通常，AI视频生成工具会在用户提交提示后生成一段无法继续修改的成片。Visko Platform Inc.现已向公众开放Orbis：这是一款能够依靠持久记忆、交互能力和物理约束，持续实时生成世界的基础模型。公司同时宣布完成由Llama Ventures领投的1000万美元种子前融资。
Visko创始人兼首席执行官Qing（Will）Yin表示，过去的实时生成系统往往运行时间越长、画面和叙事越容易失去一致性；团队开发Orbis，是为了让生成世界无论在物理、视觉还是叙事层面都能长期保持连贯。用户现可通过visko.ai体验。
Yin向The Robot Report解释，多数视频模型会同时优化整段视频的所有帧，完成计算后才显示结果；Orbis则先生成并传输第一帧，再根据已有状态生成下一帧，其思路更接近大语言模型的下一词元预测。
Visko由斯坦福大学博士Yin于2025年创立。Yin拥有计算数学与力学博士学位，曾在苹果担任三年研究员。公司总部位于加州桑尼维尔，16人团队成员来自苹果、Google DeepMind、Meta、亚马逊和特斯拉，并正与谷歌合作。
Orbis持续运行世界模型
Visko称，Orbis代表一种持续运行而非一次性渲染的新型世界模型：传统AI视频工具生成短片后即停止，而Orbis可持续生成并实时传输视频。
用户可在生成过程中随时修改提示，并立即在持续的视频流中看到变化。Visko认为，下一代AI将不再只是被调用的模型，而是与其生成世界同步运行的持续过程。
根据技术报告，Orbis能以每秒24帧实时输出4K视频，并维持小时级生成而不出现明显的质量衰减或色彩漂移。其潜在世界模型会在推理时评估多个候选未来，使生成结果符合合理的运动和物体动力学。
Yin表示，用户可以在不中断生成的情况下改变提示，周围世界会随之更新。这使Orbis可用于机器人训练仿真，以及难以安全拍摄或制作成本高昂的训练场景。
除生成长达一小时的视频和响应实时指令外，Orbis的逐帧记忆结构还能把物理状态直接写入生成过程。Yin称，这种方式所需计算量更少，也适合需要连续长视频的第一视角数据。
在技术报告的评测中，Orbis在DOVER美学与技术质量指标以及VideoAlign视觉和运动质量指标上，优于参与比较的实时及长视频系统。Visko称，在涵盖八个系统的长期用户偏好研究中，Orbis的总体偏好和时间稳定性得分最高。
Orbis是一套实时、交互式长视频生成系统。图片来源：Visko
Visko还有更多工作要做
Visko在报告中也披露了Orbis落后于其他系统的指标，并公布完整方法与结果。Yin坦言，系统仍有多项能力需要改进。
在研究层面，团队需要继续优化记忆结构，让视频跨代生成时保持更好的一致性。
团队还希望在数据采集中加入更精细的动作描述。例如，若训练数据明确记录“将机械臂抬起45度”等指令，模型便能学习更准确的动作控制关系。
在工程层面，Visko计划继续扩大模型与数据规模。目前训练以音频和视频为主，团队也在探索触觉等其他传感器数据，并与机器人硬件公司洽谈合作。
上图为基于1至3分钟事件基准的画质、对齐和运动评测，下图为长期视频用户偏好研究的综合估计。Orbis 1.0总分最高，表格同时列出了各基线模型的分项结果。图片来源：Visko
顾问列举了潜在的应用
Visko顾问包括加州大学伯克利分校Michael I. Jordan、哥伦比亚大学Steve WaiChing Sun以及纽约大学任梦野；产品分发由合作伙伴Reactor负责。
Visko顾问委员会主席Jordan表示，Visko正在探索视频AI最具挑战性的方向之一：让实时、有状态的模型持续感知、预测并与世界交互，同时维持物理一致性。
Jordan认为，这套架构相较传统短视频生成具有实质性技术优势，同一核心能力可支持机器人与物理仿真、游戏、实时商业、教育和创意媒体等应用。
Yin表示，Orbis还可生成极端场景环境，用于测试自动驾驶汽车和人形机器人的安全性。
他认为，通用机器人真正进入家庭可能仍需较长时间，因此Visko现阶段将优先寻找可落地的商业机会。
Orbis 1.0的测试数据涵盖真实世界与生成环境中的原始视频。图片来源：Visko