阿里的世界模型发布， HappyOyster 全面解读

阿里的世界模型发布， HappyOyster 全面解读 阿里的世界模型发布， HappyOyster 全面解读 Modified April 19 No access 0bc3qydigaageeall57fd5uvnbwdqodanaya.f10002 00:00 No access 0b2ekyajaaaa4mal25pdxruvavwdsblabeaa.f10002 00:00 No access 0bc3puctaaafqyab3m7gsvuvk7odgb6qkmaa.f10002 00:00 No access 0b2ejmdbaaagniad5spfinuvms6dcbfqmeaa.f10002 00:00 鳄鱼飞行员，中途输入「Show the whole helicopter」 中文叙事题材也能跑，下面这个是「金手指系统」开局短剧 No access 0bc3qeagsaaav4aepehdevuvbaodngaqa2ia.f10002 00:00 中文短剧「第一个任务，买车」 第一帧少年坐在简陋房间里被金光笼罩，下一帧弹出系统 HUD 界面，再下一帧切到停车场。画面、中文字幕「第一个任务，买车」、系统 UI 同时生成 效果上等于把用户，从观众席挪到了导演位上 Create 和 Share：从视频到世界 Create 和 Share 这两块能力更接近一句产品哲学，官方把它叫做「打破第四面墙」 比如「我的世界」是一款游戏，也可以是一个世界，hhhh No access 0bc324epoaai3mamvl7lifuvrv6d67lqr5ya.f10002 00:00 过去几年，生成式 AI 经历了几次跃迁：生成文本、生成图像、生成视频。但这些能力都停留在「生成像素」这一层。画面越来越逼真，用户能做的依然只有一件事：看 那么，为什么不能 让用户能推门、走进画面、亲手改写，能离开又回来，也能带朋友进去 如果我们把小生蚝做成视频，也蛮有意思的，比如下面这个 No access 0bc3iedyeaah3aak3v7e6fuvoqodqjaqpaqa.f10002 00:00 真 快乐生蚝 一只戴着生蚝壳当帽子的小动物，在森林里走。每走两步，样子换一遍。背景里的花、草、菌类、倒在地上的同类，一帧一换。整段没有剧情，画面一直在往前推 技术路径 阿里给出的技术能力归纳是三点 长时序世界建模 ：通过海量长视频数据，模型学到了真实世界的状态转移规律，能在长时间跨度里，保持高保真的动态场景生成 实时交互控制 ：在建模初始，就设计了多样的控制信号（文本、Action、图像等）。让外部指令持续作用于世界状态演化，而不只作用于初始条件 音视频联合生成 ：视觉和听觉协同建模、同步生成 阿里把这一组能力描述为「从『被动生成内容』转变为『主动模拟、并让用户参与世界演化』」 世界模型这个赛道，谷歌 DeepMind 2025 年 8 月发布 Genie 3 时定下了一个起点：720p、24fps、几分钟环境一致性。能用文本指令在画面里加天气、加角色、触发事件，谷歌把这种能力叫做「promptable world events」 HappyOyster 在官方表述里跟 Genie 3 处在同一方向上，做的是实时交互式世界建模。阿里把扩展点放在两处：一是在文本、控制信号、图像等多源条件下，做一致的时序建模。二是引入音视频联合生成，把世界模拟从单一视觉通道，扩展到多感知协同 前面 Direct 模式那段「Show the whole helicopter」改镜头的演示，跟谷歌的 promptable world events 是同一件事的产品化呈现 剩下的判断要等更多公开测评 当前能力边界 世界模型整体处于早期阶段，HappyOyster 也不例外。把当前能跑通的事，和暂时跑不通的事罗列清楚，方便心里有数 当前能跑通的 → Wander 漫游，最长 1 分钟连续位移和镜头控制，分辨率 480p → Direct 导演，连续生成 3 分钟以上画面，分辨率可选 480p 或 720p → 多模态输入，文字、图像、语音都能作为指令 → 音视频联合生成，画面跟声音同步出 → 风格泛化，写实、卡通、像素、名画都能跑 → 中文叙事和中文 UI 字幕的同时生成 → 用户生成的世界保存下来，开放给其他用户二次创作 暂时跑不通的 漫游和导演两个模式当前没有打通。Wander 模式下能自由探索，但不能在探索过程里实时改写场景规则。Direct 模式下能改剧情，但不能用 WASD 走进画面里。阿里方面表示未来会做融合，现在不能 实时控制人物移动和镜头旋转时，存在卡顿，流畅度还有提升空间 商业化路径尚未明确。当前只对部分用户开放早期访问，定价和 API 开放节奏都还没公布 这背后是阿里 ATH HappyOyster 的研发团队来自阿里 ATH（Alibaba Token Hub）创新事业部，跟之前那匹屠榜的 HappyHorse 同属一脉 今年 3 月的时候，阿里巴巴 CEO 吴泳铭亲自挂帅，成立了 ATH 事业群。下面整合了通义实验室、MaaS 业务线、千问事业部、悟空事业部、AI 创新事业部五大板块。吴泳铭在最新一季财报电话会上，给 ATH 设的目标是：未来五年，云和 AI 商业化的年收入要做到 1000 亿美元 谷歌 Genie 3 把天花板放在那里，国产几家在追。