智東西
作者｜王涵
編輯｜李水青

智東西4月16日?qǐng)?bào)道，剛剛，阿里ATH創(chuàng)新事業(yè)部也發(fā)布了其首款開放式世界模型HappyOyster（快樂生蠔）。

基于原生多模態(tài)架構(gòu)，該模型支持多模態(tài)理解、音視頻聯(lián)合生成以及實(shí)時(shí)世界構(gòu)建與交互。

▲一個(gè)自由行走的伐木棕熊，角色與場(chǎng)景在轉(zhuǎn)向后都可以保持一致性

在HappyOyster中，僅憑一行文本或一張圖片，用戶就可以生成一個(gè)完整的物理世界。并且，其生成的并非僅僅是視頻片段，而是一個(gè)持續(xù)運(yùn)行的物理世界。在這個(gè)世界里，光照、重力、角色動(dòng)作以及場(chǎng)景間的因果關(guān)系都保持時(shí)間和邏輯上的連續(xù)一致。

▲真實(shí)還原梵高畫作風(fēng)格和細(xì)節(jié)，元素依照物理規(guī)律放置，隨著視角轉(zhuǎn)換無畸變現(xiàn)象

與傳統(tǒng)的「寫提示詞—等待渲染—收到成片」一次性工作流的AI視頻工具不同，在整個(gè)生成過程中HappyOyster可以實(shí)時(shí)接收指令，場(chǎng)景會(huì)實(shí)時(shí)作出反應(yīng)，并隨著用戶的持續(xù)指令不斷演化。同時(shí)，用戶生成的數(shù)字世界，不僅能被完整保存，還能開放給其他用戶進(jìn)行二次創(chuàng)作。

▲用戶可以創(chuàng)造出一個(gè)實(shí)時(shí)滑雪的場(chǎng)景，角色轉(zhuǎn)向自如，雪地上的滑板印清晰明顯

智東西第一時(shí)間獲取了邀請(qǐng)碼，體驗(yàn)后發(fā)現(xiàn)HappyOyster在“世界一致性”上確實(shí)帶來了驚喜，主角形象、場(chǎng)景風(fēng)格和物體位置都可以保持穩(wěn)定，沒有出現(xiàn)常見的畸變或錯(cuò)亂。同時(shí)，實(shí)時(shí)修改指令后，世界畫面能夠立刻響應(yīng)。不過目前，模型的流暢度還有待提升，控制人物移動(dòng)與鏡頭旋轉(zhuǎn)，都能感知到卡頓。

自3月阿里巴巴CEO吳泳銘帶隊(duì)組建ATH以來，團(tuán)隊(duì)動(dòng)作不斷。此前在開發(fā)者圈引發(fā)熱潮的HappyHorse尚未登場(chǎng)，HappyOyster就已試圖將布局拓展至更遠(yuǎn)：從 “生成視頻”，正式邁向AI領(lǐng)域?qū)＜依铒w飛所提出的 “生成世界” 全新高地。

該模型于今日開啟內(nèi)測(cè)，內(nèi)測(cè)名額還在持續(xù)釋放中。

體驗(yàn)地址：https://www.happyoyster.cn/

一、親測(cè)生成世界：人物不畸變、場(chǎng)景絲滑切換，但視角切換有卡頓

據(jù)HappyOyster官網(wǎng)介紹，目前該模型具備導(dǎo)演模式與漫游模式。其中，導(dǎo)演模式生成的世界最多可以有3分鐘，分辨率可以選擇480p或720p；漫游模式則至多生成1分鐘的世界，且清晰度只有480p。兩種模式下，世界都是聲畫同時(shí)生成的。

▲導(dǎo)演模式與漫游模式參數(shù)

在導(dǎo)演模式中，用戶可以隨時(shí)介入所生成的世界，通過文本、語(yǔ)音或圖像來切換鏡頭角度、指導(dǎo)角色行動(dòng)，或改變故事的走向，世界會(huì)立即響應(yīng)，并按照這些指令繼續(xù)展開。

