Viggle JST-2 是什麼？物理原生世界模型生成 3D 場景、角色與動作，價格怎麼看
Viggle JST-2 是 2026 年 10 月 19 日發表的世界基礎模型，官方稱同一套架構能生成 3D 場景、角色與動作。本文整理約 1 秒生成場景的測試條件、四組人工盲測怎麼讀、PINOC 與 API 價格、商用授權與限制，幫你判斷它適合做原型還是正式製作。
Viggle JST-2 的出發點，是官方頁面開頭那句觀察：人一次只看到一個視角，卻知道物體在視線移開後仍然存在。許多世界模型在像素空間學習，結構只能從外觀間接推出來。
所以 Viggle 在 2026 年 10 月 19 日發表的做法，是先把場景、角色與動作放進同一個 3D 空間，再從空間裡取畫面。
這則消息在 X 上很快被轉傳。台灣時間 10 月 19 日晚上 11 點多，Viggle 官方帳號發文，稱它是第一個全端、物理原生的世界基礎模型。
我在 10 月 21 日早上透過公開鏡像查詢，貼文約有 2,100 個讚、約 130 萬次觀看，但互動數只能說明話題熱，不能當成技術依據。
技術依據要回到 Viggle 官網的研究頁與兩份基準報告。頁面寫得很具體：生成一個 3D 場景約 1 秒、推論成本低於 0.01 美元，角色不必另外綁骨架，動作能從文字或影片轉成 3D。
但這些數字的測試條件與比較對象，都由 Viggle 自己選定。
所以讀這類發表，要先分清兩件事。能直接試的是 PINOC 網頁版、API 與 MCP，其中有免費額度。仍屬官方宣稱的，是「世界模型」「物理原生」這類定位，還有各項盲測的勝率。
我的判斷是，遊戲開發者、動畫前期團隊與想做 3D 原型的創作者可以試，因為官方把它定位在縮短場景、角色與動作的初稿時間。
要交付高品質成品、或需要真實碰撞與布料模擬的團隊，現階段還得靠傳統工具補強，因為官方自己說，場景碰撞仍靠規則式物理，衣物與頭髮也沒有被模擬。
要看懂它做到哪一步，得先弄清楚「物理原生」在這套設計裡指什麼。
Viggle JST-2 是什麼？用 3D 原子取代像素的世界模型
JST-2 的特點是不在像素空間學習，而是直接在 3D 空間裡表示世界。世界模型是能預測場景如何隨時間改變的模型，官方指出多數同類模型在像素空間學習，物理結構只能從畫面外觀間接推出來，JST-2 想跳過這一層。
JST 是 Joint Space-and-Time 的縮寫，意思是同時處理空間與時間。官方把世界表示成「持久存在的原子」，每個原子代表一塊物質或物件的一個部位，因此在移動與變形時仍保有自己的身分。
每個原子帶著三項資料：明確的 xyz 位置、一組學出來的屬性向量，以及一組學出來的動態向量。這些資料被編碼成 Physics-Native Tokens，也就是官方所稱的物理原生詞元。
整個流程由三個元件組成。編碼器把影像轉成詞元，生成器能從文字或影像提示直接產生詞元，解碼器再依視角、動作或力輸出影像或 3D Gaussian splats。後者是用大量半透明小橢球組成場景的格式，可以在瀏覽器裡渲染。
官方也交代了模型的來歷。Viggle 在 2022 年成立，前兩年做 JST-1，先在角色生成與動畫上驗證架構，並推動了旗下的迷因影片應用，官方稱使用者已超過 5,000 萬。JST-2 則是 2024 到 2026 年間開發的第二代。
至於「第一個全端、物理原生」這句話，只出現在 Viggle 官方 X 貼文，發表頁本身只稱它是物理原生世界基礎模型，我也沒有查到獨立機構的確認，所以文中把它視為公司的自我定位。
同一頁其實寫得很坦白：目前角色動作由學出來的動態驅動，但場景碰撞與物件互動仍靠規則式物理，要到 JST-3 才會換成學出來的版本。
