PixVerse、R2を発表。リアルタイム世界モデルを持続的でプレイ可能な世界へ

基盤モデルを用いたAI動画生成は、通常一回限りです。モデルはプロンプトを受け取り、固定されたクリップを生成して停止します。変更するには、ユーザーは新しいプロンプトと新しいクリップでやり直す必要があります。各結果は閉じられた独立したものです。

リアルタイム世界モデルは異なる仕組みで動作します。クリップを返すのではなく、ユーザーがその中にいる間も動き続ける世界を生成します。その世界はリアルタイムで移動できます。モデルがまだ生成している間に新しい入力が届き、次に起こることを変えます。世界はアクションの間でリセットされず、セッション全体で状態を保持し、長く続くほど一貫性を保ちます。

PixVerseは2026年1月、世界初のリアルタイム世界モデルR1を発表しました。R1はこのパラダイムが実現可能であることを示しました。動画は固定出力ではなく、連続的でインタラクティブな視聴覚ストリームになり得ます。

本日、リアルタイム世界モデルのアップグレード版であるR2を発表します。R2はより長いセッションでも一貫性を保ち、セッション内で起きたことを記憶して引き継ぎます。また、テキスト、参照素材、音声、操作コントロールを同じ動き続ける世界に取り込みます。

記憶し、応答する世界

R2における中心的な変化は、入力が何をできるかにあります。通常のAI動画や初期のリアルタイム生成では、入力は現在の瞬間に影響し、その瞬間が過ぎれば終わります。次のアクションは新たに始まり、世界は何も引き継ぎません。

R2では入力が持続します。プロンプト、アクション、音声キューは現在のフレームを変えるだけではありません。世界の実行状態を更新し、以後の展開を形づくります。たとえば、キャラクターが後でどう振る舞うか、状況がどう解決するか、セッションの継続に伴って環境がどう発展するかです。以前のアクションは、同じセッションの後半でも有効であり続けます。

生きた世界を探索する。 プレイヤーは生成された世界に入り、WASDキーでキャラクターを操作し、矢印キーでカメラを動かしながらリアルタイムで移動します。進行中にプロンプトで世界を変え、要素を追加し、環境を変化させられます。キャラクターは物理的な論理を感じさせる形で周囲と相互作用し、各入力は最初から始めるのではなく前の入力の上に積み重なります。

物語を形づくる。 世界は、プレイヤーの行動に合わせて変化するストーリーラインを展開できます。クリエイターのXiaolongbaoがR2上で制作したインタラクティブ映画ゲーム「Zero Mark」では、ある生き物が道をふさぎ、贈り物を求めます。ドラゴンを渡すか、葉を渡すかで、まったく異なる反応が返ってきます。物語はあらかじめ書かれた筋書きに従うのではなく入力から分岐し、モデルが各結果をライブで生成します。

Zero Markでは、同じ遭遇が二つの道に分かれます。生き物にドラゴンを渡す場合と葉を渡す場合で、ライブ生成される反応が異なります。

文脈に応答するキャラクター。 世界内のキャラクターはプレイヤーを理解し、物語の流れに沿って応答できます。クリエイターのJade WuがR2で構築したインタラクティブストーリーでは、プレイヤーはEveというキャラクターと会話します。Eveは会話を通してアイデンティティと記憶を保ち、手がかりを引き出してプロットを前に進めます。彼女の返答、表情、動きは、それまでの会話と物語の到達点の両方を反映します。何度もやり取りしても一貫したアイデンティティを保ち、リセットされないため、脚本化されたノンプレイヤーキャラクターというより、あなたを知り、起きていることを追っている人物のように感じられます。

スケーリングの課題とR2の答え

単一のプロンプトと固定の時間枠を受け取り、固定された動画クリップを生成するのとは異なり、動き続ける世界にはそのような境界がありません。破綻することなく、継続して複数のことを同時に行う必要があります。

時間の中で一貫性を保つ。 キャラクター、場所、世界のルールは同じでなければなりません。動作時間が1秒増えるごとに、ずれる可能性も増えます。
生成の途中で入力を受け入れる。 モデルは考えるために停止できません。世界が動いている間に新しい操作が届き、止めることなく組み込む必要があります。
記憶し、復元する。 モデルはすでに起きたことを引き継ぐ必要があります。長いセッションで小さなエラーが蓄積した場合は、それを増幅させるのではなく修正しなければなりません。
すべてをライブで行う。 レイテンシーの予算は、インタラクティブに感じられるほど小さく保つ必要があります。

