelos de vídeo ayudarán a más creadores a hacer realidad sus ideas.”

Disponibilidad

Ya está abierta una colección de estos mundos para explorar en world.pixverse.video.

Acerca de PixVerse

PixVerse es una plataforma global de generación de vídeo con IA en la que confían más de 150 millones de usuarios de más de 177 países y regiones. Con un conjunto de modelos propios desarrollados íntegramente de forma interna, PixVerse permite a cualquiera crear vídeo de calidad cinematográfica a partir de un prompt, una foto o un clip. En enero de 2026, PixVerse lanzó R1, el primer modelo de mundo en tiempo real del mundo, transformando el vídeo en un flujo infinito, continuo e interactivo. R2 se basa en esos cimientos y escala el modelo de mundo en tiempo real para ejecutar sesiones más largas y coherentes. Con equipos distribuidos entre Asia y Estados Unidos, PixVerse se fundó en 2023 con el compromiso de hacer del vídeo el lenguaje universal de la expresión humana. En marzo de 2026, PixVerse cerró su ronda Serie C y alcanzó la categoría de unicornio. Para más información, visita pixverse.ai.