Visko Orbis 1.0：实时4K视频生成，支持中途调整方向

Visko Orbis 1.0 不会等视频渲染完成后再交付一个文件。从你输入提示词的那一刻起，它就开始流式生成场景，并持续不断地生成——当你输入新提示词时，场景会在流式播放过程中实时变化，无需重启，也没有加载进度条。其背后的森尼维尔初创公司 Visko 将这类新系统称为“Live Model”，而 Orbis 是它的第一个产品。该公司于 2026 年 9 月 1 日高调亮相，同时开放 visko.ai 公测、发布 arXiv 技术报告，并完成了由 Llama Ventures 领投的 1000 万美元种子前轮融资。Orbis 才上线一天，因此在独立机构运行基准测试之前，以下数据均为 Visko 自行报告的结果。

之所以值得关注，不是因为Orbis比你已经能调用的视频模型更好——这一点还没有人证明。而是因为Orbis属于一个不同的类别。如今市面上每一款主流视频生成器，从OpenAI的Sora 2 Pro到谷歌的Veo 3.1，再到Kling 3.0，都是Visko所称的“查询模型”：你发送提示词，等待渲染，然后得到一段成品片段。Orbis是运行，而不是渲染。它把视频视为一种始终在发生的事物，并让你在它发生的过程中与它对话。

“live”的真正含义

Visko 的观点是，查询模型没有内部时钟，也没有记忆，因此生成序列运行的时间越长，就越容易崩溃——出现伪影、物理破损、颜色漂移。Orbis 的设计目的是将世界维系在一起。它在整个流中保持持久的内部状态，因此主题、场景和风格会从一段延续到下一段。Visko 的测试声称，它能让场景保持连贯一小时以上，而不会出现长时间扩散生成常见的质量或颜色漂移。

这种设计衍生出两大能力。第一，流中提示词编辑：生成运行时，你可以添加、更改或切换提示词，而 Visko 表示，输出平均不到一秒就会反映出这一变化——世界会围绕它更新，而不是重新开始。第二，连续性：模型会跨片段和会话保持主体、场景和风格，这正是长篇幅生成能够实现的关键。

你现在可以用它做什么

Orbis 以四种公开模式开启，与片段生成器的区别在列表中一目了然。“Choose What Happens Next”（选择接下来发生什么）在生成过程中提供分支剧情选择。“Speak It, See It”（说出即所见）接收口述旁白，在你朗读的同时实时渲染场景。“Train and Test Robots”（训练与测试机器人）将机器人投放到生成的世界中，在真实世界之前进行演练。“Freeform Playground”（自由形式游乐场）接受文本或图文描述，从零开始生成一个世界。下方还有更长的示例世界队列——虚拟乐队、功夫庭院、在轨工作的宇航员、直播模式——每个都是你可以实时操控的动态场景，而非渲染好的文件。

• 输出 — 以24 FPS实时流式传输4K视频（据厂商报告）。

• 时长——厂商声称可小时级生成，且无明显的质量或色彩漂移（厂商报告）。

• 输入 — 文本生成长视频、图片生成视频和视频续写；多语言提示词；生成中途切换提示词。

• 交互性 — 可随时重新提示；Visko 平均在不到一秒内报告更新。

• 记忆 — 一种有界的多尺度记忆，可在各块之间保留主体、场景和风格。

• 物理学 — 潜在世界模型在推理时对候选未来进行评分，将输出导向物理上合理的运动。

工作原理

Orbis 基于神经随机微分方程（Neural SDEs）构建——这是一种让模型随时间连续演化输出、而非解析单个离散片段的架构。它在由感知、记忆和物理 token 构成的统一潜空间内运行于内部“世界时钟”之上：持续记录模型正在看到什么、记住了什么，以及运动定律下一步应做什么。

生成过程是流式的，更接近LLM中的下一token预测，而非扩散去噪。模型完成第一帧后将其送出，然后基于此前生成的所有内容生成下一帧。一个蒸馏的分块流式生成器负责处理基础流，同时一个流式视频升级器将其提升至4K，这一切都由一个优化的GPU服务引擎支撑，Visko表示该引擎能够实时跟上处理速度。

谁在它背后？

对于一个只有一天公开历史的模型来说，团队至关重要。Visko 于2025年由 Qing (Will) Yin 创立，他拥有斯坦福大学计算数学与力学博士学位，并曾在 Apple 担任研究员三年。这支16人团队汇聚了来自 Apple、Google DeepMind、Meta、Amazon 和 Tesla 的人才，顾问委员会主席由加州大学伯克利分校的 Michael I. Jordan 担任。这样的资历为产品发布提供了实实在在的可信度——但仍然不能替代独立的评估。

