视频生成赛道最近又杀出一匹黑马。2026年8月11日Lightricks正式甩出LTX-2.5——一个拥有220亿参数的开放权重视频基础模型。官方放出的数据相当唬人两块NVIDIA GB200超级芯片上10秒的视频片段仅需6.8秒就能渲染完成。这速度放在半年前简直不敢想。LTX-2.5不是那种关在实验室里的预览版而是实打实开放下载的模型。权重、推理代码、训练代码全端上桌。它最吸引人的地方在于一站式文本、图片、视频三种输入直接吐出带同步音频的高保真视频。对话、环境音、背景音乐统统跟画面一起生成不用后期再配。这种视频音频同步生成的能力在目前的开放权重模型里并不多见。架构层面LTX-2.5走的是非对称双流扩散Transformer路线参数量堆到22B。Lightricks研究员Yoav Hacohen透露这套系统用上了可变令牌率VTR和像素扩散技术。简单来说它不再像传统模型那样给每个场景套同样的压缩率而是根据画面复杂度动态分配算力——简单的地方少算复杂的地方多算。这种扩散保真渲染的思路让模型通过高保真关键帧网格来渲染场景官方甚至号称影院级屏幕上看也能保持帧间完美平衡。跟老版本比原生多镜头功能可能是体验提升最明显的地方。以前一次只能出一个连续长镜头现在一次渲染就能出一组相互衔接的镜头角色长相、场景环境、光线氛围、甚至配音音色都能保持一致。做短片、广告或者剧情片段时这个能力直接省掉大量后期拼接的麻烦。对于内容创作者来说这意味着AI视频生成真正开始向可用迈了一大步。音频同步这块LTX-2.5把世界模型的思路贯彻得很彻底。它不是在生成视频后再外挂一个音频模块而是直接在同一个模型里预测下一刻的画面和声音。新的扩散视频解码器替掉了老的VAE重建阶段人脸清晰度、纹理细节和屏幕文字的可读性都有提升。文本编码器换成了定制的Gemma 4 12位版本长提示词的语义连贯性保持得更好。说白了它预测的是下一刻而不是下一个词——这种底层逻辑的差异让生成结果更像是在模拟真实世界而不是拼接文字描述。速度是LTX-2.5目前最硬的招牌。官方只给了两个基准数字本地双GB200跑10秒片段6.8秒API调用23.7秒。对比竞品Veo 3.1生成8秒片段要70秒MiniMax H3在类似测试里需要180秒Seedance 2.5更是跑到317秒Kling 3.0 Pro则要398秒。光看这组数字LTX-2.5在渲染效率上确实甩开了闭源大厂好几条街。不过社区里的实测数据要冷静看待。有开发者在RTX 5090上跑LTX-2.510秒片段花了约1.5分钟MiniMax H3在同一张卡上则要8到10分钟。虽然还是快不少但跟官方宣传的6.8秒差距明显。毕竟GB200是顶级企业级芯片普通消费级显卡别指望复现这个成绩。另有测试显示RTX Pro 6000约需22秒A100甚至要7分钟——硬件配置对最终速度的影响远比纸面参数复杂。获取渠道倒是很透明。Hugging Face上搜Lightricks/LTX-2.5就能找到模型卡填个联系信息协议就能下载权重。不想折腾本地部署的可以直接走LTX API有fast和pro两个版本fast最高支持4K分辨率pro最高1080p但画质更稳。LTX Studio的免费套餐也送了800点数可以尝鲜。对于想自己搭视频工作流、又不想被闭源API绑死的团队来说这条开放路线相当有吸引力。授权方面LTX-2.x社区许可对年收入低于1000万美元的公司直接免费商用。超过门槛才需要付费许可这对中小团队和个人创作者相当友好。API端支持的工作流也挺全文本生视频、图像生视频、视频生视频都带音频同步。另外还有重拍、延长和重新构图等编辑功能。不过目前这些编辑端点跑的是LTX-2.3版本还没完全切到2.5。因为权重开放技术团队可以拿自己的数据微调。发布当天Diffusers和ComfyUI就上了支持社区项目比如Ostris AI Toolkit和WanGP也在24小时内跟进。这种生态响应速度侧面说明模型本身的接口设计足够标准。当然有几个坑还得等更多独立验证。一是基准测试的统一性不同测试用的分辨率、帧率、检查点设置都不一样很难横向比较。二是API定价第三方传出的720p每秒0.09美元、4K每秒0.37美元并未获得官方确认。三是消费级显卡上的实际体验RTX 4090有用户遇到Torch/CUDA版本不匹配导致性能暴跌的情况A100的Colab环境光是配置就要两个半小时。如果你打算本地部署最好先确认自己的驱动和框架版本是否跟得上。LTX-2.5的出现至少证明了两件事开放权重模型在视频生成领域已经能跟闭源大厂掰手腕而且速度优势正在重塑创作流程。它未必是画质最强的那个——有测试者认为MiniMax H3在复杂运动和整体画质上更胜一筹——但在快和开放这两个维度上目前确实站到了前排。接下来几个月重点看三个信号。第一标准化独立质量评测的结果毕竟现在的对比数据并不一致。第二官方会不会确认API定价和授权细则。第三社区能不能把消费级显卡的部署门槛打下来。如果16GB显存就能流畅运行、RTX级别显卡能跑出接近官方宣传的效率那LTX-2.5很可能会成为中小创作者的首选视频生成底座。
