LTX-2.5发布：NVIDIA加速的开源世界模型，视频生成落地桌面级GPU

视频生产栈正收缩至一张办公桌

视频内容生产正经历关键转向：短视频、广告创意与影视预演正从云端迁移至创作者本地GPU。LTX今日发布LTX-2.5——一款开源权重的世界模型（world model），专为视频生成、实时交互与物理AI场景设计，直指这一本地化趋势。该模型深度适配NVIDIA RTX系列消费级显卡及NVIDIA DGX Spark平台，大幅降低显存需求，使前沿世界模型可在创作者已有的硬件上直接运行。此次发布与NVIDIA同期推出的开源智能体模型Nemotron 3.5 Lightning共同构成其为期一个月的‘本地AI系列’核心，释放明确信号：开源模型+本地加速，正成为新一代生产基础设施的默认选择。

创作者真正获得的：一致性与自主权

LTX-2.5赋予创作者过去仅限专业影棚才有的能力——真正的视觉一致性。其原生多镜头生成（native multishot generation）技术将整段视频作为单一连贯序列渲染，确保角色外观、场景构图与声音特征在镜头切换间稳定延续，彻底解决早期开源模型因帧间不一致导致的‘闪烁’问题，使其首次具备商业广告级可用性。叠加更精准的Gemma 4语言理解主干与新型视频解码器（显著减少高动态画面中的伪影），输出质量已接近后期制作就绪状态。全部流程可在一台搭载消费级NVIDIA RTX显卡的PC上，直接集成于ComfyUI工作流中完成。单人即可通过轻量LoRA微调快速锁定品牌角色或专属视觉风格——无需影棚、无需云服务、原始IP数据全程不出本地设备。这标志着整个视频生产栈——从创意、生成、迭代到交付——真正压缩至一张办公桌之上。

速度即生产力：实测性能碾压闭源方案

速度是本地化落地的生命线，而LTX-2.5在此维度表现突出。据其公开图像转视频基准测试，在2×NVIDIA GB200服务器本地部署下，生成一段10秒视频仅需6.8秒；通过LTX API云端调用则需23.7秒。对比主流闭源方案：Omni Flash、Grok 1.5与Veo 3.1耗时为52–70秒；而Seedance 2.0、FLUX 3、Seedance 2.5与Kling 3.0 Pro等则长达196–398秒。这意味着LTX-2.5本地推理速度不仅快于视频自身时长，更比最快闭源竞品快7.6倍、比最慢者快约58倍。这一性能差距使‘通宵批量生成一周素材’与‘分钟级A/B创意测试’从理论变为日常实践。

构架革新：从底层重写生成管线

LTX-2.5并非在旧模型上简单叠加功能，而是几乎重构了整个生成流水线：采用全新扩散式视频解码器，在保持高画质压缩率与原始影像保真度的同时，显著抑制高速运动场景中的视觉伪影；原生多镜头生成确保角色、场景与语音在剪辑点间无缝统一；定制化Gemma 4语言主干与专用提示词增强模块，则大幅提升对复杂创作指令的理解精度。LTX称其LTX系列为当前下载量最高的开源世界模型（超3300万次），而LTX-2.5是迄今能力最强的版本。开源权重意味着团队可完全掌控硬件部署、模型定制与知识产权归属。

定位世界模型：不止于视频，面向物理世界智能

世界模型与大语言模型（LLM）的核心差异在于任务目标：LLM预测下一个词，而世界模型预测下一个‘时刻’——它学习构建并模拟环境动态，支持用户在其中进行交互与决策。这一范式支撑影视制作、广告创意、游戏开发、工业仿真乃至仓储/工厂机器人等广泛场景。LTX-2.5正是这一能力在创作者、开发者与机器人团队手中的具体落点，也是NVIDIA推动‘从RTX PC到数据中心’全栈本地AI生态的关键一环。