960p·24fps·毫秒级重渲。API 约竞品 1/12。把视频从单向内容，做成可操作的交互界面。
较 X1 的 480p
进入可用直播档
流式自回归
边算边播
海外约 $6/小时
国内约 ¥20/小时
16fps 本地推理
隐私与弱网兜底
人变、背景尽量不动；表情与动作跟随原主体。
只换衣服；贴合体态与环境光，直播主场能力。
人加场景整体重渲：赛博、油画、二次元等。
屏幕拖轨迹，静态主体被「捏活」成连续运动。
虚实融合召唤角色，手势可即时响应。
Prompt + 参考图自由组合，适合创意实验。
取舍很干脆：用「流式一致性」换「离线全局最优」。直播与试穿要的是当下可控，不是事后完美。
| 维度 | Decart Lucy 实时 | Xmax X2.0 | 架构含义 |
|---|---|---|---|
| 计费参考 | $0.02 / 秒 · 720p | $6 / 小时（海外） | 约 1/12 成本 |
| 折合小时价 | ≈ $72 / 小时 | 国内约 ¥20 / 小时 | 进入中小团队预算 |
| 3 分钟试穿 | ≈ $3.6 | ≈ $0.3 量级 | 可规模化投放 |
| 端侧能力 | 云端为主 | iPhone 本地推理 | 隐私 / 弱网保险丝 |
先算单次会话毛利，再吹参数量。
评审会上只拍板三指标：延迟 · 成本 · 转化。不聊参数崇拜。
platform.xmaxai.com 申请 API Key
npm install @xmaxai/sdk
Claude / Codex 写 connect + 摄像头绑定
ClothX 或 CharX，别一上来堆 Free
首帧延迟 / 断线恢复 / 小时费用
models.realtime("x2.0") → getUserMedia → client.realtime.connect → set({prompt, image}) → disconnect()
画质收益递减后，能否在交互时延内完成「感知→操控→反馈」，决定视频是内容还是界面。
$3.6 与 $0.3 是两套商业故事。选型先过会话毛利，再谈模型榜单。
云端扛画质峰值，端侧扛隐私与弱网。iPhone 本地推理证明交互视频可离集群生存。
打通 TypeScript Realtime 官方 Quick Start
选一个 SKU，记 ClothX 成本与首帧延迟
Key 代理 · 会话超时 · 费用告警
延迟 / 成本 / 转化 —— 不聊参数崇拜
视频正在变成可实时操控的界面。
门槛已砍到这周能动手。别再只做 Demo 截图——去接一场真直播。