▲潛水員在海底接近沉船

我們?cè)趯?dǎo)演模式下，選擇480p的清晰度和“Regular”和“Steady”模式，輸入提示詞如下：

[開場(chǎng)] 你是一名火星基地的宇航員，結(jié)束艙外作業(yè)，進(jìn)入氣閘艙。關(guān)閉厚重艙門，氣壓讀數(shù)上升。摘下頭盔，汗水順著臉頰滑落，深吸一口循環(huán)空氣中的金屬味。 [走進(jìn)生活艙] 綠色植物在LED燈下生長(zhǎng)，跑步機(jī)靠墻，舷窗外紅色荒漠延伸至地平線。坐到電腦前，敲下：“第287天，一切正常?！?[推開植物艙門] 濕潤(rùn)的熱浪撲面而來。番茄藤爬滿支架，LED燈光閃爍，自動(dòng)灌溉系統(tǒng)發(fā)出輕微的嘶嘶聲。 [爬上觀測(cè)臺(tái)] 進(jìn)入穹頂觀測(cè)臺(tái)。360度全景玻璃外，火星星空璀璨奪目，火衛(wèi)一正快速劃過天際。 [進(jìn)入休息艙] 穿過走廊進(jìn)入休息艙。窄小的床鋪，墻上貼著家人的照片。躺下時(shí)，飛船金屬骨架發(fā)出熟悉的吱呀聲。

HappyOyster生成世界的效果如下：

從視頻清晰度來看，HappyOyster生成的畫面整體清晰，場(chǎng)景切換時(shí)畫質(zhì)穩(wěn)定無斷層；在真實(shí)感上，主角身材、衣著、樣貌均未出現(xiàn)畸變，宇宙飛船風(fēng)格也保持統(tǒng)一，不過在場(chǎng)景切換時(shí)仍帶有一定AI生成痕跡。視頻所配的背景音樂也符合畫面調(diào)性。

指令遵循方面，輸入修改指令后世界能夠立即響應(yīng)并實(shí)時(shí)更改畫面，執(zhí)行效率較高；物理規(guī)律層面，整體符合基礎(chǔ)物理邏輯，但也存在少量bug，比如角色從窗戶進(jìn)入時(shí)，窗框出現(xiàn)了像橡皮一樣被扯開的變形問題。

在漫游模式中，用戶能以第一人稱漫游，自由改變方向和鏡頭運(yùn)動(dòng)，突破原有畫面邊界，而世界則會(huì)持續(xù)生成并保持連貫。在這個(gè)世界里，物體的位置保持穩(wěn)定，環(huán)境隨時(shí)間持續(xù)存在，用戶移動(dòng)時(shí)視角與光照也會(huì)連續(xù)響應(yīng)。

▲一個(gè)男人在廢土世界中行走

我們?cè)诼文Ｊ较逻x擇第三人稱視角，輸入提示詞如下：

一位穿著冰藍(lán)色長(zhǎng)裙的銀發(fā)女子站在冰封的湖面上。雪花圍繞她飛舞，她的長(zhǎng)發(fā)和裙擺隨風(fēng)飄動(dòng)。背景是極光和雪山，冰面反射出她的身影和極光。鏡頭圍繞她旋轉(zhuǎn)，捕捉冰晶在陽(yáng)光下折射的七彩光芒。

從視頻清晰度來看，HappyOyster生成的世界畫面清晰，漫游過程中視角轉(zhuǎn)動(dòng)、場(chǎng)景切換都十分流暢，光影效果會(huì)跟隨視角自然變化，鏡頭旋轉(zhuǎn)一周后，場(chǎng)景內(nèi)物體位置依舊保持固定，沒有出現(xiàn)漂移錯(cuò)亂。

在真實(shí)感與AI痕跡上，生成的環(huán)境與主角形象高度貼合提示詞描述，人物無畸變、無穿模，整體自然真實(shí)，AI生成痕跡較弱。在指令遵循程度上，模型能準(zhǔn)確響應(yīng)操控指令，可順暢控制角色行進(jìn)方向，以及鏡頭的朝向與角度。

在物理規(guī)律層面，場(chǎng)景物體空間位置穩(wěn)定，視角與光影的聯(lián)動(dòng)變化符合現(xiàn)實(shí)邏輯，整體物理表現(xiàn)連貫合理。

