リアルタイム世界モデルは現在、生成AIで最も興味深い発展ですが、ほとんど誰も注目していません。 コンセプトはこうです:固定された動画クリップをレンダリングするのではなく、AIが展開に応じて反応する連続的な環境を生成します。話すと世界は変わる。指示を出し、キャラクターが反応します。待ち時間も再レンダリングも固定時間もありません。 これはAI動画の他のすべてとは異なります。ソラは美しい60秒のクリップを生成します。Runwayはプロフェッショナルな編集コントロールを提供します。クリングはシネマティックなカメラワークを担当します。すべてが視聴するファイルを作ります。 リアルタイムの世界モデルは、あなたが住む空間を作り出します。 Google DeepMindは長年にわたりこの目標に向けて構築を進めてきました。ジーニー1がそのコンセプトを証明しました。Genie 2では3D環境が追加されました。Genie 3は2025年8月にリリースされ、720pで24fpsで数分間安定して表示されました。しかしDeepMindはそれを研究プレビューに固定し、選ばれた学者やクリエイターのみが利用できるようにしました。 PixVerseがそれを変えた。 R1は1月13日に打ち上げられました。ブラウザ上で動作します。招待コードを配布し、オープンアクセスへと拡大しています。技術仕様はGenie 3に匹敵するかそれ以上です:1080p解像度、リアルタイム応答、連続生成。 彼らの建築には理解に値する三つの要素があります。Omniモデルは、テキスト、画像、音声、ビデオを個別のシステムに連結するのではなく、単一のトークンストリームに統合します。自己回帰フレームワークは、各フレームを前のフレームから予測することで理論的には無制限の持続時間を可能にします。インスタントレスポンスエンジンは、数十ステップから1ステップから4ステップにサンプリングを圧縮するため、リアルタイム生成が可能になっています。 PixVerseにはDeepMindにはないものもあります。それは配信です。1億人のユーザー。年間の定期収入は4,000万ドルです。アリババは6,000万ドルのシリーズBをリードしています。R1が招待制を超えて拡大すると、利用する準備ができているオーディエンスがいます。 制約は現実です。拡張シーケンスは予測誤差を蓄積します。物理演算の忠実さはスピードと引き換えにされます。一貫性は数分で持続し、数時間ではありません。これらの制限はジーニー3にも当てはまります。それらを解くことが実際のレースです。 しかし、現在の制限よりも軌道の方が重要です。コンテンツを消費することと共創することの間のギャップは縮まっています。PixVerseは、他の誰かが実際に触れられるものを出す前に、その未来を商品化できると賭けています。