开源世界模型公司 LTX（由 Lightricks 拆分而来）于 8 月 11 日发布新一代开源权重视频与「世界模型」LTX-2.5，并以首发合作形式原生集成到节点式工作流工具 ComfyUI 中。官方宣称，在英伟达旗舰芯片上，LTX-2.5 仅用 6.8 秒即可由单张图片生成一段 10 秒视频，生成成本约为同类模型的八分之一。

视频生成市场正在上演开源权重与闭源 API 的路线之争。LTX 此前已连续推出多代开源视频模型，累计下载量超过 3300 万次，自称是业内使用最广的「开源世界模型」系列；ComfyUI 则是开源生成式媒体事实上的原型开发环境，如今已由 Comfy Org 公司接棒维护。双方将这次合作定义为「零日」集成：用户在 ComfyUI 中搭建好的工作流，可以直接调用最新一代 LTX 模型。

核心升级：解码器、多镜头与物理 AI 取向

据官方介绍，LTX-2.5 重构了生成流水线的几乎每一环节，主要变化包括：

• 全新扩散视频解码器：减少高动态镜头的视觉伪影，重建文字与人脸等细节，同时保持高压缩比

• 原生多镜头生成：将整段序列一次性渲染，跨镜头保持角色、场景与声音一致

• 定制 Gemma 4 语言主干与专用提示增强器：更准确地处理复杂、多主体的提示词

• 面向物理 AI 与机器人的预训练版本：为机器人仿真等领域提供可直接微调的基座

• 大幅改进的蒸馏模型：在低成本、低延迟下接近完整模型质量，并借助与英伟达的联合优化，可在 RTX 显卡上以更低显存本地运行

图：LTX 所属公司 Lightricks 的开源 AI 视频模型

性能与定价：10 秒视频 0.9 美元，6.8 秒出片

速度是这次发布最抢眼的数据。官方称，在 2 台英伟达 GB200 芯片上自托管、稳态运行条件下，LTX-2.5 生成 10 秒 720p 图生视频仅需 6.8 秒；经 LTX 托管 API 调用同一任务则耗时 23.7 秒（1080p 渲染）。作为参照，官方端到端实测中，Gemini Omni Flash 完成同类任务用时 52 秒，Grok 1.5 为 63 秒，Veo 3.1 为 70 秒（8 秒片段），Seedance 2.5 为 317 秒，Kling 3.0 Pro 达 398 秒。

定价方面，LTX-2.5 Fast 档生成 720p 带同步音频视频为每秒 0.09 美元，一条 10 秒片段约 0.9 美元，约为 Veo 3.1 正式版的四分之一、FLUX 3 Video 的一半；不过若与 Google 的平价档对比，Veo 3.1 Lite（10 秒 0.5 美元）反而更便宜。官方「约为同行八分之一成本」的说法，在实际公开报价中并无模型能直接对得上，更合理的参照是自托管开源权重——边际成本只剩显卡电费。

图：LTX-2.5 与竞品模型生成速度对比（官方数据）

质量与基准：盲测胜率 67%，有待中立验证

质量方面，LTX 公布了盲测偏好结果：评测者在不告知模型身份的情况下打分，LTX-2.5 录得 67% 胜率，领先 Seedance 2.5（65%）与 Gemini Omni Flash（55%）。官方同时标注这些数据为厂商自行测量或委托测试、未经独立验证，且独立评测平台 Artificial Analysis 的竞技场榜单目前尚未收录 LTX-2.5，Gemini Omni Flash 仍领跑该榜单。硬件门槛方面，LTX-2.5 最低只需 16GB 显存 GPU 即可运行，支持本地、边缘与 API 三种部署方式，输出不附带可见水印。

图：LTX-2.5 盲测偏好对比（厂商数据）

许可策略：1000 万美元营收门槛与军事禁令

LTX-2.5 采用自定义的社区许可协议，并非严格意义的开源：年经常性收入低于 1000 万美元的组织可免费使用、修改、自托管甚至再分发，超出门槛则需购买商业许可。协议对「衍生作品」的定义相当宽泛——用 LTX-2.5 输出训练的模型、蒸馏版本均视为衍生，需按同一许可再分发；商业用户被禁止用该模型训练或改进竞争性 AI 系统，军事与武器研发用途则被完全禁止。官方同时要求使用者披露内容由机器生成，不得移除模型内置的内容来源标记。

LTX 首席执行官 Zeev Farbman 表示，开源权重不是一次性慈善行为，而是长期战略：让开发者先在 ComfyUI 中完成原型验证，商业价值兑现后再转化为许可收入。模型现已上线 Hugging Face，可经 ComfyUI 与 LTX API 使用。

总结

LTX-2.5 的发布把开源视频模型在速度、成本与功能整合上又推进一步，其与 ComfyUI 的「零日」绑定也显示出开源生态的商业模式闭环正在成型。不过厂商数据与独立基准之间的差距依然存在，对采购方而言，最稳妥的做法仍是拿自己的业务负载实测一遍。