深度｜GPT-6遇上实时视频，AI游戏和互动内容迎来新赛季

Z Highlights

• 一周之内大语言、图片、视频模型都迎来新赛季：OpenAI的GPT-6 Astra让编码 Agent更好地使用游戏引擎和Blender，自己改场景、自己跑、自己测；GPT-image-2.5上线，更快更强，图片编辑和关键帧动画显著提升；fal和Yoroll分别发布 H3 MaxTurbo和H3 Superfast后训练加速模型，5秒视频3秒内推理，实时生成和互动玩法纷纷涌现。

• AI应用层反攻模型，“开源+后训练+推理加速”爆发新活力。开源拉平模型的起跑线，应用公司可以围绕自己的场景做后训练，把速度、成本和交互体验做成产品优势。“拥有自己的智能”，开始成为应用层可以实践的路径。

• 完整的AI游戏，需要一套让模型协同工作的Harness。预生成主线打磨故事，代码与3D工具承载玩法，实时生成响应玩家，状态与判断系统保证前后连贯。模型能力能否兑现为游戏体验，取决于这些环节能否接好。

01 一周之内，互动内容迎来了新赛季

9月4日，OpenAI正式发布GPT-6 Astra。官方强调的能力集中在编码、数学、电脑与浏览器操作、多步骤工作流的完成度，发布演示里就包含了游戏场景创建。随后几天，社区涌现出大量的游戏创作和Blender 3D绘制：有人用GPT-6 Astra 用HTML和Godot开源引擎复刻了《英雄联盟》和《索尼克》，有人用Blender绘制出3D的精细版颐和园。

9月8日，OpenAI又发布了GPT-image-2.5。官方列的改进是生成延迟最多降低 50%、参考图一致性更高、多轮编辑之间保持一致、可以直接在图上写评论来指定修改。当天就有创作者拿它出角色图和背景图、做成关键帧动画，做出了一个唯美的2D横版游戏。

文本模型和图片模型有了，视频模型的竞争也没闲着，基于MiniMax H3的各类社区后训练版本百花齐放。AI中转站和推理基础设施公司fal发布了H3 Max和 H3 Max Turbo，推理速度快，成本极低，在视频品质尚可接受的程度下，做到了低于Seedance2.0的十分之一的价格（限时折扣期间）。

fal和Yoroll先后发布H3后训练的实时视频生成模型

而另一家AI互动视频和游戏公司Yoroll也发布了两样东西：自己后训练的视频生成模型Yoroll H3 Superfast，以开放权重的MiniMax H3为基座，推理10秒视频约需4秒；以及由它驱动的实时叙事产品YoLive，观众提案、投票，模型当场生成下一幕。

YoLive 实时 AI 直播互动产品

而在实时交互式视频生成模型这里，字节跳动也刚放出了大消息。据彭博社报道，字节跳动正在研发面向实时空间场景的交互式视频生成模型：基于 Seedance架构、接收语音与动作输入、云端生成、目标每秒20帧、延迟约0.05秒，最快10月发布，首批场景是直播、短剧和轻量游戏，PICO Space Pro为它推迟到四季度。元宇宙复兴了属于是。

由此，AI互动内容的新赛季拉开帷幕，技术方案也逐渐清晰：

头部LLM负责玩法与系统的代码，图片和3D模型提供美术资产，头部视频模型提供可看的剧情内容，实时交互式视频模型/世界模型负责更高自由度的互动。

02 当AI应用拥有自己的模型

本周一我们发布了文章《喝点VC｜红杉资本合伙人Sonya Huang：企业开始掌握自己命运，AI 应用层开始反攻模型》，其中红杉合伙人 Sonya Huang 的核心判断是：开放权重模型已经逼近前沿，后训练工具链已经成熟，综合考虑成本、速度、专有数据、以及是否能掌握自己的命运等因素后，越来越多公司开始为产品中的部分功能构建自有AI能力，通过纵向整合逐步拥有并塑造模型权重。应用公司正在成为新一代AI Lab。最优秀的AI产品公司需要自己的“小天才”：速度快、有自己的判断、专注于特定领域，并根据实际工作持续调优。

