LTX-2.5发布：NVIDIA加速的开源权重世界模型，本地生成10秒视频仅需6.8秒

一句话看懂

LTX-2.5 开源世界模型发布，专为 NVIDIA RTX GPU 优化，本地生成 10 秒视频仅需 6.8 秒，支持原生多镜头一致性，让视频制作全流程在一台桌面电脑上完成。

详细发生了什么

LTX 公司正式发布 LTX-2.5，这是一个开源的 world model（世界模型），用于视频生成、实时应用和物理 AI。该模型针对 NVIDIA RTX GPU 和 DGX Spark 做了深度优化，大幅降低了 VRAM 需求，让前沿世界模型能在创作者已有的消费级硬件上跑起来。

核心亮点包括：原生多镜头生成（native multishot），能把整个序列渲染成一个连贯的整体，保持角色外观在不同镜头间一致，解决了早期开源模型在广告级应用中的闪烁问题。另外，LTX-2.5 用了更强大的 Gemma 4 语言骨干和新的解码器，减少了高动态场景里的视觉伪影。

性能方面，LTX 公布的图像到视频基准测试显示，在 2x NVIDIA GB200 上生成 10 秒视频只要 6.8 秒，而通过 LTX API 需要 23.7 秒。相比之下，最快的闭源替代品（Omni Flash、Grok 1.5、Veo 3.1）要 52 到 70 秒，Seedance 2.0 要 196 秒，Kling 3.0 Pro 要 398 秒。本地生成速度比最快的闭源模型快 7.6 倍，比最慢的快约 58 倍。

LTX-2.5 以开放权重形式在 Hugging Face 上发布，原生支持 ComfyUI，并提供 LTX API 用于托管生成。年经常性收入低于 1000 万美元的组织可免费使用。代码已在 GitHub 上开源。

中文圈视角

LTX-2.5 的发布对中文视频创作者和 AI 开发者意义重大。首先，本地生成意味着数据不出机器，对于有 IP 保护需求的中文团队（如广告公司、影视工作室）来说，避免了将素材上传到云端的数据出境风险，符合国内对数据安全的合规要求。

其次，国内用户可以直接在 Hugging Face 下载权重，但需要注意网络访问问题。不过，国内已有类似的开源视频生成模型，如快手的可灵（Kling）和智谱的 CogVideoX，但它们在本地部署的硬件要求和生成速度上可能与 LTX-2.5 存在差距。LTX-2.5 的 NVIDIA 优化特性对国内大量使用 RTX 显卡的用户非常友好，可以充分利用现有硬件。

对于中文短剧、广告和社交媒体内容创作者，LTX-2.5 的多镜头一致性和快速生成能力，可以大幅降低内容生产的成本和时间，实现“一夜生成一周内容”的工作流。不过，中文提示词的支持情况尚待测试，可能需要借助 Gemma 4 的多语言能力或额外翻译。

几条值得记住的细节

性能：10 秒视频本地生成仅需 6.8 秒（2x GB200），比最快的闭源模型快 7.6 倍。
多镜头一致性：原生 multishot 生成，保持角色和场景跨镜头一致，适合广告和影视预演。
硬件要求：针对 NVIDIA RTX GPU 和 DGX Spark 优化，降低 VRAM 需求，消费级显卡可运行。
开源与免费：权重在 Hugging Face 开放，年收入低于 1000 万美元的组织免费使用，ComfyUI 首日支持。
物理 AI 检查点：提供针对机器人学的预训练检查点，便于在非影视数据上微调。

一句话总结

LTX-2.5 让视频生成进入“桌面时代”，中文创作者可低成本、高效率地制作高质量视频，但需注意网络访问和中文适配。