阿里 ATH 选了实时交互这一支，HappyOyster 是这条线上的第一个产品 莎士比亚那句话，被搬到 2026 年的世界模型里，似乎又多了一层意味 The world is your oyster, open it 🦪 快乐生蚝 🦪 官网入口 https://www.happyoyster.cn/ 参考材料 HappyOyster 官网 https://www.happyoyster.cn/ No access 0bc3qydigaageeall57fd5uvnbwdqodanaya.f10002 00:00 No access 0bc3qydigaageeall57fd5uvnbwdqodanaya.f10002 00:00 No access 0b2ekyajaaaa4mal25pdxruvavwdsblabeaa.f10002 00:00 No access 0b2ekyajaaaa4mal25pdxruvavwdsblabeaa.f10002 00:00 No access 0bc3puctaaafqyab3m7gsvuvk7odgb6qkmaa.f10002 00:00 No access 0bc3puctaaafqyab3m7gsvuvk7odgb6qkmaa.f10002 00:00 No access 0b2ejmdbaaagniad5spfinuvms6dcbfqmeaa.f10002 00:00 No access 0b2ejmdbaaagniad5spfinuvms6dcbfqmeaa.f10002 00:00 鳄鱼飞行员，中途输入「Show the whole helicopter」 中文叙事题材也能跑，下面这个是「金手指系统」开局短剧 No access 0bc3qeagsaaav4aepehdevuvbaodngaqa2ia.f10002 00:00 No access 0bc3qeagsaaav4aepehdevuvbaodngaqa2ia.f10002 00:00 中文短剧「第一个任务，买车」 第一帧少年坐在简陋房间里被金光笼罩，下一帧弹出系统 HUD 界面，再下一帧切到停车场。画面、中文字幕「第一个任务，买车」、系统 UI 同时生成 效果上等于把用户，从观众席挪到了导演位上 Create 和 Share：从视频到世界 Create 和 Share 这两块能力更接近一句产品哲学，官方把它叫做「打破第四面墙」 比如「我的世界」是一款游戏，也可以是一个世界，hhhh No access 0bc324epoaai3mamvl7lifuvrv6d67lqr5ya.f10002 00:00 No access 0bc324epoaai3mamvl7lifuvrv6d67lqr5ya.f10002 00:00 过去几年，生成式 AI 经历了几次跃迁：生成文本、生成图像、生成视频。但这些能力都停留在「生成像素」这一层。画面越来越逼真，用户能做的依然只有一件事：看 那么，为什么不能 让用户能推门、走进画面、亲手改写，能离开又回来，也能带朋友进去 如果我们把小生蚝做成视频，也蛮有意思的，比如下面这个 No access 0bc3iedyeaah3aak3v7e6fuvoqodqjaqpaqa.f10002 00:00 No access 0bc3iedyeaah3aak3v7e6fuvoqodqjaqpaqa.f10002 00:00 真 快乐生蚝 一只戴着生蚝壳当帽子的小动物，在森林里走。每走两步，样子换一遍。背景里的花、草、菌类、倒在地上的同类，一帧一换。整段没有剧情，画面一直在往前推 技术路径 阿里给出的技术能力归纳是三点 长时序世界建模 ：通过海量长视频数据，模型学到了真实世界的状态转移规律，能在长时间跨度里，保持高保真的动态场景生成 实时交互控制 ：在建模初始，就设计了多样的控制信号（文本、Action、图像等）。让外部指令持续作用于世界状态演化，而不只作用于初始条件 音视频联合生成 ：视觉和听觉协同建模、同步生成 阿里把这一组能力描述为「从『被动生成内容』转变为『主动模拟、并让用户参与世界演化』」 世界模型这个赛道，谷歌 DeepMind 2025 年 8 月发布 Genie 3 时定下了一个起点：720p、24fps、几分钟环境一致性。能用文本指令在画面里加天气、加角色、触发事件，谷歌把这种能力叫做「promptable world events」 HappyOyster 在官方表述里跟 Genie 3 处在同一方向上，做的是实时交互式世界建模。阿里把扩展点放在两处：一是在文本、控制信号、图像等多源条件下，做一致的时序建模。二是引入音视频联合生成，把世界模拟从单一视觉通道，扩展到多感知协同 前面 Direct 模式那段「Show the whole helicopter」改镜头的演示，跟谷歌的 promptable world events 是同一件事的产品化呈现 剩下的判断要等更多公开测评 当前能力边界 世界模型整体处于早期阶段，HappyOyster 也不例外。