これらの要件の根底には、より深い緊張関係があります。モデルをリアルタイムで動かせるほど速くする通常の方法は、モデルを単純にすることです。一方、能力を高める通常の方法は、モデルを重く、遅くすることです。速度と能力は互いに引っ張り合います。この分野でこうしたシステムを構築する標準的な方法は、問題をさらに大きくします。別々の訓練段階を長く連ね、各段階が次へ引き渡すため、品質と安定性が引き渡しごとに損なわれます。

R2の答えは、速度か能力かを選ばせることをやめ、同じ基盤の上に構築した二つの段階に作業を分けることです。Omni Causal AR は能力エンジンであり、継続的に訓練されるバックボーンのように機能します。より多くのデータ、入力形式、タスク、より長い時間幅にわたって学習を続ける単一の因果モデルを育て、引き渡しのたびに劣化させるのではなく、一か所で能力を積み上げます。

次に、リアルタイム加速レイヤー が同じモデルを圧縮し、別の高速モデルをゼロから訓練するのではなくライブで動かせるようにします。そのため、能力の向上はもはや速度を犠牲にしません。

R2は、引き渡しごとに品質が低下する従来の複数段階の訓練パイプラインを、リアルタイム利用向けに圧縮した単一の継続訓練モデルに置き換えます。

この二つの段階を囲むのは、能力の向上をリアルタイム製品まで確実に届けるための、的を絞ったエンジニアリング上の選択です。完全な PixVerse R2テクニカルレポートには、アーキテクチャと評価の詳細が含まれています。

PixVerseの共同創業者兼CEOであるChanghu Wangは次のように述べています。「大規模言語モデルは、スケーリングが能力への信頼できる道筋であることを示しました。R2は、リアルタイム世界モデルも同様の道筋をたどれるという私たちの事例です。適切なアーキテクチャがあれば、モデルはリアルタイムのインタラクションを手放すことなく、能力を高め続けられます。やがて、これによって創作ツールは、人々が入り込み、形づくることのできる環境になります。」

世界モデルからプレイ可能なゲームへ

R2は研究デモの段階を超え、実際の製品を構築できるものになりました。2026年7月に初めて公開された PixVerse Game Engine は、現在R2上で動作しています。

PixVerse Games責任者のChow Liが、2026年9月のTech in Asia ConferenceでPixVerseのリアルタイムゲームエンジンを紹介する様子。

9月のTech in Asia Conferenceで、PixVerseのゲーム部門責任者であるChow Liは、これをゲームのあり方の転換として説明しました。これまでゲームをゲームたらしめてきた要素、すなわちキャラクター、世界、プレイヤーの選択は、事前に作られた固定アセットではなくなります。プレイヤーは欲しいものを言葉にして、それが起きるのを見ることができます。体験は前もって作り込まれるのではなく、プレイを通じて形になっていきます。世界を作ることと遊ぶことが、同じ行為になります。

PixVerse共同創業者兼社長のJaden Xieが、2026年9月にシンガポールで開催されたGoogle AI App Dayのパネルで発言する様子。

シンガポールで開催されたGoogle AI App Dayのパネルでは、共同創業者兼社長のJaden Xieが、動画モデルの進化がAIネイティブゲームの次の波を強く後押しすると語りました。Jadenは次のように述べています。「7月にベータ版を公開して以来、クリエイターが私たちの世界モデル上で作ってきたものには胸が躍ります。私たちは、動画モデルがより多くのクリエイターのアイデア実現を後押しすると信じています。」

提供状況

これらの世界のコレクションは、world.pixverse.video で公開されています。

PixVerseについて

PixVerseは、177以上の国と地域で1億5,000万人を超えるユーザーに利用されているグローバルなAI動画生成プラットフォームです。すべて自社開発した独自モデル群により、PixVerseは誰もがプロンプト、写真、クリップから映画のような品質の動画を作成できるようにします。2026年1月、PixVerseは世界初のリアルタイム世界モデルR1を発表し、動画を無限で連続的、かつインタラクティブなストリームへと変えました。R2はこの基盤の上に構築され、リアルタイム世界モデルを拡張して、より長く、より一貫したセッションを実現します。PixVerseは、人間の表現における共通言語を動画にすることを目指し、2023年に設立されました。チームはアジアと米国に分散しています。2026年3月、PixVerseはシリーズCラウンドを完了し、ユニコーン企業となりました。詳細は pixverse.ai をご覧ください。