4秒生成10秒视频，实时生成正在改写游戏行业

大家好，我是冷逸。

最近，Claude Fable 5.1、GPT-6 Astra发布后，圈里最热的话题不是“AGI到没到”，而是一句更实在的感受：玩法变了。

得益于模型更强的Coding能力，大家开始拿它做视频白模、Blender建模、3D游戏开发，越来越多的游戏Demo和成品开始涌现。

尤其是对游戏行业，加上8月开源的MiniMax H3模型，“语言模型+视频模型”的组合打法，一下子就丰富了许多。

跑得最快的，当属AI互动内容公司Yoroll。前几天，他们发布了一款基于MiniMax H3后训练的视频模型Yoroll H3 Superfast，把生成速度推到了极致——4秒推理出10秒视频。

也基于此，Yoroll上线了由H3 Superfast驱动的实时叙事产品YoLive。同时，Yoroll已接入GPT-6 Astra和H3 Superfast，直接Vibe Coding就可以做出实时互动游戏。

这跟Manus联合创始人张涛的感叹不谋而合：“下一个应用爆发的机会，是延迟一秒内的Seedance来临之时。”当生成时间短于播放时间，视频就不再是内容的终点，而正在成为互动娱乐的基础设施。

Yoroll H3 Superfast是什么？

8月初，MiniMax开源了H3：一款33B参数的视频模型，文本、图像、音频、视频都可以塞进同一个上下文，生成的视频自带画面、对白、音效和配乐。

开源的意义不在模型本身，而是它把整个“后训练”交给了社区：LoRA、蒸馏、量化、稀疏注意力……所有人都可以在同一个底座上做加速和后训练。

跑在最前面的，是AI基础设施公司fal。它先给H3做后训练，再把模型搬进自家的推理引擎，在上月底交出了H3 Max：768p带音频的5秒视频，推理只需3秒，约1.7倍于实时，成本大幅下降。

紧随其后，Yoroll也在本月初发布了自己的后训练模型Yoroll H3 Superfast：768p带音频的10秒视频，推理只需要4秒，2.5倍于实时。

官方定位很直白：为游戏而生，不只是为电影。

H3 Superfast跑在Yoroll自研的推理栈上，后训练大量使用游戏录屏数据，8张B200就能跑。目前已经部署在Yoroll自家的多条产品线上。

如果说H3 Max的快，一半来自后训练，一半来自fal的推理栈；H3 Superfast除了快，还多了一份游戏行业的“精”——它的后训练数据，全部来自真实的游戏录像。

通用视频模型的训练数据来自电影、短视频，擅长“拍”，但不擅长“玩”；H3 Superfast则专门用游戏数据给模型补课。这样训练出来的模型，自然天生适合做游戏开发。

YoLive能做些什么？

H3 Superfast发布的第一时间，就已上线Yoroll自家各条产品线。

同时，Yoroll还发布了由H3 Superfast驱动的新产品YoLive（yo.live）。产品定义既简单又好玩：一部由玩家共同参与、持续向前推进的互动剧情游戏。

有多好玩？打开YoLive，你看到的是一个持续播放的AI互动剧情频道。

任何人都能提议下一幕：让机器人跳舞、来一场走廊追逐、突然降临一架飞碟……然后大家投票，得票最高的提议会结合已发生的剧情、人物关系、当前地点和任务状态，由H3 Superfast实时生成新的影像。

第一个开放的频道来自《丧尸清道夫》，观众可以在这个世界里重新决定故事走向。比如我发出“出现飞碟，把主角接走了”，几秒钟后，果真有一艘飞碟飞来，把主角接走了。

这种感觉有点像，你在弹幕区发弹幕，没想到弹幕直接影响了下一幕。以前，大家只能在作品底部或侧边栏聊天，现在是聊天直接进入了作品本身。

除了YoLive，Yoroll平台也正在孵化一批互动小游戏。

在这些游戏里，“实时生成”已经被放进了具体的交互设计。比如《火柴无限冒险》，玩家可以自由决定火柴人的形象、剧情走向和时间分支，甚至逆天改命；《万象大会》可以实时定制你的身份和技能，与各路神仙赛博过招；《相亲战士》可以按个人喜好定制相亲对象，一句试探、一次举动都可能改写结局。

这些小游戏的开发逻辑基本一致：用GPT 5.6 soul/Qwen 3.8这类LLM来写玩法，用H3 Superfast的API来实时生成视频，最多再加一个Image2生成图片，然后玩家就可以直接开玩了。

体量都不大，但这是我见到的第一批把“下一幕由玩家决定”当做核心设计的游戏作品。

为什么是Yoroll？

Yoroll并不是等到风口来了才入场的公司。恰恰相反，他们很早就在AI互动影游这条路上深耕。

给大家看几组数据。

《华君传：翻牌吧女帝》是Yoroll首批创作者做的女性向互动内容，8月登陆抖音小游戏，不到一个月玩家接近200万，是目前已知玩家最多的AI互动影游之一。

在海外，一位北美创作者在Yoroll上花了两天时间、约250美元，做出了《AI Odyssey》——一部包含140多段视频、11个结局的竖屏互动影游。恰逢诺兰《奥德赛》电影上线，它一度冲上美国X趋势榜第一。

而在大型游戏领域，《丧尸清道夫》、《民国诡事》的Steam心愿单已经突破5万。

上周德国科隆展上，坐进Yoroll展台的玩家大多以为要看一部AI短片，结果90分钟试玩版里，有场景探索、第三人称射击和放置塔防：操控机器人男主进入海滩清理丧尸，进地铁站后视野收窄、尸潮涌来，操作段落结束再回到电影化叙事，背包、武器、数值一路带进后续。

这些玩法和系统，如今都沉淀成了Yoroll创作平台的能力。

回头看这一年，AI视频的进化路线其实很清晰：从“生成一段能看的镜头”，到“生成一段有故事的画面”，再到今天“生成速度跑赢播放速度”。

别小看这个“跑赢”。当视频可以实时生成，它就不再是一种被预先制作好的内容，而变成了一种可以即时响应的媒介。看电影时，你是观众；玩游戏时，你是玩家；而在YoLive这样的产品里，这条边界第一次真正模糊了：剧情在走，弹幕在飞，下一幕由观众决定。

当然，现在就说“AI互动娱乐的时代已经到来”，还为时尚早。H3 Superfast的画质还谈不上精致，实时叙事的连贯性、长剧情的记忆管理，也都有明显的短板。

但有时候的拐点往往就是这样：不是等它完美了才改变行业，而是它“刚好够用”的那一刻，新物种就开始涌现。就像4G刚普及时，没人能想到短视频会变成今天的样子。实时视频生成会把内容行业带向哪里，我也不知道。

我只知道的是，作品最后仍然要回答的还是那几个老问题：好不好玩，谁肯留下，谁肯买单。

技术负责把门推开，能不能走进去，靠的还是作品自己。