Prism：一個開源 2K 音視頻模型，和它要的 80GB 顯卡

開源影片模型最近幾個月很忙，最新一個到來者做出了一個具體的承諾：一次生成、原生 2K 輸出並帶音訊，權重公開。這個模型叫 Prism，來自騰訊混元團隊與復旦大學的研究者。它是一個圖生影片工具，同時處理聲音與畫面，而且沒什麼儀式感地就來了。它還要求大多數人沒有的硬體。

關於 Prism 有兩個事實值得放在一起。第一，一個能產出 2K 同步音訊影片並公開發布的模型是真實的一步。第二，據稱它的 720p 檔位需要一張 80GB 級別的顯卡。第二個事實決定了誰真能用上它。

好問題和壞問題

多年來，開源影片的約束在品質上。開源模型落後於閉源服務，所以即使你有硬體，本地跑也沒多大意義。這個差距今年收窄得很快。今年有幾個開源發布產出的結果好到能用於真實工作，而 Prism 推進到原生 2K 帶音訊，是品質之爭基本塵埃落定的最新證據。

沒有塵埃落定的是可及性。80GB 顯卡是資料中心部件，它把大多數開發者和工作室真正擁有的消費級顯卡排除在外。所以一個模型可以同時「開源」又「夠不著」，開放權重不改變電費，也不改變你租不到一張你沒有的卡這件事。這是開源影片時刻尷尬的中段：授權是免費的，硬體不是。

{{INLINE1}}

原生 2K 帶音訊不是小事

在同一模型裡同時生成畫面和聲音比只生成其一更難。讓關門與其悶響落在同一幀、讓嘴型與語音對齊，需要兩條流在每一步都保持同步。在 2K 而非傳統先低解析度再放大的情況下做到這一點，才是技術主張所在。這區別在於一個把場景理解為一件事的模型，和一條把兩個輸出縫起來的流水線。

這就是為什麼這個發布即使對永遠不會運行它的人也有意義。聯合音視頻生成上的進展為之上的一切設定了天花板，包括最終會封裝 Prism 或類似物的託管服務。開源發布一半是研究貢獻，一半是在一個快速變化的領域裡插旗。

把預覽當成預覽

有一個值得直說的提醒。Prism 是以預覽形式發布的，沒有盛大的宣布，而且它的一些演示片被密切觀察的人提出了疑問。當一個模型這麼早、對硬體要求又這麼高時，獨立驗證在定義上就是稀薄的。這不是指控，只是對這種尚未被外部複現的亮眼主張應持有的謹慎量。

預覽有一個值得點名的特定失效模式。它們帶著足夠令人印象深刻的能力發布，但行為可能在版本之間無預警地改變，這讓它們成了任何需要穩定性的東西的不良基礎。在預覽上做產品意味著接受後來的更新可能悄悄改變你的輸出。用於探索沒問題，用於客戶交付就是要計入價格的風險。

合理的姿態是把預覽當成對即將到來之物的一種訊號，測試它，等穩定版再承諾。開源影片領域移動得夠快，等幾週很少代價太大，而這能避免上個月令人印象深刻的演示在靜默更新後產出不同結果的情況。演示片是承諾，穩定版是交付。

與託管服務相比處於什麼位置

Prism 不是在和一個聊天視窗競爭。現實的比較對象是那些已經產出 2K 或 4K、提供乾淨介面、按秒收費的託管影片服務。與它們相比，開源模型提供一種不同的取捨。你得到權重、無需把素材發給第三方就能運行的能力，以及改造模型的自由。你放棄別人替你管理硬體的便利，並承擔非常真實的算力成本。

對大多數小團隊來說，託管路線在總成本上仍然勝出，因為按分鐘租卡比擁有一張閒置的卡便宜。開源模型對更窄的一群人重要：需要改造模型的研究者、有特殊隱私要求的工作室，以及想把生成集成進流水線、中間不想有個按次收費的供應商的開發者。對他們來說，硬體要求是障礙而不是斷點，而授權自由值得這份麻煩。

無論如何，開源的意義

人們很容易輕視一個跑不了的模型。那會是錯的。開源發布設定了所有人都能搭建的地板，也給研究者一個改進的靶子。當一個具備原生 2K 音視頻生成的模型被發布時，下一個開源發布就得越過那道槓，而建立在其上的服務會繼承這些進步。生態系統甚至為那些從不碰權重的人前進。

還有一個韌性論據，過去一年把它變得具體。建立在託管模型上的團隊，吃夠了當供應商決定關停一項服務時的苦頭。開放權重不保證你能運行它們，但保證你手上有東西可運行，而這是很多團隊如今視為必要的對沖。Prism 是這個論據裡的一個資料點，而這個論據正變得越來越響。

80GB 的鴻溝真正在說什麼

開源影片裡的分界正從品質轉向對算力的占有。隨著模型變好，誰能運行它們的問題變得更尖銳，而「開源」開始意味著更接近「向有機器的人開放」。對一個慶祝了兩年開放權重是一種民主化的領域來說，這是一個真實的張力。Prism 是個好的觀察樣本，因為它正坐在斷層線上：真開源、真能幹，也真被硬體卡住。

近期最可能的答案是託管推理。平台會出租對這類模型的訪問，這恢復了觸達，卻重新引入了開放權重本應消除的依賴。Prism 本身是預覽，所以最終故事還沒寫完。但它已經展現了開源影片下一場爭論的形態：不是模型行不行，而是誰有權把它們打開。