因此「物理原生」在這一代的意思，是表示法帶有 3D 物理結構，不等於它已經學會所有物理互動。要看這套表示法帶來什麼好處，最直接的指標是場景生成的速度。
JST-2 場景生成：約 1 秒、低於 0.01 美元的條件是什麼？
官方說生成一個 3D 場景約需 1 秒，推論成本低於 0.01 美元，但這個速度有明確的前提。頁面註腳寫著，計時只含模型推論，使用 NVIDIA B200 顯示卡，不含網路延遲。
B200 是資料中心等級的 GPU，一般創作者拿不到，所以你在 PINOC 上實際等待的時間，還會受到服務排隊與網路影響。這個 1 秒適合當成模型本身的速度指標，不適合當成使用者的體感。
頁面還放了一個對照：另一個名為 Marble 的模型約需 5 到 6 分鐘。頁面沒有寫這個 Marble 是哪一家的哪個版本，也沒有寫硬體、設定與誰量的，我也沒有找到雙方在同一條件下的第三方測試，所以這個差距只能當作廠商提供的參考。
官方解釋，快的原因是採用前饋式架構，直接產出 3D 表示，不必針對每個場景重新做最佳化。生成後的場景被解碼成 Gaussian splats，在本機瀏覽器裡渲染，所以換視角探索時不用重跑模型，只有生成新內容時才需要推論。
JST-2 還把「邊走邊擴張」做成功能。它最多接受 64 張輸入視角當作空間脈絡，每擴張一個新視角，新畫面就加入下一次生成的依據，官方展示的場景有咖啡店、溫室、陶藝教室與觀察室。
另一類展示是從真實空間重建。官方用廚房、倉庫、攝影棚與走廊的稀疏實景輸入重建完整 3D 環境，並稱在模型沒看過的視角上，結構與外觀都與實景接近。頁面把應用方向寫成機器人模擬、自駕、製圖與營建，措辭是「潛在應用」，並沒有列出實際合作案例。
所以官方展示得最完整的，是快速產生可探索的視覺場景。如果要拿來做精準的建築測繪或工程模擬，頁面沒有提供誤差數據，我不會把它放在這個用途上。
官方預告了兩項改進，一是未來可用文字提示引導擴張的內容，二是推出每個場景含更多 Gaussian splats 的版本。這兩項都尚未提供，不能當成現有功能。
場景之外，官方另外用兩份基準報告展示角色與動作，這部分有較完整的盲測數字。
延伸閱讀：World Labs Atlas 是什麼？一張圖生成可運鏡 3D 世界，功能、應用與限制解析
角色與動作：四組人工盲測怎麼讀？
Viggle 另外公開了角色與動作兩份基準報告，日期標為 9 月 22 日，早於 10 月 19 日的正式發表。評審採人工盲測，分數的算法是勝率加上一半的平手率，所以 50% 代表兩邊不分高下。
四個測試項目是角色生成、動畫就緒度、文字轉動作與影片轉動作，每項各對兩個對手，共八組比較。下表是 JST-2 對該對手的平均分，數字都是官方公布的，我沒有重新計算，也不是品質的絕對分數。
| 比較項目 | 對手 | JST-2 平均分 |
|---|---|---|
| 單張圖生成 3D 角色 | Meshy 7.1 | 58.4% |
| 單張圖生成 3D 角色 | Tripo H3.1 | 73.2% |
| 角色動畫就緒度 | Meshy 7.1 | 73.8% |
| 角色動畫就緒度 | Tripo H3.1 | 88.9% |
| 文字轉動作 | Cartwheel Swing | 74.8% |
| 文字轉動作 | HY-Motion-1.0 | 80.0% |
| 影片轉動作 | Cartwheel Comic 4 | 58.1% |
| 影片轉動作 | DeepMotion Animate 3D | 89.1% |
表格裡最該細看的是 58.1% 那一格。對 Cartwheel Comic 4 的影片轉動作比較中，JST-2 勝 31.5%、平手 53.1%、落敗 15.4%，所以超過一半的比對看不出差別。
