阿里首个世界模型突然发布！实测一点不比李飞飞的逊色？智东西4月16日报道，刚刚，阿里ATH创新事业部发布了其首款开放式世界模型HappyOyster（快乐生蚝）。基于原生多模态架构，该模型支持多模态理解、音视频联合生成以及实时世界构建与交互。▲一个自由行走的伐木棕熊，角色与场景在转向后都可以保持一致性
在HappyOyster中，仅凭一行文本或一张图片，用户就可以生成一个完整的物理世界。并且，其生成的并非仅仅是视频片段，而是一个持续运行的物理世界。在这个世界里，光照、重力、角色动作以及场景间的因果关系都保持时间和逻辑上的连续一致。与传统的「写提示词—等待渲染—收到成片」一次性工作流的AI视频工具不同，在整个生成过程中HappyOyster可以实时接收指令，场景会实时作出反应，并随着用户的持续指令不断演化。同时，用户生成的数字世界，不仅能被完整保存，还能开放给其他用户进行二次创作。▲用户可以创造出一个实时滑雪的场景，角色转向自如，雪地上的滑板印清晰明显
智东西第一时间获取了邀请码，体验后发现HappyOyster在“世界一致性”上确实带来了惊喜，主角形象、场景风格和物体位置都可以保持稳定，没有出现常见的畸变或错乱。同时，实时修改指令后，世界画面能够立刻响应。不过目前，模型的流畅度还有待提升，控制人物移动与镜头旋转，都能感知到卡顿。自3月阿里巴巴CEO吴泳铭带队组建ATH以来，团队动作不断。此前在开发者圈引发热潮的HappyHorse尚未登场，HappyOyster就已试图将布局拓展至更远：从 “生成视频”，正式迈向AI领域专家李飞飞所提出的 “生成世界” 全新高地。01.亲测生成世界：人物不畸变、场景丝滑切换但视角切换有卡顿
据HappyOyster官网介绍，目前该模型具备导演模式与漫游模式。其中，导演模式生成的世界最多可以有3分钟，分辨率可以选择480p或720p；漫游模式则至多生成1分钟的世界，且清晰度只有480p。两种模式下，世界都是声画同时生成的。▲导演模式与漫游模式参数
在导演模式中，用户可以随时介入所生成的世界，通过文本、语音或图像来切换镜头角度、指导角色行动，或改变故事的走向，世界会立即响应，并按照这些指令继续展开。指令遵循方面，输入修改指令后世界能够立即响应并实时更改画面，执行效率较高；物理规律层面，整体符合基础物理逻辑，但也存在少量bug，比如角色从窗户进入时，窗框出现了像橡皮一样被扯开的变形问题。在漫游模式中，用户能以第一人称漫游，自由改变方向和镜头运动，突破原有画面边界，而世界则会持续生成并保持连贯。在这个世界里，物体的位置保持稳定，环境随时间持续存在，用户移动时视角与光照也会连续响应。02.对标谷歌Genie3阿里押注“世界模拟器”路线
相比大语言模型相对成熟的模型架构和技术范式，世界模型仍属于前沿探索领域。据HappyOyster团队介绍，阿里的HappyOyster与谷歌的Genie3同属于世界模拟器流派。区别于传统文生视频模型输入提示词、等待渲染、获得成片的被动流程，这一流派采用长时间跨度上的世界演化建模方式。通过学习海量长视频数据，以及文本、动作指令、图像参考等多样控制信号，模型能够主动理解空间、物理与因果规律，预测情节和画面的演变，从而把“被动生成内容”转变为“主动模拟世界演化”。此次阿里发布的HappyOyster采用了时间跨度更长的世界演化建模方式，使得模型能够保持高保真、长时序的动态场景生成。同时，该模型在建模初始就设计了多样的控制信号，使模型能够在统一的时序框架下同时实现生成质量、长时序与实时可控性的协同优化。
阿里ATH创新事业部在2026年3月正式成立，到今天是整一个月。在这一个月的时间里，ATH创新事业部发布了企业级AI原生工作平台“悟空”、AI开发工具秒悟Meoo、视频大模型HappyHorse，进度不可谓不惊人。今天阿里ATH正式入局世界模型，给世界模型赛道再添一把猛火。在阿里发布世界模型的同一天，腾讯也推出了混元3D世界模型2.0。前一天李飞飞的渲染引擎Spark 2.0开源，1月爱诗科技发布了世界模型PixVerse R1。这4个月以来，世界模型更新的节奏快得让人喘不过气，也能从侧面反映出：世界模型已经开始真刀真枪地抢地盘了。这场关于“谁能造出更真、更活、更好玩的数字世界”的较量，才刚刚热起来。
语音小管家
