临近年末，各大AI视频公司仿佛赶着春节的节奏，接连不断地更新模型，让人测评都忙不过来。上周刚发布谷歌Veo2的深度测评，文中提到内部盲测中，除了谷歌自家的模型，可灵1.5在用户评分中拔得头筹。没想到那篇文章还在头条挂热，昨天登录可灵平台时，全新的1.6版本就这么悄无声息地上线了——真实的商业竞争，就是这么简单直接。 不再多说，直接进入测试。花了几个小时把1.6版本按照常规评测维度全部跑了一遍。说实话，虽然只是版本号增加了0.1，但内容一点也不水。关键是价格没有变化，5秒高品质视频和1.5版本一样，只需35灵感一条，非常良心。 此次更新的核心重点在于图生视频功能，实现了质的飞跃。能力提升可以总结为三个方面：**物理规律真实感大幅增强**、**人物运动与表演能力显著提升**、**语义理解能力大幅进步**。尤其是物理规律和人物动作方面，效果令人惊艳。这次文生视频、运动笔刷等功能没有太大的更新，因此测试内容很简洁：纯粹测试模型的图生视频能力，完全使用基础模型，不加任何后期调整。话不多说，我们一个一个来看具体案例。 ---

一、更真实的物理规律

这一波更新中，可灵1.6在物理规律方面实现了超级进化——能够切割食物、能够凭空倒茶，甚至**能够跳舞**了。 此前Veo2切西红柿的视频在X平台上刷屏，而这次可灵1.6居然接住了这个挑战。先准备一张图片，将其放入1.6版本的图生视频功能中，提示词为“厨师正在把西红柿切成片”。先看1.5版本的切西红柿效果：第一刀还算正常，第二刀就开始出现问题，出现重影和变形。但1.6版本的稳定性，令人震惊。 1.6版本在切割物品方面的表现几乎碾压1.5版本，刀具、食材、切片的物理反馈都非常精准。刀压下去的力度、西红柿被切开的质感，物理呈现非常到位。回想三个月前1.5版本还在“炸厨房”，现在这个水平已经可以去米其林餐厅应聘了。 倒水的效果进步同样显著。用一张水壶的图片，输入提示词“水壶往水杯里倒茶”——在1.5版本中，可灵还不能准确区分杯子和茶壶的关系，会凭空出现第二个壶往盖子上倒茶。但1.6版本完全不同，凭空倒茶的表现真的惊艳。流体的运动轨迹、杯子与壶口的角度关系，已经完全符合现实逻辑。 还有这两个小猫小狗的案例：猫主子走过沙发，沙发垫直接凹陷下去；金毛狗撒欢时，毛发随着动作飘动。什么叫物理真实感？这就是。另外，那个非常可爱的小精灵跳跃场景——确实具备了跳跃的物理质感，帽子甩动也跟随重力自然飘荡，非常帅气。 人与物理的交互也有体现。《楚门的世界》经典结尾画面：运动趋势是让人走上台阶，但墙壁上的影子，以及楚门略带试探的动作，对AI视频来说都是难点。提示词为“男人有些犹豫和试探地伸出手扶着墙壁，然后一步一步走上台阶，抬头张望”。可灵的答卷没有让人失望：人物一致性很稳定，走上台阶时膝盖部分的物理规律，以及墙壁上随着动作变化的影子，都处理得很好。这段视频稍微后期修饰一下，感觉真的可以用于电影中。 还有蝙蝠侠飙车的案例，压弯动作非常帅气，披风效果完美，可灵自己补充的街景和角度也很不错。这就是可灵1.6——也许，它就是当前图生视频领域的No.1。 ---

