8月中旬，Lightricks旗下的LTX发布了开放权重的视频生成模型LTX-2.5。微博官方宣传语是「6.8秒生成10秒720p视频」——生成比播放还快。知乎发布一周，舆论彻底分成两半：一边是参数表对着闭源模型碾压，一边是营销对比表被海外社区撕到撤稿；与此同时，B站和小红书上的ComfyUI工作流已经铺开了。对关注AI视频工具的值友来说，问题不是「这模型强不强」，而是「现在值不值得花时间和显存上车」。把热闹放一边，说几件实在的。
从Facetune到开源视频模型
很多人是通过这次发布才第一次听说LTX，但Lightricks本身是以色列一家老牌消费级编辑应用公司——修图神器Facetune、视频剪辑工具Videoleap都出自它手，在AI浪潮之前就是一家盈利公司。知乎
2022年它转型做基础模型，LTX家族的迭代非常快：2024年首个开源视频模型LTX Video只有2B参数，2025年5月做到13B，10月推出音画一体的LTX-2，2026年3月更新LTX-2.3，再到现在的LTX-2.5。知乎官方口径整个系列下载量已超过3300万次，是目前下载量最高的开放视频模型家族之一。
LTX-2.5的真东西
LTX-2.5参数22B，基于非对称双流扩散Transformer架构，视频和音频是联合生成的——不是先出无声画面再配音，而是对白、环境音、音效随画面一起生成，自动匹配情绪和节奏。知乎几个能力在开源阵营里比较稀缺：
原生多镜头：一次生成多个衔接镜头，角色形象、光线、视觉风格全程一致，直接对着短剧、宣传片和产品演示场景；
自动时长预测：不用手动指定帧数，模型根据提示词里的动作自己判断片段该多长；
Diffusion Fidelity Rendering与全新扩散视频解码器：取代传统VAE重建阶段，按场景复杂度动态分配渲染算力，主打改善人脸崩坏、纹理抖动和运动伪影；
原生4K HDR与EXR RAW工作流，对接专业调色和后期流水线。
其中视频解码、提示词理解和蒸馏流程，都是这一版相对2.3的新更新。知乎
速度是最大卖点：官方在两块GB200超级芯片的测试环境里，从一张图生成10秒720P视频只要6.8秒。微博但注意，这是顶配硬件下的数字，公开API口径是23.7秒。知乎即便如此，它也比Seedance 2.5的317秒、Kling 3.0 Pro的398秒快了一个量级以上。速度优势是真的，但「6.8秒」不必当真。
营销翻车现场
这次发布最有戏剧性的部分，其实发生在产品之外。LTX上线时放出一张对标另一开放权重模型MiniMax H3的对比表，称H3有地区使用限制、有强制品牌显示要求。知乎
这张表很快被Reddit社区逐条拆穿：H3权重本身可以下载、本地部署没有任何水印、社区早已跑出大量H3 LoRA，参数一栏还是拿H3的bf16对比LTX的fp8，本就不公平。知乎
更尖锐的是社区发出的一问：一家以色列公司，为什么宣传时要扮成美国公司。对比表火速撤下，修改版删掉了所有定语，还把GPU一栏从「受限」改成「不可用」，让H3看上去更像闭源模型，结果再次被群嘲。知乎
知乎上还有一个比较代表性的观点：LTX-2.5的架构相对2.3没有实质变化，LoRA甚至可以通用，这次发布更像一场营销事件，而不是技术跃迁。知乎这是一家之言，但结合对比表风波，足以提醒一句：官方宣传里所有「碾压XX」的说法，建议都打个折再看。
国内玩家已经在干活了
有意思的是，国内社区的节奏和海外争论完全错位。LTX-2.5首日就原生支持ComfyUI，官方提供完整工作流模板。知乎发布没几天，B站已经出现「H3+LTX2.5二次采样器高清放大」这类工作流——用H3生成、LTX-2.5放大，把营销里打得不可开交的两个开源模型拼进同一条流水线，评论区一排「求工作流」。哔哩哔哩还有人用LTX-2.5的音视频latent同步做出了精准对口型的数字人工作流。小红书AutoDL部署教程、ModelScope权重下载攻略、8步蒸馏推理记录也都陆续出现。
但部署门槛要看清楚：22B完整BF16权重，单张24GB显存装不下，需要量化或CPU offload。知乎
再看周边配置：内存建议64GB起步，走offload要预留96-128GB，硬盘至少留100GB放权重，环境要求Python 3.12、CUDA 12.7以上。知乎另外，官方HuggingFace权重是门控的，需要先申请访问权限，国内也可以走ModelScope获取权重。知乎
三个判断，按自己的情况上车
判断一：速度和开放性是真的，热闹是假的。生成比实时快、自部署零边际成本、能微调自己的LoRA，这三点是LTX-2.5的硬实力，也是ComfyUI社区立刻接手的原因。知乎
判断二：上限仍由闭源守着。角色一致性和提示词精准度上，Seedance 2.5这类闭源模型仍然占优，对角色不能崩的商业交付场景，开源目前还不能完全顶上。知乎
判断三：值得上手，但没必要急着重投入：
只想试效果：直接上官方app.ltx.io或HuggingFace Space，零成本，先跑文生视频；
有24GB显存的显卡：ComfyUI量化权重+官方工作流，别碰BF16；
有量产需求：AutoDL租卡或接API，先算清单条成本再决定要不要自部署；
短剧、IP角色等强角色一致性场景：再等等，先看社区LoRA生态成熟度。
后续值得盯的信号：官方伪影评测目前还是初步数据，会持续更新。知乎营销争议会发酵到什么程度、H3方面是否正式回应、以及2.3的LoRA生态迁移到2.5的速度，这三件事会决定LTX-2.5在开源阵营里的真实位次。