美中不足的是，無論是在導(dǎo)演模式還是漫游模式下，控制人物和鏡頭還會(huì)出現(xiàn)卡頓的情況。

在X上，也有用戶分享出了自己的作品。她制作了一一個(gè)顏色鮮艷、光怪陸離的世界，在世界中有一個(gè)小男孩背著背包在行走。這位網(wǎng)友說（她）使用的是導(dǎo)演模式，分辨率480p，選擇「常規(guī)」與「穩(wěn)定」設(shè)定，然后輸入提示詞即可。

▲網(wǎng)友實(shí)例（來源：X）

除了現(xiàn)實(shí)風(fēng)格，用戶在HappyOyster中還可以生成漫畫、水墨畫、素描等不同畫風(fēng) 的世界。

▲漫畫風(fēng)格的世界，汽車川流不息

此外，世界中的主角也不僅僅局限于人類，在HappyOyster里，用戶還可以創(chuàng)造以物品或動(dòng)物、昆蟲等為第一視角的世界。

▲足球視角在足球場(chǎng)上滾動(dòng)

▲螞蟻視角在衣服上爬行

二、對(duì)標(biāo)谷歌Genie3，阿里押注“世界模擬器”路線

相比大語(yǔ)言模型相對(duì)成熟的模型架構(gòu)和技術(shù)范式，世界模型仍屬于前沿探索領(lǐng)域。

據(jù)HappyOyster團(tuán)隊(duì)介紹，阿里的HappyOyster與谷歌的Genie3同屬于世界模擬器流派。區(qū)別于傳統(tǒng)文生視頻模型輸入提示詞、等待渲染、獲得成片的被動(dòng)流程，這一流派采用長(zhǎng)時(shí)間跨度上的世界演化建模方式。

通過學(xué)習(xí)海量長(zhǎng)視頻數(shù)據(jù)，以及文本、動(dòng)作指令、圖像參考等多樣控制信號(hào)，模型能夠主動(dòng)理解空間、物理與因果規(guī)律，預(yù)測(cè)情節(jié)和畫面的演變，從而把“被動(dòng)生成內(nèi)容”轉(zhuǎn)變?yōu)椤爸鲃?dòng)模擬世界演化”。

此次阿里發(fā)布的HappyOyster采用了時(shí)間跨度更長(zhǎng)的世界演化建模方式，使得模型能夠保持高保真、長(zhǎng)時(shí)序的動(dòng)態(tài)場(chǎng)景生成。

同時(shí)，該模型在建模初始就設(shè)計(jì)了多樣的控制信號(hào)，使模型能夠在統(tǒng)一的時(shí)序框架下同時(shí)實(shí)現(xiàn)生成質(zhì)量、長(zhǎng)時(shí)序與實(shí)時(shí)可控性的協(xié)同優(yōu)化。

結(jié)語(yǔ)：阿里入局，給世界模型再添一把火

阿里ATH創(chuàng)新事業(yè)部在2026年3月正式成立，到今天是整一個(gè)月。

在這一個(gè)月的時(shí)間里，ATH創(chuàng)新事業(yè)部發(fā)布了企業(yè)級(jí)AI原生工作平臺(tái)“悟空”、AI開發(fā)工具秒悟Meoo、視頻大模型HappyHorse，進(jìn)度不可謂不驚人。

今天阿里ATH正式入局世界模型，給世界模型賽道再添一把猛火。

在阿里發(fā)布世界模型的同一天，騰訊也推出了混元3D世界模型2.0。前一天李飛飛的渲染引擎Spark 2.0開源，1月愛詩(shī)科技發(fā)布了世界模型PixVerse R1。

這4個(gè)月以來，世界模型更新的節(jié)奏快得讓人喘不過氣，也能從側(cè)面反映出：世界模型已經(jīng)開始真刀真槍地?fù)尩乇P了。

這場(chǎng)關(guān)于“誰(shuí)能造出更真、更活、更好玩的數(shù)字世界”的較量，才剛剛熱起來。