实测Vivix的两个新模型，我体验到了下一代的视频内容
沃垠AI · 人工智能
原创 冷逸 2026-11-06 16:33 四川 一手实测 大家好，我是冷逸。 现在，AI视频的技术路线大致有三条。一条是以Seedance2.5为代表的DiT扩散视频生成模型，一条是以Opus 5.5为主的Code-to-Video路径，还有一条是实时交互视频模型。 这里面，第三条路线最难，但也最有可能成为AI时代的增量场景。 以SD为例的视频生成模型，它主要为上一代成熟内容格式做降本增效，已经有成熟的产品和收入；Code-to-Video是最近兴起的新路径，本质上还是在用现有工具链拼装；而实时交互视频模型是AI时代的新产物，有机会让互动内容成为可以被消费的技术基座。 Vivix（灵动时刻） 正是这条路线上的一个具体样本。它由商汤系创业者刘宇创立，成立约一年便估值13.2亿美元，背后站着IDG、红杉、阿里、京东等机构。 目前，Vivix发布了两款支持流式原生多模态的模型，均是30B左右的参数。其中A1负责让角色动、演、说和与身边世界互动，W1负责叙事世界的持续生成与交互，可以生成短片，也可以直播live。 A1演示案例 W1演示案例 而且，他们把延迟和价格压得非常之低。 可见反应延迟平均0.6秒，流式调度器响应新输入最短300毫秒，端到端首次反应延迟低于1.7秒。价格方面，A1是$0.22/分钟（¥1.47/分钟），W1是$0.18/分钟（¥1.2/分钟）。 A1价格只有同类模型的1/2，W1是Seedance 2.5的2.5%。而且，他们创始人表示，Vivix的推理成本还要降，争取再降一到两个数量级，希望能够接近CDN带宽成本。 冲着这个价格，我最近实测了一波。 先体验的是 A1模型 ，在Vivix官网上，A1模型有两种体验路径：一种是自己跟Agent对话，完全手搓；一种是基于现有模板来改编。 比如我选了一个比较热门的模板，魔改了一番。要求她扮演我的AI女友，全程说中文，专门催我起床，而且每次都要叫我“冷老板”，还给她配置了不同衣服的分身。 先看VCR。 整个互动过程还挺丝滑的，基本上指令（语音、打字皆可）发出去两三秒左右，她就能接上我的话开聊。5分钟体验下来，嘴型同步这块完全没有问题。 让她取咖啡，手部和肢体协调也都很自然，没什么畸变。 换装也很丝滑，切换后能继续开聊。而且，她记得上下文，知道前面聊了什么，能轻松接住我的话题。 我还测了一个Case。指定一张图，让她充当我的助理介绍我自己，一分钟的视频直接出。 A1模型能说会动，还会演，那基于它的应用场景可以有很多。 比如AI占卜，可以根据你的星座和你聊的内容，巫师实时给你推算命数。 还包括换装，你有心仪的衣服，都可以让模特帮你试穿。 再比如文旅导览。你让小动物给你介绍景区有什么好玩的，它不是干巴巴地背一段介绍词，而是拿起一张旅游地图，边走边指给你看。角色的动作和对话是同步发生的，而不是先想好台词，再硬贴一个动作上去。这种自然感，靠传统的“语音识别→大模型思考→语音合成→驱动画面”这套流水线，根本做不出来。 当然，A1依然有不足。比如一些高速动作或精细的手部抓取上，它偶尔还是会露馅。但它的方向很清晰：把AI角色从脸部表演扩大到全身、全场景的表演。 如果这个方向跑通了，以后你跟屏幕里的角色打交道，可能真的就像在跟另一个世界打视频电话。它不只是回答你，它还会走向你。 接着，我又体验了 W1模型 。W1支持Video Gen，也就是视频生成，能做到又快又便宜，质量也还不错。 有了视频生成技术打底，它能为实时互动视频提供基座。比如官方这个Live Stream，提供全球实时互动直播。 我一点进去，就是豆姐在大战水豚（Qwen的形象） 。 作为观众，可以选择道具，也可以为角色助力。 我接连给豆姐递上了雷神之锤和美国队长的盾牌，结果还是没有干赢水豚。 这是官方建的Live demo。实际上，你完全可以自己接入W1 Live Stream的API进行定制，自己手搓一个类似的直播间。包括场景、人物、角色、道具和运镜，都可以开放给观众定制。观众的上一秒，决定着画面的下一秒。 W1的Video Gen，跟Seedance、H3类似。参考图最多可选5张，参考音频可选3段，可首帧也可尾帧，时长支持5-15s。 我接连用同一位女主制作了多段视频，请看VCR。 这效果，无论是物理遵循、空间连续性、音画一致性还是多镜头叙事，我觉得完成度都挺高的，都是One shot直出。 更厉害的是它的速度和价格。我给大家展示一个片段，从发出请求到最终出片全过程录屏，一帧未剪。 10s视频，总共也就13s左右就生成好了，非常之快。 而价格这块，W1是$0.18/分钟，算下来是人民币0.02/s。这个价格是真的离谱，这是我见过最便宜的视频模型了，没有之一。 它意味着，制作一部90分钟的AI电影，只要16美金（106元