做视频的人大概都有过这种体验：在 AI 视频工具里等一条片段生成，短则几十秒，长则五六分钟，然后还要反复抽卡重试。时间成本高，钱包压力更大。
8 月 11 日，开源世界模型公司 LTX 发布了新一代开放权重视频模型 LTX-2.5，把”等视频”这件事的下限拉到了一个夸张的数字：在 2 张英伟达 GB200 芯片的自托管配置下，从一张图片生成一段 10 秒的 720p 视频，只需要 6.8 秒——比视频本身的时长还短，快到超过了实时播放速度。
先把这个速度放进坐标系里看。LTX 官方给出的端到端实测对比：谷歌 Gemini Omni Flash 完成同类任务要 52 秒，Grok 1.5 要 63 秒，Veo 3.1 要 70 秒（还是 8 秒的片段），Runway 的 Seedance 2.5 要 317 秒，可灵的 Kling 3.0 Pro 要 398 秒。也就是说，LTX-2.5 自托管的速度，大约是同类闭源模型的十分之一甚至几十分之一。
这里要特别说明一个细节，避免大家被数字误导：6.8 秒是”自托管 + 2 张 GB200″条件下的成绩。如果走 LTX 官方的托管 API，同一个任务大约需要 23.7 秒，输出的是 1080p 分辨率。换句话说，极速属于”自己搭服务器”的玩法，普通用户走 API 也能用，只是速度没那么夸张。
除了速度，LTX-2.5 在能力上也做了全面升级，官方总结了五个重点。
第一，全新扩散视频解码器。高动态镜头（比如快速移动、镜头切换）的视觉伪影明显减少，同时文字和人脸等细节的还原更好，还保持了较高的压缩率。
第二，原生多镜头生成。整段序列一次性渲染，跨镜头保持角色、场景和声音一致。过去做多镜头的短视频，最难的就是”主角长得不一样”，这个功能正好解决它。
第三，定制了 Gemma 4 语言主干和专用提示增强器，能更准确地处理复杂、多主体的提示词。
第四，专门给物理 AI 和机器人准备的预训练版本，可以直接微调用于机器人仿真等场景。
第五，经过与英伟达联合优化的蒸馏模型，可以在 RTX 显卡甚至 Mac 上用更低显存本地运行，让”自己本地跑开源视频模型”成为现实。
再来说说大家都关心的价格。LTX-2.5 Fast 档位是每秒 0.09 美元（约合人民币 0.61 元），生成一条 10 秒带音频的 720p 视频，成本大约 0.90 美元，折合人民币 6 块钱出头。想上 4K 的话是每秒 0.30 美元，单次最长可以生成 20 秒、帧率 24/25fps。
更香的是授权政策：年度经常性收入（ARR）低于 1000 万美元的组织，可以免费使用，还可以自行微调。这基本把个人创作者和中小团队全部覆盖了。LTX 方面还提到，这个系列的开源模型累计下载量已经超过 3300 万次，是他们自称”业内使用最广的开源世界模型系列”的底气所在。
LTX-2.5 的另一个标志性动作，是跟 ComfyUI 的”零日”深度合作。ComfyUI 是开源生成式媒体事实上的原型开发环境，现在 LTX-2.5 原生集成进去了，用户在 ComfyUI 里搭好的工作流可以直接调用新一代 LTX 模型，不需要额外做适配。对喜欢玩 ComfyUI 的创作者来说，这是非常顺手的体验升级。
接入方式也很灵活：可以通过 Hugging Face 下载权重，也可以在 ComfyUI 里直接用，或者调用 LTX 官方托管 API。
那它对普通创作者意味着什么？三点最直接。
一是试错成本断崖式下降。过去生成一条素材又慢又贵，不敢反复试；现在 6 块钱一条、几十秒一轮，素材的”批量抽卡”变得可行，内容生产效率上了一个台阶。
二是本地化成为可能。开源权重 + 低显存蒸馏版，意味着视频生成不必永远依赖云端 API，数据留在自己机器上，隐私和长期成本都可控。
三是 AI 视频的竞争格局在变化。当开源模型把”速度”和”成本”同时打下来，闭源 API 的定价压力会越来越大。对用户来说，这是好事。
最后还是要提醒两句口径。LTX 官方宣称”生成成本约为同类模型的八分之一””质量盲测胜率 67%”，这些是厂商自测数据，可以当作参考，不必当成绝对标准。另外，6.8 秒的极速需要 2 张 GB200 级别的自托管硬件，个人电脑上是跑不出来的；如果你只是普通用户，托管 API 的 23.7 秒同样已经比多数竞品快得多。
一句话总结：LTX-2.5 把 AI 视频的”快”和”省”同时卷到了新高度。如果你正在做短视频、做素材、做带货，值得去 Hugging Face 或 ComfyUI 里试一把。