在另一篇文章《对话Fireworks CEO乔琳：为什么说找到PMF之后，第一件事不是买量，而是做后训练？》中，Fireworks AI CEO兼联合创始人Lin Qiao也有类似的判断，她认为：AI应用的壁垒正在从“做出产品”转向“拥有自己的智能”；后训练不是起点，而是产品找到PMF之后的下一步；数据的质量比数量更重要，产品团队必须进入训练闭环；后训练同时解决差异化和成本问题，进而会提高产品竞争力和公司商业价值。

这些论点和判断，在H3的后训练版本中得到了充分的印证。极致的推理速度和低廉的成本，让H3 Max等系列模型快速获得了市场青睐，多家AI短剧公司连夜切换为使用H3 Max模型抽卡，而LibTV、OiiOii等视频Agent平台都已第一时间接入H3 Max。H3后训练家族已经成为了视频模型赛道和实时交互式赛道的重要力量。

这里有一个有趣的问题：H3开源一个月，几十个团队在同一个底座上做后训练，为什么fal和Yoroll这样的公司能交出不错的答卷？

开源拉平的是模型层的起跑线，没有拉平的是三样东西：推理栈、数据、产品。

fal有的是推理栈和开发者数据。它本来就是做推理基础设施的，H3 Max的快，一部分来自后训练，另一部分来自把模型搬进自家推理栈。fal把高速视频生成做成了开发者可以直接调用的服务。

Yoroll占的是数据和产品。这也是它要做一个自己的版本、且能做一个自己的版本的原因。

首先是数据。Yoroll从做互动影游和3D游戏的第一天起，就在积累一类别人没有的素材：游戏内视频数据和玩家与创作者行为数据。第一方长内容，加上创作者平台上的作品，留下了大量带分支、状态和玩法标注的镜头。H3 Superfast的后训练，就是拿游戏内数据去补它：游戏美术风格的稳定性、长序列中的角色一致性、镜头与玩法节奏的配合，以及为世界模型预留的动作控制，让模型能根据玩家的操作而不只是文字提示来续写画面。

《华君传》介绍和200万玩家

Yoroll平台上已经有超百款互动内容和游戏，既有上线抖音小游戏一个月就获得 200万玩家的《华君传》，也有登陆科隆游戏展的大型游戏《丧尸清道夫》。这些都是数据积累的重要来源。

《丧尸清道夫》在科隆游戏展上的实机玩法录屏

其次是产品。推理提速只有进入实际玩法，才会变成体验优势。H3 Superfast发布当天就有三个地方在用它：创作者平台上生成视频，YoLive里接观众的投票，实时互动小游戏。每一次提速都直接落到玩家手里，玩家的反应又回来告诉模型团队该先修什么——角色没执行动作，道具前后消失，画面接不上。只做模型的公司难以拿到这些问题，只做应用的公司过去拿不到模型；开源解决了后一半，前一半只能靠自己做C端产品。

实时生成和直播玩法已经上线Yoroll App和抖音直播间

03 新的实时模型带来了哪些玩法

Yoroll H3 Superfast解决的是从离线到运行时的那一步。Yoroll在H3基座上用游戏实机画面和美术风格数据做后训练，并在推理层面做了加速。官方数字：8×B200上，推理一段10秒视频约需4秒，生成速度约为播放速度的2.5倍。对互动视频来说，它意味着分支不必预先生成：观众选择之后现场生成，玩家拥有更高的自由度。

几天之内，社区开发者做出了无限刷的短视频流、由RSS和社区讨论喂养的24小时AI新闻台、实时你画我猜、约会模拟器、分支式文字冒险。9月7日，拥有74万粉丝的主播N3on宣布用AI分身开一场“永远不会结束”的直播，观众可以进直播间和它互动，上线时近两万人同时在线。它至少说明了一件事：观众已经准备好接受“内容按你的反馈实时生成”这种形态，供给端能不能跟上，取决于运行时生成的速度和成本。

