ARTICLE / 极客公园

实时交互模型:一个还没形成共识的赛道,怎么就成了热门?

2026年09月28日 19:55 · 来自 极客公园

阅读原文 → 收藏

本文首发于 Founder Park 公众号 · 2026 年 9 月 18 日 交互模型,突然成了一个小的热门赛道。 过去几个月,一批看起来颇为相似的 Demo 密集出现。用户不再只是输入一句 Prompt,等待模型生成一段完整视频。可以在角色说话时打断,可以点击、拖动屏幕里的物体,也可以打开摄像头,让 AI 看到自己的表情和动作。生成出画面不代表着结束,它还会根据用户的下一次输入继续变化。 但看得越多,反而越容易混乱。先是名字,交互模型、互动模型、交互视频模型、交互世界模型,各家叫法相似又不同。看起来和大众已经熟悉的「视频模型」有些关系,又和今年备受瞩目的「世界模型」存在某些路线交集。即使最终展示出的体验差不多,底层实现、模型输出和产品路线却可能完全不同。 某种程度上,混乱本身就是一种信号。当一个方向还没有统一的定义,通常意味着它刚刚从不同的路径上被同时发现。 Founder Park 最近持续关注了几支和交互模型有关的团队:Loopit、Reverie AI 和 SigmaZ AI。它们都把「实时交互」放在核心位置,有的直接生成音视频像素,有的将 Coding 与视觉生成结合起来。有的先做模型,有的选择先把应用推向用户。 这股变化也正在扩散到原本以视频生成为主的公司。Runway 在传统视频生成模型之外,陆续推出实时角色 Characters、可交互世界 GWM Worlds,以及直接生成交互界面的 Solaris;Vidu 则在面向传统视频生成的 Q 系列之外,将 S 系列单独定义为 Real-Time Generation Model。原本散落在数字人、视频、游戏和 UI 中的「实时交互」,正在逐渐成为一条被单独命名和训练的模型能力。 路线不同,但各家接近的是同一个问题。在聊天框之外,AI 能不能看见、听见并持续