二、人物运动表演加强

可灵之前人物演技不够强的弱点，这次也打上了补丁。首先是表情方面，人物的神态细节变化进步非常大。比如这段：提示词为“女人看到什么，表情不耐烦地皱了皱眉。她无语地翻了一个白眼后走下楼梯”。人物的动作变化完全按照提示词顺序执行，非常稳定。而且1.6版本在表情方面的突破确实有看点：角色的面部细节、呼吸时颈部肌肉的变化……第一次看到AI把无语的神态做得如此真实，还有那一下堪称封神的叹气。这个演技别说内娱了，感觉放到美剧里也可以混个角色。 还有这个案例：提示词为“火车行驶中。老人低头读报纸，看到某一段文字表情变得很惊讶”。两个版本放在一起对比足够明显：1.6版本的眼神变化、情绪表演、环境光照和运动效果都非常到位，没有丝毫闪烁，连窗外的画面都很稳定。同样的图片和提示词在1.5版本中，虽然火车和窗外的环境运动速度更快，但报纸的闪烁很难忽略，老人的表情也完全没有跟上剧情。新版本完胜。 当然，表演除了面部，肢体动作也很重要。最厉害的是：可灵能跳舞了。第一个测试的是人物肢体比较清晰的芭蕾舞，提示词为“芭蕾舞者优雅地表演旋转舞步”。写提示词时本来是想刁难它，但第一个测试结果就有点被打脸——它不仅能完成“旋转”动作，居然还换了腿。两个版本直接对比，没什么好说的。1.6版本的物理逻辑、肢体肌肉表现、画面稳定性都太惊人了。 肢体表现如此稳定，于是决定增加难度，考验一下高难度内容：中国古典舞。这个案例使用河南卫视《洛神》水下舞的截图进行图生视频。原版表演当年刷爆社交媒体，水下舞和飘带的结合将壁画里的飞天神女呈现在现实中。中国古典舞对AI视频来说难点很多：不仅要实现肢体上“跳舞”的大幅度动作，还得按照物理逻辑展现水下飘带的运动、环境光照质感等。这个案例绝对是巨大的挑战。 先看1.5版本的效果：其实也很稳定，飘带表现很出色，可惜没有实现真正的“舞蹈动作”，肢体到后面几秒也没能维持住。而1.6版本出来时，毫不夸张地说，确实被吓了一跳：看到舞者手臂扭动第一下就懵了，而且不止挥动手臂一次，真的能跳舞啊？这个肢体的动作幅度、物理效果、光照表现……可灵你确定只更新了0.1版本？虽然只有短短几秒，但人物肢体动作幅度很大，几乎没有明显错误，连衣服的一致性都很好。除了飘带确实有点不稳定，其他方面都做得像模像样。这个案例跑出来，感觉可灵还能在国产AI视频的王座上稳坐江山。 ---

三、语义理解加强

可灵自己在1.6版本的说明中第一个提到的就是“提示词响应大幅提升”。基于语义理解，先来个连续动作测试：提示词为“女孩摘下眼镜，拥抱一只朝她跑来的小鹿”。小鹿完全在画面外，摘下眼镜、拥抱小鹿——稳定性非常强，整个主体都很稳定，唯一的瑕疵是后面背景中的鹿因为数量太多有点扭曲，但整体效果已经非常好了。 还有这个语义理解完成度很高的案例：提示词为“右边的男人后退一步，举起枪，枪口对着左边男人的额头。镜头迅速拉远，拍摄他们站在天台上”。这次测试下来，不仅语义理解进步明显，对上传图片的画面理解也有很大提升。每次都能准确识别“左边”和“右边”的主体具体是哪个，真的能听懂人话。在这个案例中，模型正确识别了人物站位，并让右边的角色“后退一步，举起枪，枪口对着左边男人的额头”，一连串动作的顺序和自然程度都非常到位，效果惊人。除了最后大幅度的运镜稍有遗憾，但当未来上线运镜控制功能时，这个应该就不是问题了。 再比如风暴兵和小坐骑的案例，提示词为“主人公骑着坐骑前行，然后跳下来自己在地面上走路”。从坐骑背上跳下来的动作逻辑非常合理，除了跳起来那一下脚有一点不稳定，其他方面都很好。总体来看，进步无需多言。 ---

写在最后

当然，可灵毕竟只更新了0.1个版本，主要也是图生视频的巨幅更新。可以改进的地方还不少。比如前面的案例中，舞蹈和猫猫狗狗跳跃的动作虽然真实感做得很好，但生成慢动作的概率会有点大；生成的视频内容出现原图之外的画面时，审美上还有提升空间。这个猫爬椅子的案例很典型地展示了优点和缺点：物理逻辑非常出色，但审美有待加强。原始图片只有一张椅子，狸花猫是可灵自己生成的——猫爬上椅子晃的那一下很绝，但猫的毛色和质感与原图画风还是有点不太匹配。 还有多人物的动作细节，尤其是人物的手指，虽然有很大进步，但在多人的复杂场景下仍然会出现问题，这也是所有AI视频的通病。圣诞老人案例中，中间的圣诞老人还好，旁边两个小孩的手以及三个人手里的面皮崩得比较明显。但这样的效果，几乎是所有可用的AI视频中最好的了。 不过话说回来，作为一个0.1的版本更新，能做到这个程度已经很赞了。等到2.0版本时，估计就是一步登天。现在回头想想，可灵的进化速度真的离谱——可灵正式上线是今年6月6日，截止今天差不多半年时间，而这半年几乎改写了整个行业。在1.5版本的测评文章中曾经写道：**希望可灵，希望快手这个老铁，每一步都走得足够扎实。** 他们确实做到了。别人家还在画饼的时候，可灵已经把饭做香了。在AI视频领域，永远可以说一句：**你永远可以相信可灵。** 从“中国的Sora”到“世界的可灵”，期待可灵在真正更新的v2版本时，继续带来更大的惊喜。