LTX-2.5 开源发布：10 秒视频 6.8 秒生成，原生接入 ComfyUI

LTX-2.5 是一个可以自己部署的开源视频生成模型，主打超高推理速度和连贯的多镜头生成能力。在两块 Nvidia GB200 芯片的自托管环境下，它只需要 6.8 秒就能生成一段 10 秒的 720p 视频，速度甚至超过了成片本身的播放时间。

它能做什么

和市面上拼凑单镜头的方案不同，LTX-2.5 支持原生多镜头生成。整段分镜序列通过单次渲染完成，能让同一个角色、场景乃至声音在切镜后保持连贯，省去了后期把一段段碎片拼合在一起的麻烦。

生成管线也做了重构。模型加入了新的扩散视频解码器，专门用来减轻画面高速运动时的撕裂感，同时还原面部细节和文字。理解复杂提示词的能力来自定制的 Gemma 4 骨干网络和提示词增强器。此外，官方还提供了一个针对物理世界和具身智能微调的检查点，供机器人研究团队训练非电影质感的现实数据。

硬件门槛与跑起来的方式

想要本地跑，门槛比上一代低了不少。团队与 Nvidia 合作推出了蒸馏版模型，大幅削减了显存占用，不仅能在主流 Nvidia RTX 显卡上运行，连 Mac 也能跑得动。

6.8 秒出 10 秒视频的成绩是在两颗顶级 GB200 芯片上测出的极限速度。如果使用 LTX 官方的托管 API，生成一段 1080p 视频大约需要 23.7 秒。

模型权重目前已经在 Hugging Face 开源，并且第一天就原生整合进了 ComfyUI 节点，拉取更新即可直接调用。商业授权方面，年经常性收入低于 1000 万美元的团队可以完全免费商用，规模更大的企业需要单独协商。不想自己搭算力的团队也可以走官方 API，Fast 档位每秒视频约 0.09 美元，一段 10 秒带音频的 720p 视频花费为 0.90 美元。

为什么重要

如果你在用 ComfyUI 搭建视频工作流，或者受够了商业闭源 API 的排队和账单，LTX-2.5 非常值得现在就装上试试。原生多镜头和本地蒸馏能力，直接补齐了开源视频工具在角色一致性和消费级显卡部署上的短板。

我们认为，LTX-2.5 给开源视频模型立了一个极高的速度标杆。虽然宣传里成本是同类八分之一的说法在面对低价商业模型时站不住脚，但在高端硬件上跑出比实时还快的效率，已经足够给闭源 API 带来实质压力。年营收千万美元以下免费商用的策略，也为初创团队提供了相当厚道的基础底座。