Viggle 于10月19日发布 JST-2，将场景、角色与动作放入同一套三维表示。模型使用带有位置、属性和动态信息的 Physics-Native Tokens，可以从图片恢复三维内容，也能从提示生成新的内容，最终输出图像或三维高斯泼溅。
对交互体验而言，关键变化是场景生成后能够在浏览器本地切换视角，无需每看一个方向都重新运行模型。Viggle 称，在 NVIDIA B200 上单个场景的模型推理约1秒、成本低于0.01美元，这一测量不包含网络延迟，也不是面向用户的 API 售价。角色和动作生成则可以衔接进同一世界。
JST-2 已提供 PINOC 浏览器入口以及 API、MCP 路径，让创作者和开发者分别从界面或工具调用接入。官方也明确了当前限制：角色动作使用学习到的动态，场景碰撞和物体交互依然依靠规则物理；将这些规则替换为学习式动态，是正在开发的 JST-3 的方向，不能视为这一版已经交付的能力。这一区分会影响游戏和仿真产品的验收方式，视觉连续并不自动意味着物理推演正确。