【億邦原創(chuàng)】4月16日，阿里巴巴和騰訊分別發(fā)布了各自的世界模型產(chǎn)品。阿里ATH事業(yè)群推出的是開(kāi)放式世界模型“Happy Oyster”，騰訊混元團(tuán)隊(duì)發(fā)布了3D世界模型“HY-World 2.0”。

Happy Oyster側(cè)重交互式內(nèi)容創(chuàng)作平臺(tái)，用戶可以在生成過(guò)程中持續(xù)輸入指令，畫面實(shí)時(shí)響應(yīng)，瞄準(zhǔn)影視制作、游戲開(kāi)發(fā)等創(chuàng)意產(chǎn)業(yè)的效率提升。

HY-World 2.0更像3D資產(chǎn)工廠，生成的不是視頻，而是可編輯、可導(dǎo)入游戲引擎的真實(shí)3D資產(chǎn)，直接服務(wù)于游戲開(kāi)發(fā)和具身智能仿真訓(xùn)練。

一個(gè)走閉源產(chǎn)品路線，一個(gè)走開(kāi)源生態(tài)路線。雖然方向不同，但都是想讓AI更好地理解和生成物理世界，至于哪條路更走得通，還得開(kāi)發(fā)者來(lái)投票。

1、“Happy”宇宙再下一城

4月16日，阿里巴巴ATH事業(yè)群正式推出開(kāi)放式世界模型產(chǎn)品“Happy Oyster”（快樂(lè)牡蠣），主打?qū)崟r(shí)世界創(chuàng)建與交互。這是繼視頻生成模型HappyHorse（快樂(lè)馬）之后，ATH推出的第二款產(chǎn)品，從“生成視頻”進(jìn)一步延伸至“交互式世界模型”。

與Sora、Gen-3等傳統(tǒng)AI視頻工具“寫prompt→等渲染→收到成片”的一次性線性流程不同，Happy Oyster在生成過(guò)程中可持續(xù)接收用戶指令，畫面實(shí)時(shí)響應(yīng)、持續(xù)演繹。這讓使Happy Oyster更接近一個(gè)實(shí)時(shí)渲染引擎，而不僅僅是后期剪輯師。

產(chǎn)品提供兩種深度交互模式：導(dǎo)演模式支持最長(zhǎng)3分鐘、最高720p的視頻生成，創(chuàng)作者可在生成過(guò)程中隨時(shí)切換機(jī)位、指揮角色行動(dòng)，甚至改變劇情走向；漫游模式支持1分鐘的實(shí)時(shí)生成，允許用戶以第一人稱視角在生成的3D環(huán)境中自由移動(dòng)，支持鍵盤控制與攝像頭實(shí)時(shí)驅(qū)動(dòng)，實(shí)現(xiàn)“所言即所見(jiàn)，所行即所得”。

Happy Oyster基于原生多模態(tài)架構(gòu)，底層是一個(gè)支持音視頻聯(lián)合生成的流式生成世界模型，依托阿里強(qiáng)大的多模態(tài)訓(xùn)練，Happy Oyster對(duì)物理規(guī)律（如重力、碰撞、光影變化）有更深層的模擬，生成的3D動(dòng)態(tài)環(huán)境在視角轉(zhuǎn)換時(shí)能保持極高的穩(wěn)定性。

2、騰訊混元開(kāi)源3D世界模型

同一天，騰訊混元團(tuán)隊(duì)正式發(fā)布并開(kāi)源混元3D世界模型2.0（HY-World 2.0），支持文字、圖片、視頻等多種模態(tài)輸入，能夠自動(dòng)生成、重建和模擬包含人、物、景的完整3D世界，并支持多格式3D資產(chǎn)（Mesh/3DGS/點(diǎn)云等）導(dǎo)出，可與Unity、UE等主流游戲引擎工作流無(wú)縫對(duì)接。

HY-World 2.0的核心升級(jí)，是把能力從“生成單個(gè)物體”擴(kuò)展到了“生成完整世界”，可以直接生成可二次編輯的3D資產(chǎn)文件，并導(dǎo)入到游戲制作或具身仿真引擎，降低了游戲地圖的創(chuàng)作門檻。官方稱，在開(kāi)源方案中，HY-World 2.0是首個(gè)達(dá)到SOTA水平的3D世界模型。

HY-World 2.0延續(xù)了騰訊混元的一貫策略，發(fā)布即開(kāi)源。模型權(quán)重和代碼已在GitHub與Hugging Face同步開(kāi)源。

2026年以來(lái)，阿里ATH事業(yè)群已連續(xù)推出視頻生成模型HappyHorse、AI開(kāi)發(fā)工具M(jìn)eoo、開(kāi)放世界模型Happy Oyster等多款產(chǎn)品，節(jié)奏密集；騰訊混元也在3D世界模型賽道上持續(xù)深耕，從1.0到2.0迭代迅速。

兩家?guī)缀跬瑫r(shí)出手，既標(biāo)志著世界模型賽道從概念驗(yàn)證進(jìn)入產(chǎn)品落地階段，也意味著大模型競(jìng)爭(zhēng)的焦點(diǎn)正在從語(yǔ)言模型、視頻生成，向更復(fù)雜的物理世界建模和實(shí)時(shí)交互方向延伸。