HappyOyster 賣的是能走進去的世界，而不是你觀看的影片
大多數影片模型交給你一個檔案。HappyOyster 交給你的是一間有門的房間。
2026 年 9 月 17 日，三個世界模型以 HappyOyster 之名出現在阿里雲百鍊的模型清單中：happyoyster-1.0-adventure、happyoyster-1.0-directing 與 happyoyster-1.0-acting。每一個都接收一段文字提示詞加上一張首幀圖片，回傳的東西並非一般意義上的影片片段。輸出是一個即時、可互動的數位世界，以用戶端可加入的即時視訊串流形式提供。
這項區別很重要。生成出來的片段是固定的。世界模型則保有狀態、回應輸入，並根據你剛才的動作改變接下來會發生什麼。
三種模式，三種不同的產品
這三種模式獨立部署，涵蓋不同的工作。
Adventure 是世界探索。你以第一人稱或第三人稱進入生成的場景並自由移動：WASD 移動、鏡頭控制、戰鬥與騎乘。第一人稱是沉浸式的視角，適合駕駛或潛行；第三人稱可看見完整角色，適合動作與角色扮演。模型會讀取畫面中的內容，並依現場物件開啟相應的玩法，因此世界會對你在其中發現的東西做出回應。
Directing 是即時導演。你提供提示詞或結構化腳本加上首幀圖片，它就會串流輸出最長三分鐘的影片。過程中你可以注入文字指令，改變劇情走向。它支援暫停、倒轉與分支。這使它成為互動戲劇的工具，而在商業上更為實用的是影片前期視覺化——導演希望能推進一場戲並在過程中重新導向，而不必重拍。
Acting 是角色演出。你以選定的角色風格生成一個角色與一個場景，然後進行即時面對面對話。角色會以表情、動作與聲音回應。它預設為直式 9:16 畫面，也支援 16:9。它支援暫停與繼續，但不支援倒轉，這更符合對話而非腳本化序列的需求。
架構說明了它是為誰而做
HappyOyster 乾淨地分成伺服器端與用戶端，而這個切分正是它最透露訊息的地方。
你的後端透過 HappyOyster Open API 管理完整的世界生命週期，使用長期主 API 金鑰走標準 HTTPS REST：建立與管理世界、交換憑證、查詢歷史與產出物。Open API 依模式拆分為三套獨立的套件。你的用戶端則透過 HappyOyster SDK 提供體驗，它使用臨時 API 金鑰加上一次性票證，走 RTC 即時音視訊通道，支援 Android、iOS 與 Web。SDK 封裝了 RTC 連線、視訊播放、狀態輪詢與互動指令，因此你永遠不必碰觸底層的即時通訊協定。
這是基礎設施的樣貌，而不是提示框。主金鑰只存在於伺服器上，用戶端拿到的是短效票證，整體透過阿里雲百鍊閘道進行驗證。這樣的設計假設你要出貨的是一個產品，而不是生成一個檔案。
這在中國世界模型競賽中的位置
HappyOyster 並非憑空出現。整個 2026 年，中國最大的幾家科技公司各自推進了不同的世界模型路線，而其中的差異很具啟發性。
字節跳動以 Seed3D 2.0 切入 3D 資產創作，專注於從圖像與影片生成具 PBR 貼圖、可拆分部件的 3D 模型，用於內容創作、工業模擬與虛擬場景。騰訊以混元 3D 世界 2.0（Hunyuan 3D World 2.0）推進 3D 資產製作，並保持開源，讓生成的資產可直接匯入 Blender 與 Unity，降低了遊戲與內容工作流程的門檻。阿里則以 Happy Oyster 走即時互動路線，圍繞世界內的移動，以及以即時文字驅動的故事變化來打造。華為走的是完全不同的路，支持用於自動駕駛的世界-動作方法，而非主流的視覺-語言-動作堆疊，並統一了駕駛、座艙與底盤建模。吉利則打造了專門針對自家車輛的世界行為模型。
合起來看，模式是每個人都從不同的起點匯聚到同一個前提：一個能預測並渲染你可以實際在其中行動的環境的模型，比一個只渲染你觀看場景的模型更有用。差別在於買家。字節跳動賣給內容創作者，騰訊賣給遊戲與設計團隊，阿里賣給互動娛樂與消費者體驗，而車廠則賣給自己。
即時性所帶來的取捨
任何必須在延遲預算內回應的系統，走的都是一條比離線渲染器更小、更快的路徑。這不是 HappyOyster 的缺陷，而是這個類別的本質。即時世界的單次成像品質，會落後頂尖離線影片模型針對同一提示詞所能產出的結果，而它的持久價值在於互動，而非像素數量。能移動並改變場景的觀看者，會原諒畫面較為柔和。只比較靜態畫格的觀看者則不會。
還有一層營運成本。伺服器加上 SDK 再加上 RTC 通道，是比一次回傳檔案的 API 呼叫更重的整合，而且常時開啟的工作階段是按分鐘計費。打造一個世界是一個問題。讓某個人待在裡面足夠久、足以正當化這段工作階段的成本，則是另一個問題，而這是任何模型發布都無法回答的產品設計問題。
世界模型究竟擅長什麼
列出的應用包括互動戲劇、影片預視覺化、AI 陪伴者與可遊玩世界。其中，預視覺化可能是最先變現的一項。一位能即時走進場景並在串流中途重新導向的導演，能得到故事板無法提供的東西，而一個錯誤想法的成本，從一個拍攝日降為一個工作階段。
陪伴者與可遊玩世界是更具野心的賭注。一個具有持久身分、能回應言語、表情與動作的角色，是與聊天機器人不同的產品，也是與影片生成器不同的產品。人們是否想待在裡面消磨時間，仍是個未解的問題。
值得說明的限制
最誠實的限制是，即時世界維持運作的成本依然高昂，而且經過編排的內容很單薄。生成的環境給你移動的空間；它不會給你留下來的理由，而那個理由仍是最困難的部分。影片預視覺化對它的依賴最低，因為使用者本來就有待在裡面的理由。面向消費者的世界依賴最深，也最未經證實。
值得觀察的重點
一段令人驚豔的示範說明不了什麼。世界模型的考驗在於，是否有人打造出人們會一再回訪的東西。HappyOyster 的三種模式給了開發者三個不同的切入點，而伺服器與用戶端的切分顯示阿里預期的是真實應用，而非一次性的試用。要追蹤的問題是：建構在世界模型之上的第一個引人注目的產品，究竟是遊戲、電影工具，還是陪伴者——因為那個答案將為這個類別中所有其他開發者定下方向。