到目前为止的数字——以及它们有多大可信度

Visko的技术报告《Visko Orbis 1.0: A Live Model for Real-Time Interactive Long Video Generation》（arXiv: 2607.26694）提出了一系列具体主张。在DOVER（一项衡量美学和技术质量的成熟指标）上，Orbis 1.0领先于所对比的实时视频和长视频系统。在VideoAlign（一项衡量视觉和运动质量的指标）上，它也排名第一。此外，在一项涵盖八个系统的长视频人类偏好Arena研究中，Visko报告该模型在总体偏好和时间稳定性方面获得了最高评分。对比系统集包括Odyssey的Odyssey-2，Visko表示Orbis在这些基准测试上优于Odyssey-2。

把来源搞清楚：这些数字都是 Visko 自己发布的，与模型上线同日发布，目前还没有任何独立实验室或中立排行榜对 Orbis 跑过分。值得肯定的是，报告也披露了 Orbis 落后于其他系统的维度——比大多数发布当天的报告披露得更多——但自我评估只是起点，不是分数。目前 LMArena 或 Artificial Analysis 上都没有 Orbis 的条目。对于昨天才发布的模型来说，这很正常，也正因如此，现在最公正的结论是“有前景，尚未证实”。

上面的报告是Orbis主要主张的完整证据记录——基准数字就在那份文件中，而该文件是供应商自己的。

可及性、成本，以及诚实的未知数

今天，你可以通过两种方式试用Orbis。Visko已在visko.ai开放公开访问——模型页面运行着一个带示例世界队列的实时演示，Freeform Playground则接受文本或图像加文本的输入。报告的发布说明补充道，Orbis还可以通过Visko的合作伙伴Reactor获取，后者同时提供动态版本和稳定版本，并配有沙盒与API。这个API正是开发者关心的部分：它是基于该模型进行构建而非仅仅观看的首个真正途径。

上面的模型页面目前就是全部的公开界面：可以看到演示卡片、一个试玩区，而且任何地方都没有价格标签。

尚不存在的是价格。Visko 尚未公布 Orbis 按秒、按分钟或订阅制的定价，其官网和分销合作伙伴页面也未列出任何价格。分析师的反应恰恰指出了这一点：Constellation Research 的 Holger Mueller 称 Visko 的工作“极其令人鼓舞”，但指出持续动态生成“可能不会便宜”。计算成本现实也印证了这一点——以 24 FPS 无限流式传输 4K 内容，与只渲染一次 10 秒片段相比，成本曲线截然不同。

对于一个刚发布一天、没有定价也没有独立数据的模型，理智的试用方式与任何未经证实的模型相同：测试流量，而非生产路径。当某个提供商上线Orbis时，这正是路由层的用武之地——将提示词指向Orbis，在同一端点上保留经过验证的备用模型，如果新模型停滞或偏离，就让自动故障转移切换到可靠模型。OrcaRouter通过一个API接入200多个模型，提供商挂牌价以0%加价直传，因此任何模型降价都会在供应商宣布当天在此生效。需要说明的是：OrcaRouter目前尚未托管或路由Visko Orbis 1.0——该模型通过Visko自己的网站及其分销合作伙伴发货——一旦有提供商上线该模型，上述直传计价方式即告生效。

谁应该关心

有三类受众有充分的理由关注Orbis。首先是机器人与仿真团队：演示清单包括在生成的世界中训练和测试机器人，Visko则将Orbis定位为一种生成训练素材的方式，这些素材若实际搭建可能不安全或成本过高——例如自动驾驶汽车和人形机器人的边缘情况。这与一批世界模型初创公司的主张相同，Orbis虽处于早期阶段，但正是为此而生。其次是游戏和交互式媒体开发者，因为一个持续生成并对实时输入做出反应的世界，是渲染后端，而非剪辑工具。第三类是在用户面前运行实时AI视频的任何场景——直播电商、虚拟网红、教育——在这些场景中，实时操控画面本身就是产品。

而应该等待的受众是：任何工作流程为“渲染剪辑、编辑、发布”的人。Orbis 的流式范式所解决的问题与批量视频生成不同，在定价和 API 条款公开之前，持续运行的流的成本是一个你不应承担的未知数。

接下来看什么

三件事将让这次首发成为一个你围绕其规划的模型。首先是独立的初步审视——登上LMArena或Artificial Analysis榜单，或由第三方复现DOVER和VideoAlign的声称。其次是公布的定价，这将决定"运行而非渲染"是否对研究团队和资金充足的初创公司以外的任何人来说都负担得起。最后是规模化证据：Visko自己的报告坦率承认，内存结构设计、训练数据中的详细动作描述以及扩展仍是有待完成的工作，因此小时级的声称值得由并非在推销它的人来检验。

目前，Visko Orbis 1.0 是你尚无法公平评估的最有趣的视频模型——一种真正全新的架构，公开历史仅有一天，还有一组令人印象深刻的自报数据，等待第二方意见。