官方也在限制段寫明，快速運動與競技影片是 Comic 4 仍然領先的地方。
角色生成對 Meshy 7.1 的差距同樣不大，JST-2 勝 58.3%、落敗 41.5%。對 Tripo H3.1 則拉開到勝 73.0%，所以「領先兩個對手」這句話成立，但領先幅度差很多。
官方說臉部是角色生成的強項，對兩個對手的臉部品質分數分別是 63.0% 與 82.0%。動畫就緒度則強調手部綁定與身體、衣物的變形，對 Tripo H3.1 的變形品質達 93.2%，對 Meshy 7.1 的手部綁定達 82.8%。
這些數字要打折扣，因為測試由 Viggle 自己設計與執行，我讀到的兩份報告沒有列出評審人數與樣本數量。
報告展示用的困難輸入圖是 GPT Image 2 生成的，並非真實拍攝，測試集本身則只說明依商用 3D 平台的類別，加上使用者常上傳的困難樣本。
每個對手也都是經它們各自的 API 批次產生，所以條件雖然一致，卻未必是各家的最佳設定。
所以這組盲測能說明「在 Viggle 選的題目上，評審較常偏好 JST-2」，但能不能當成你專案的品質保證，得自己拿代表性素材測過才知道。
要實際試，得先知道入口與價格。
怎麼試用 JST-2：PINOC、API 與 MCP 的入口與價格
最簡單的入口是 PINOC，Viggle 的 3D 角色與動作網頁工具。官方寫明可在瀏覽器免費開始，場景模式生成 3D 場景，代理模式則把場景、角色與動作合在一起。
PINOC 免費方案有 60 點數，一次性發放，官方換算約等於 1 分鐘動作，或 12 個由圖片生成的 3D 角色。免費方案只能匯出 1 個動作與 1 個角色，用途限於個人、評估與原型。
付費方案在 10 月 21 日查詢時，Starter 年付顯示 124.70 美元（折合每月 10.39 美元），每月 300 點數，含商用與無限匯出。
Pro 年付顯示 383.90 美元（折合每月 31.99 美元），每月 1,200 點數。
頁面同時標有 19.99 與 59.99 美元的劃線「原價」，產品頁的常見問題則寫月付起價 12.99 與 39.99 美元、年付再省 20%，所以優惠可能隨時變動。
要把成果接進自己的專案，動作可匯出 GLB 或 FBX（MCP 說明頁另列 USDZ），使用 65 根骨骼、採 Mixamo 命名的骨架。
角色則是 .vsplat 格式，官方明說它不是網格，需要 Viggle Splat Engine 才能渲染。
需要寫程式串接的人，可以用 API。新帳號送 100 點，1 點等於 0.01 美元，文字提示生成場景是 0.06 美元，因為要先生成全景圖，其他場景工作每項 0.01 美元。
這也提醒一件事：發表頁說的「低於 0.01 美元」是模型推論本身，從一句文字到場景的帳單是 0.06 美元。這是我對兩處數字的解讀，官方沒有把它們放在一起說明。
角色的價目在同一個 API 價目頁：由圖片生成 3D 角色是 0.25 美元，開啟加強選項是 0.30 美元。API 文件寫明加強選項預設開啟，所以沒特別設定時，會以 0.30 美元計價。
動作的價目分兩種：影片轉 3D 動作每個來源秒數 0.05 美元，文字轉 3D 動作每次請求 0.10 美元。失敗或取消的任務不會留下淨費用。
想讓 Claude Code、Codex 這類代理自己呼叫，則有 MCP 伺服器。它透過瀏覽器裡的 Google 登入授權，官方說不需要 API 金鑰。
授權畫面有「讀取（免費）」與「寫入（花費點數）」兩個勾選項，預設都勾選，所以只想先看看的人，可以取消後者改成唯讀。
MCP 用的是 PINOC 網頁版的點數，官方寫明與 App 共用同一個餘額。單價也和 API 不同：由照片生成角色寫 10 點（關閉 refine 為 6 點），文字轉動作每秒 1 點。