而在此之前，Yoroll也发布了基于H3 Superfast模型的新产品YoLive（yo.live），产品形态非常直接：一部大家共同参与、持续向前发展的互动剧情游戏。

进入YoLive，观众看到的是一个持续播放的AI互动剧情频道。任何人都可以提出下一幕应该发生什么——让机器人跳舞、来一场天台追逐、加一个谁都没想到的反转——其他人为这些提议投票，得票最高的方向被系统结合已经发生的剧情、人物关系、当前地点和任务状态续写成新的影像，由H3 Superfast模型当场生成。第一个开放的频道来自《丧尸清道夫》：机器人牛仔、模特、鸵鸟和那片原子朋克废土构成了稳定的角色与世界，观众在这个世界里决定故事往哪走。

比YoLive更能说明“实时生成是一种玩法”的，是平台上创作者正在孵化的一批小游戏。它们的共同点是：用Yoroll Code写玩法，用H3 Superfast的API生成画面，实时输入直接改变剧情。目前都在开发与探索阶段，但题材已经很鲜明。

Yoroll平台上实时互动小游戏的活动页面

在这批小游戏里，“实时”已经被放进了具体的交互设计。《相亲战士》让玩家按喜好定制相亲对象，通过自由对话和行动推动约会：一句试探、一个大胆的举动，都可能把下一幕带向不同的方向。《Breaking Fake News》是款虚假新闻模拟器，在平行宇宙里体验当总统的快乐，里边藏了各种政治笑话。还有致敬《旅行青蛙》和《GTA》的实时小游戏，不同的是这一回目的地或者故事由你来选。

根据玩家的输入和选择实时生成的GTA游戏

根据玩家的输入和选择实时生成的 Fake News 游戏

这些游戏体量都不大，但它们是我们见到的第一批把“下一幕由玩家的输入决定”当核心循环、而不是当宣传噱头的作品。

04 互动内容的Harness应该如何搭建

为了给玩家交付“好玩又好看”的完整游戏体验，仅靠单一模型的能力是不够，需要一整套Harness来配合。

第一块，预生成的主线剧情。

无论游戏、短剧还是电影，故事本身是最为重要的一环，而好的故事离不开打磨雕琢，所以一定需要有预生成的主线。这里就需要LLM和RAG提供更好的剧本和分支故事线，也需要SOTA的视频模型和抽卡提供良好的画面表现。预生成负责打磨，实时生成负责回应。主线、角色和关键场景提前制作，玩家未被预设的提问与行动，由实时生成接续。规则和状态系统负责记住发生过什么，保证故事与玩法连贯。

推理成本也会决定两者的分工：多人共看、共同参与的实时流更容易分摊成本；个人化互动需要付费意愿支撑；可自由探索的持久世界，则有待控制能力与推理成本进一步改善。

第二块，基于Coding和3D的玩法。在3D游戏的玩法和关卡部分，GPT-6之前，这是最难被AI替代的部分，建模、拓扑、UV、绑定、导进游戏引擎，视频生成再快也替不了。GPT-6 Astra把这个判断改了一半：它开始接手一部分原本需要人在Blender中反复操作的工作，自己写脚本、摆物体、打灯、渲预览、用视觉检查、改到对为止，再导出游戏引擎能直接用的格式。Yoroll Code已经把GPT-6的3D能力和Blender MCP接入，也就是创作者平台上用自然语言做玩法的那部分。