把当前能跑通的事，和暂时跑不通的事罗列清楚，方便心里有数 当前能跑通的 → Wander 漫游，最长 1 分钟连续位移和镜头控制，分辨率 480p → Direct 导演，连续生成 3 分钟以上画面，分辨率可选 480p 或 720p → 多模态输入，文字、图像、语音都能作为指令 → 音视频联合生成，画面跟声音同步出 → 风格泛化，写实、卡通、像素、名画都能跑 → 中文叙事和中文 UI 字幕的同时生成 → 用户生成的世界保存下来，开放给其他用户二次创作 暂时跑不通的 漫游和导演两个模式当前没有打通。Wander 模式下能自由探索，但不能在探索过程里实时改写场景规则。Direct 模式下能改剧情，但不能用 WASD 走进画面里。阿里方面表示未来会做融合，现在不能 实时控制人物移动和镜头旋转时，存在卡顿，流畅度还有提升空间 商业化路径尚未明确。当前只对部分用户开放早期访问，定价和 API 开放节奏都还没公布 这背后是阿里 ATH HappyOyster 的研发团队来自阿里 ATH（Alibaba Token Hub）创新事业部，跟之前那匹屠榜的 HappyHorse 同属一脉 今年 3 月的时候，阿里巴巴 CEO 吴泳铭亲自挂帅，成立了 ATH 事业群。下面整合了通义实验室、MaaS 业务线、千问事业部、悟空事业部、AI 创新事业部五大板块。吴泳铭在最新一季财报电话会上，给 ATH 设的目标是：未来五年，云和 AI 商业化的年收入要做到 1000 亿美元 谷歌 Genie 3 把天花板放在那里，国产几家在追。阿里 ATH 选了实时交互这一支，HappyOyster 是这条线上的第一个产品 莎士比亚那句话，被搬到 2026 年的世界模型里，似乎又多了一层意味 The world is your oyster, open it 🦪 快乐生蚝 🦪 官网入口 https://www.happyoyster.cn/ 参考材料 HappyOyster 官网 https://www.happyoyster.cn/ 🔗 原文链接： https://mp.weixin.qq.com/s/i71pNQop... https://mp.weixin.qq.com/s/i71pNQop... 原创 金色传说大聪明 金色传说大聪明 赛博禅心2026年4月18日 16:59 北京 PRODUCT 阿里新出了个世界模型，叫 HappyOyster，中文名「快乐生蚝」 HappyOyster 实操画面 上面这段，就是 HappyOyster 跑出来的世界。能用一句话生成，能用 WASD 走进去，能在生成过程里持续插指令改剧情，能保存下来分享给别人二创 一句话，给出能走进去的世界 「快乐生蚝」这个名字听起来有点怪，其实大有来头 The world is your oyster. — 莎士比亚 这句话出自莎士比亚 1597 年的《温莎的快活妇人》。四百年来，一直被译作「世界是你的牡蛎」，本意是世界任你打开。HappyOyster 把这句比喻，做成了字面意义上的产品，然后这句话，也是产品的 slogan HappyOyster 官网首页 这个产品的背后，是阿里 ATH 创新事业部，跟之前屠榜 Artificial Analysis 视频竞技场的 HappyHorse 同属一个部门。当前处于 Beta 内测阶段，通过官网 happyoyster.cn 加入候补名单 happyoyster.cn 四大核心能力速览 官方把 HappyOyster 的能力归到四个支点 Wander 漫游 一句话或一张图生成 3D 空间，WASD 走进去探索。1 分钟、480p Direct 导演 生成过程里持续插入指令，实时改镜头、改剧情。3 分钟、480p 或 720p Create 创造 交付的是一个可走进去的完整世界，越过了视频生成工具这一站 Share 分享 用户生成的世界可保存、可被其他人二创，形成创作者生态 下面分别看具体效果 Wander 漫游：走进画面里 输入一句话或一张图，生成一个具备物理一致性的 3D 空间。鼠标控制视角，WASD 控制移动方向，第一人称视角自由探索 视角转动后场景内物体位置稳定，光照随视角连续变化。突破初始画框的边界后，世界仍在继续生成 第一个例子，用梵高《星夜》做生成， 走进画里之后，柏树和教堂都立了起来，星空旋涡还在头顶转，画风一直是梵高的 走进梵高《星夜》漫游 切换到写实风格也能跑， 第一人称在金色废墟里走，藤蔓挂在残柱上。光跟着视角换，画面跟 3A 游戏放一起也不违和 写实金色废墟漫游 这里的体验，跟玩游戏的体验比较像，区别在于，游戏世界是开发团队提前几年做好的。HappyOyster 的世界，是模型在你按下方向键的同时，一帧一帧实时算出来的 当然，除了名画和写实，Wander 还能跑卡通、像素、童话等风格，画质之间没有明显断层 Direct 导演：在生成中改剧情 输入一个初始 prompt 启动生成后，可以在视频流任意节点继续下达新指令。指令可以是文字、语音或图像，能实时切换镜头、调整角色动作、改变剧情走向 传统视频生成的工作流是，写 prompt → 等渲染 → 收成片，是一次性的。Direct 模式让用户能在生成过程里持续干预，画面持续演化，不需要重启生成 第一个例子是卡通鳄鱼飞行员。在生成过程里，输入了一句新指令， 画面里是一只戴风镜的鳄鱼飞行员，开着飞机看夕阳。中途用户输入「Show the whole helicopter」（展示整架直升机）。下一帧镜头拉远，整架直升机出现。鳄鱼变成驾驶舱角落里的小人，手在仪表盘上