LTX-2.5：Lightricks 把生成式视频的权重搬出 API，但许可证依然“有条件”

Lightricks（LTX）于 2026 年 8 月 11 日发布 LTX‑2.5，这是一款权重开放的生成式视频音频模型；载有合作伙伴表态的通稿则在 8 月 13 日流传开来。Hugging Face 上的官方模型卡将其描述为一个 220 亿参数的 diffusion transformer，ComfyUI 的发布说明称之为“asymmetric dual‑stream”。权重发布了多个版本：蒸馏版 DiT（bf16、int8、NVFP4）与完整可训练的 DiT（bf16、int8），另有视频与音频 VAE、超分模块、LoRA，以及一个“duration head”补丁。文本编码器是为 LTX 调校的 120 亿参数 Gemma 4；GitHub 上的官方仓库明确指出标准版 Gemma 4 并不兼容。

官方公布的功能包括一次生成即可完成的原生多镜头（人物、场景与声音在镜头切换间保持一致）、与画面同步生成的音频、时长自动预测、4K HDR 输出，以及“Diffusion Fidelity Rendering”——按场景复杂度分配算力，而不是套用固定的压缩率。官方仓库列出的生成模式为：文本→视频、图像→视频、视频→视频、音频→视频、关键帧插值与局部区域重绘。模型卡给出的软件要求是 Python ≥ 3.12、CUDA ≥ 12.7、PyTorch ~2.7；蒸馏模型采用固定的 8 步调度。ComfyUI 首日即支持，并提供文本→视频、图像→视频与首/尾帧→视频的官方模板。

在实际使用层面，Lightricks 称由图像生成的 10 秒片段在两枚 NVIDIA GB200 超级芯片上耗时 6.8 秒，通过 LTX 的 API 则为 23.7 秒；标明的最低要求是 16 GB 显存。已公布的 API 价格为 720p 每秒 0.09 美元、1080p 每秒 0.15 美元、2K 每秒 0.19 美元、4K 每秒 0.37 美元。在 LTX 散发的数据里，伪影评分（越低越好）为 LTX‑2.5 Pro 0.28、LTX‑2.5 Fast 0.39，Seedance 2.5 为 0.69，Google Veo 3.1 为 1.20；LTX 自己把这一评分称作初步结果。

许可证是 LTX‑2.x Community License：年营收低于 1000 万美元时商用免费，超过该门槛则需付费协议。它不是经 OSI 认可的开源许可证，还规定了修改须告知的义务，并禁止移除或绕开合成内容的标识机制。此次发布还包含一个面向物理 AI 与机器人的预训练检查点，供在领域数据上做微调。谈到“世界模型”的定位，LTX/Lightricks 联合创始人兼首席执行官 Zeev Farbman 在 8 月 13 日散发的材料中表示：“World models face challenges that LLMs never had to solve, like holding motion, space, and sound consistent across time”（世界模型要面对大语言模型从未需要解决的难题：让运动、空间与声音在时间上保持一致）。谈到本地运行，NVIDIA 负责 Local AI 的资深总监 Gerardo Delgado Cabrera 在同一份 8 月 13 日的材料中表示：“Local models enable creators and developers to freely explore their ideas thanks to their local GPUs”（本地模型让创作者和开发者借助手边的 GPU 自由地尝试自己的想法）。

这些数字迄今没有一项被第三方复现：全部是厂商自述。LTX 公布的对比在方法上并不齐整：竞品大多按 720p 测量，LTX 用的却是自家 1080p 的内部测量；他人的耗时里包含排队和第三方托管（fal.run）；与 Veo 3.1 的对比用的是 8 秒片段，而 LTX 是 10 秒。所谓 6.8 秒指的是两枚 GB200，并非常见硬件；在 16 GB 显存这一最低配置上没有独立测量，也没有关于 int8/NVFP4 量化、fp8 转换与 CPU 卸载带来质量损失的验证。多镜头一致性、扩散解码器相对 VAE 的优势以及时长预测器的实际表现，同样仍未得到证实。伪影评分是把 98 条提示词跑过 10 个模型的自动测量，而 LTX 并未公开完整的提示词集合。模型卡本身也列出了明确的限制：该模型并非为提供事实性信息而设计，可能放大社会偏见，对提示词的遵循程度会随写法而变化，甚至生成与要求不符的结果。一个小细节：Hugging Face 页面某个字段写着 2026 年 1 月 6 日，与 8 月 11 日的发布并不一致（很可能是 LTX‑2 的残留）。超过 3300 万次的下载量指的是整个 LTX 家族，而非这一个模型。

LTX 开出了一条有用的路：可下载的权重、ComfyUI 里现成的流程、对机器人领域一个具体的示意。但与营收挂钩的许可条件提醒我们，这里的“开放”首先意味着可核查，而不是不附条件。下一条值得关注的消息不会是演示，而是独立复现，以及在普通显卡上跑出的第一批有意义的基准测试。 — Olya