我查過價格頁、MCP 頁與 API 文件的價格頁，都沒有寫 PINOC 點數與 API 點數能否互通或換算。
依官方表格相除，Starter 年付的一點約 0.035 美元，Pro 年付約 0.027 美元，都高於 API 的 0.01 美元。不過兩邊的處理選項未必相同，所以無法直接斷定哪邊划算，實際扣點以你登入後看到的畫面為準。
價格講完，還有一個容易被忽略的問題：作品能不能商用，上傳的照片又會被怎麼使用。
商用、訓練與真人照片：Viggle 條款怎麼寫？
商用權限依方案而定。依服務條款第 24 條，PINOC 免費使用者只能用於非商業目的，付費使用者才能商用，而且輸入與輸出內容歸使用者所有。
API 另有第 25 條。條款寫明，API 的輸出歸使用者所有，可以合法用於商業目的，包括放進產品、交付給客戶與授權他人，Viggle 也承諾不拿 API 的輸入與輸出去訓練模型。
一般條款（最後更新日為 2026 年 8 月 26 日）還有一段要讀。第 5 條讓 Viggle 取得使用者內容的授權，可用來改進服務，包括訓練與微調動畫工具裡的 AI，同一條也寫明這類內容視為非機密。
但同一條接著寫明，使用者在付費期間產生或提供的內容，未經書面同意不會拿去訓練或微調任何模型，離開付費方案後仍然適用。第 24 條對付費的 PINOC 使用者也有同樣承諾。
條款沒有給免費使用者這層保證，所以免費方案上傳的素材，要當成可能被用於訓練。
真人照片的風險，則由使用者承擔。Viggle 的社群規則要求不要使用朋友、家人或任何人的照片，除非取得同意，也建議避免政治人物的圖像，服務條款還寫明含有名人肖像的內容可能被刪除。
PINOC 的 MCP 允許用 1 到 5 張真人照片生成角色，上傳檔案由 PINOC 保存一天。技術上做得到，權利上不一定沒問題，所以替他人建立數位替身前，先取得本人的書面同意比較穩妥。
官方的影片轉動作展示，來源是 TikTok 與 YouTube 創作者的影片，頁面逐一標示了原作者與平台。你自己的動作影片若含他人表演或音樂，授權問題要自己處理。
授權看過一輪之後，才能回答最實際的問題：它適合放進誰的工作流程。
延伸閱讀：Odyssey-3 開放世界模型預覽：物理評測66.1分，能證明模擬世界有多可靠？
適合誰、不適合誰與導入前檢查
最適合的是需要大量草稿的人。獨立遊戲開發者要快速產出背景角色與跑跳動作，動畫前期要用真人影片試鏡頭，AI 代理開發者想讓代理自己生成素材，這三種工作的共通點是先要大量草稿，所以最可能用到它。
動作捕捉的成本對比是官方自己寫的。頁面稱動作捕捉攝影棚一天要數千美元，一套 Rokoko 動捕服約 2,300 美元，PINOC 則能用手機影片取得動作，但這是 Viggle 的行銷說法，實際效果取決於你的品質要求。
有幾類情況不太適合。需要高品質主角的專案，因為官方承認細緻頭髮與複雜衣物的變形還在改進。需要網格與既有引擎管線的團隊，因為角色是 Gaussian 格式。
以快速運動與競技動作為主的內容也要小心，因為官方說這類影片 Comic 4 仍領先。對訓練資料有嚴格要求、卻想用免費方案的團隊，則要留意條款只保護付費內容。
導入前我會做一輪小測試。找一張自己擁有權利的角色圖，生成角色後套上一段動作，匯出 FBX 到慣用的引擎，檢查肩膀、腋下與手指縫是否出現破洞，再看腳在落地與起跳時有沒有滑動，因為這幾項正是官方自己列出的弱點。
接著算一遍成本。依上面的 API 價目相乘，30 個文字提示場景是 1.80 美元，20 個角色是 5.00 到 6.00 美元，合計約 6.80 到 7.80 美元，未含失敗重試。
再拿它和人工做草稿的時間成本相比。價格會隨優惠變動，預算要抓寬鬆。