创作者使用Yoroll Code和GPT-6创作的类《红色警戒》游戏，选择了Godot引擎，老玩家的回忆

第三块，实时生成。主线定了、关卡有了，剩下的是玩家和观众自己长出来的部分：YoLive里投票决定的下一幕，平台上实时21点、AI新闻台这类小游戏和频道的画面。这类依赖现场输入的内容，可以由H3 Superfast在运行时生成。让现场算的画面接得上前面的故事，靠的是Harness的另外两层：状态系统维护道具、血量、任务进度和人物关系，规则系统判断玩家的行动可以产生什么结果；视频模型负责把这些结果表现出来，视觉模型辅助检查画面是否执行了指令、是否出现前后矛盾。通过校验的事件再写回状态，让后续剧情有据可依。模型负责“看起来对”，Harness负责“确实发生了”。

三块放在一起，边界就清楚了：主线使用头部视频模型，玩法使用头部LLM和 3D工具链，而运行时生成是值得优先投入自有优化的环节：它持续影响玩家等待多久、每次互动花多少钱，以及角色和场景能否按要求回应。是否需要自建模型，则取决于通用API的能力边界、实际调用规模，以及团队能否通过后训练和部署优化获得足够收益。

Harness把问题收集起来，自有权重把问题优化解决到更好。字节做交互式视频的世界模型可能也是类似的思路，但出口接的是自己的PICO头显。

05 新赛季：什么变便宜，什么变稀缺

在当前新的赛季里，游戏和互动内容的成本结构会重排成这样。

代码原型、美术资产和视频素材的制作成本都在快速下降：玩法和系统的代码，GPT-6进引擎自测和computer-use之后原型制作门槛进一步降低，两段提示词能出一个网页版《英雄联盟》；美术资产，GPT-image-2.5和Blender把原画、UI 图、3D场景压成了几轮对话；可看的剧情，H3 Max把价格做到了Seedance 2.0 的十分之一。这三块对大厂和创业公司同样成立，竞争会迅速拉平。

因此，游戏和互动内容的供给会进入爆发式增长。大厂纷纷开始搞自己的部署和分发渠道：B站Toy定向开放小游戏等作品的发布，快手招募AI互动内容创作者，抖音灰度测试互动空间，小红书也上线自己的Vibe coding和部署小工具等，互动内容是最近的行业风口。入口逐渐增多，内容供给爆炸，那什么会变稀缺呢？

变稀缺的是三样东西：

• 一是运行时的画面。线性内容生成一次给一亿人看，运行时画面每个玩家的每次选择都要现场推理一次。按fal的H3 Max Turbo标准价（非折扣期）每秒 0.04美元算，10秒画面0.4美元，一个24小时实时频道一天花费3456美元，而广告小游戏的单会话收入以分计。推理速度就是毛利，生成快一倍，同一套硬件能扛的会话就多一倍；其次才是性能指标，这也是实时生成最好能自建的原因。
• 二是真实产品里的交互轨迹。论训练数据，文本有整个互联网，视频有 YouTube和抖音，但“玩家想要什么、系统给了什么、玩家有没有留下”这种完整的轨迹，在公开数据集里都难以获取，它只在一个真的有人在玩的互动产品里产生。这类数据不好买不好爬，而既做模型又 C端产品的公司拿得到，而且它是复利的：用的人越多，正向飞轮越能转起来。
• 三是流量和IP。Steam今年日均近70款新游戏上线，8月最后一周单周720款创下纪录，2026年新作里已有三成申报使用了生成式AI；头部1%的作品拿走约94%的收入。生产越便宜，渠道和题材只会越贵。

这一轮变化最有意思的地方，是做出一款AI游戏和互动产品需要的几块拼图，终于开始在同一个时间窗口里凑齐：AI能写玩法、造资产，视频也开始来得及实时回应玩家。但工具越强，“我也能做一个”的保质期就越短。

对于这个刚开场的新赛季，视频生成得更快只是发令枪。真正值得期待的，是玩家第一次觉得：这AI游戏，我竟然玩上瘾了。

最后，可以来看一段YoLive上直播实时生成的峰哥祝福，祝AGI顺利落地～

文章来自于"Z Potentials"，作者 "Z Potentials"。