视频生成赛道最近又杀出一匹黑马。2026年8月11日Lightricks正式甩出LTX-2.5——一个拥有220亿参数的开放权重视频基础模型。官方放出的数据相当唬人两块NVIDIA GB200超级芯片上10秒的视频片段仅需6.8秒就能渲染完成。这速度放在半年前简直不敢想。LTX-2.5不是那种关在实验室里的预览版而是实打实开放下载的模型。权重、推理代码、训练代码全端上桌。它最吸引人的地方在于一站式文本、图片、视频三种输入直接吐出带同步音频的高保真视频。对话、环境音、背景音乐统统跟画面一起生成不用后期再配。这种视频音频同步生成的能力在目前的开放权重模型里并不多见。架构层面LTX-2.5走的是非对称双流扩散Transformer路线参数量堆到22B。Lightricks研究员Yoav Hacohen透露这套系统用上了可变令牌率VTR和像素扩散技术。简单来说它不再像传统模型那样给每个场景套同样的压缩率而是根据画面复杂度动态分配算力——简单的地方少算复杂的地方多算。这种扩散保真渲染的思路让模型通过高保真关键帧网格来渲染场景官方甚至号称影院级屏幕上看也能保持帧间完美平衡。跟老版本比原生多镜头功能可能是体验提升最明显的地方。以前一次只能出一个连续长镜头现在一次渲染就能出一组相互衔接的镜头角色长相、场景环境、光线氛围、甚至配音音色都能保持一致。做短片、广告或者剧情片段时这个能力直接省掉大量后期拼接的麻烦。对于内容创作者来说这意味着AI视频生成真正开始向可用迈了一大步。音频同步这块LTX-2.5把世界模型的思路贯彻得很彻底。它不是在生成视频后再外挂一个音频模块而是直接在同一个模型里预测下一刻的画面和声音。新的扩散视频解码器替掉了老的VAE重建阶段人脸清晰度、纹理细节和屏幕文字的可读性都有提升。文本编码器换成了定制的Gemma 4 12位版本长提示词的语义连贯性保持得更好。说白了它预测的是下一刻而不是下一个词——这种底层逻辑的差异让生成结果更像是在模拟真实世界而不是拼接文字描述。速度是LTX-2.5目前最硬的招牌。官方只给了两个基准数字本地双GB200跑10秒片段6.8秒API调用23.7秒。对比竞品Veo 3.1生成8秒片段要70秒MiniMax H3在类似测试里需要180秒Seedance 2.5更是跑到317秒Kling 3.0 Pro则要398秒。光看这组数字LTX-2.5在渲染效率上确实甩开了闭源大厂好几条街。不过社区里的实测数据要冷静看待。有开发者在RTX 5090上跑LTX-2.510秒片段花了约1.5分钟MiniMax H3在同一张卡上则要8到10分钟。虽然还是快不少但跟官方宣传的6.8秒差距明显。毕竟GB200是顶级企业级芯片普通消费级显卡别指望复现这个成绩。另有测试显示RTX Pro 6000约需22秒A100甚至要7分钟——硬件配置对最终速度的影响远比纸面参数复杂。获取渠道倒是很透明。Hugging Face上搜Lightricks/LTX-2.5就能找到模型卡填个联系信息协议就能下载权重。不想折腾本地部署的可以直接走LTX API有fast和pro两个版本fast最高支持4K分辨率pro最高1080p但画质更稳。LTX Studio的免费套餐也送了800点数可以尝鲜。对于想自己搭视频工作流、又不想被闭源API绑死的团队来说这条开放路线相当有吸引力。授权方面LTX-2.x社区许可对年收入低于1000万美元的公司直接免费商用。超过门槛才需要付费许可这对中小团队和个人创作者相当友好。API端支持的工作流也挺全文本生视频、图像生视频、视频生视频都带音频同步。另外还有重拍、延长和重新构图等编辑功能。不过目前这些编辑端点跑的是LTX-2.3版本还没完全切到2.5。因为权重开放技术团队可以拿自己的数据微调。发布当天Diffusers和ComfyUI就上了支持社区项目比如Ostris AI Toolkit和WanGP也在24小时内跟进。这种生态响应速度侧面说明模型本身的接口设计足够标准。当然有几个坑还得等更多独立验证。一是基准测试的统一性不同测试用的分辨率、帧率、检查点设置都不一样很难横向比较。二是API定价第三方传出的720p每秒0.09美元、4K每秒0.37美元并未获得官方确认。三是消费级显卡上的实际体验RTX 4090有用户遇到Torch/CUDA版本不匹配导致性能暴跌的情况A100的Colab环境光是配置就要两个半小时。如果你打算本地部署最好先确认自己的驱动和框架版本是否跟得上。LTX-2.5的出现至少证明了两件事开放权重模型在视频生成领域已经能跟闭源大厂掰手腕而且速度优势正在重塑创作流程。它未必是画质最强的那个——有测试者认为MiniMax H3在复杂运动和整体画质上更胜一筹——但在快和开放这两个维度上目前确实站到了前排。接下来几个月重点看三个信号。第一标准化独立质量评测的结果毕竟现在的对比数据并不一致。第二官方会不会确认API定价和授权细则。第三社区能不能把消费级显卡的部署门槛打下来。如果16GB显存就能流畅运行、RTX级别显卡能跑出接近官方宣传的效率那LTX-2.5很可能会成为中小创作者的首选视频生成底座。