最後確認授權。要商用就升級到付費方案，要用真人照片就保留同意書，要放進作品集或廣告，就先讀條款第 24、25 條。
這些檢查做完，剩下的就是官方沒有說清楚的部分。
限制與風險：哪些仍然只是官方宣稱
最大的風險是所有比較都出自廠商。八組盲測比較由 Viggle 設計，場景速度由 Viggle 在 B200 上量測，Marble 的對照沒有給版本與設定，而我沒有查到獨立機構重現這些結果。
第二個風險在名詞。「世界模型」常被理解成能模擬現實的引擎，但官方說明寫得很清楚，角色動作由學出來的動態驅動，場景碰撞仍用規則式物理。所以它更像能快速產生 3D 內容的生成模型，離能預測物體互動後果的模擬器還有一段路。
品質邊界也要留意。官方列出的已知問題包括：肩膀與軀幹銜接處、腋下與手指縫會出現破洞或融合，鏡頭拉近時表面細節變柔，非常規體型的關節與變形可能出錯，衣物與頭髮不會因慣性擺動或互相碰撞。動作方面，腳在著地與離地時可能輕微滑動。
產品上有一處說法不一致。PINOC 產品頁寫 Unity 外掛「即將推出」，但 API 文件已有 Unity 快速上手，提供 Viggle Splat Engine 0.1.10 的下載，MCP 說明頁也提到可用 Unity 套件渲染角色。
文件建議的環境是 Unity 6.3 LTS 與 URP 渲染管線，所以要用 Unity 的人以文件為準。價格上同時有「原價」與「優惠價」，也可能再調整。
資料保存同樣要確認。把個人照片與動作影片上傳到雲端服務，要先弄清楚自己能接受的保存期限。PINOC MCP 說明上傳檔保存一天，API 的簽名下載連結一小時後失效，要自行存檔。
付費 PINOC 帳戶終止後，條款寫明 30 天內刪除或去識別化使用者內容。
整體來看，JST-2 是個值得實驗的新工具，但正式交付前，驗收還是得自己做。
Viggle JST-2 常見問題
JST-2 和 Viggle 以前的迷因影片模型是同一個嗎？
不是同一個模型，而是同一套架構的兩代。官方說 JST-1 推動了 Viggle 的迷因製作應用，JST-2 則把同一架構擴展到場景、角色與動作。API 目錄中的影片混搭仍標示由 JST-1 驅動，新功能則多標示 JST-2。
生成的角色與場景能匯入 Unity 或 Blender 嗎？
動作可匯出 GLB 或 FBX，場景由 API 回傳 .spz 檔，角色是 .vsplat 格式，需要 Viggle Splat Engine 渲染。
PINOC 常見問題頁另寫角色可匯出靜態 PLY，但官方沒有說角色能直接轉成一般網格，所以匯入前要先確認你的工具能讀這些格式。
免費方案可以拿來商用嗎？
不行。PINOC 免費方案的用途限於個人、評估與原型，Starter 與 Pro 才含商用。API 的輸出則依條款歸使用者所有，可合法商用。
可以用朋友或客戶的照片做角色嗎？
社群規則要求取得同意，我建議用書面留存。公眾人物與名人的肖像可能被平台移除，各地的肖像權規定也要遵守。
它能取代動作捕捉嗎？
官方行銷把它拿來對照動捕棚與動捕服的成本，但頁面沒有提供精度數據。草稿與原型階段值得先試，需要精準腳步接觸、快速運動或長時間連續動作的專案，官方自己列出腳滑與快速運動的差距，仍要人工校正。
先用一支自己的動作影片，測出 JST-2 的實際邊界
JST-2 把場景、角色與動作放在同一套 3D 表示裡，速度與價格的設計明顯對準「大量試稿」。要判斷它能不能進你的流程，最有效的方法是拿一張有權利的角色圖和一支自己拍的動作影片，走完生成、匯出與引擎檢查，再用成本表算一次。
想持續追蹤世界模型與 3D 生成工具的讀者，可以免費訂閱 AI 郵報，並在每次評估新模型時，優先找官方的測試條件與授權條款。
