HappyOyster 卖的是能走进去的世界，而不是你观看的片段
大多数视频模型交给你一个文件。HappyOyster 交给你的是一间带门的房间。
2026 年 9 月 17 日，三个世界模型以 HappyOyster 之名出现在阿里云百炼（Model Studio）的模型列表中：happyoyster-1.0-adventure、happyoyster-1.0-directing 和 happyoyster-1.0-acting。它们各自接收一段文本提示加一张首帧图像，返回的东西并不是通常意义上的视频片段。其输出是一个实时、可交互的数字世界，以客户端可加入的实时视频流形式交付。
这个区别很重要。生成的片段是固定的。而世界模型携带状态、响应输入，并会根据你刚刚做了什么来改变接下来发生的事。
三种模式，三种不同的产品
这三种模式独立部署，覆盖不同的任务。
Adventure 是世界的探索。你以第一人称或第三人称进入生成的场景并自由移动：WASD 移动、镜头控制、战斗和骑乘。第一人称是适合驾驶或潜行的沉浸式视角；第三人称能看到完整角色，适合动作和角色扮演。模型会读取画面中有什么，并开放与场景中物体相匹配的玩法，因此世界会对你所发现的东西做出回应。
Directing 是实时导演。你输入一段提示或结构化剧本加上首帧图像，它就会流式输出最长三分钟的视频。在播放过程中，你可以注入文本指令来改变剧情走向。它支持暂停、回退和分支。这使它成为互动剧的工具，更商业化的用途则是电影预演——导演希望在不重拍的情况下推进一个场景并改变其走向。
Acting 是角色表演。你生成一个角色和场景，选择人设风格，然后进行实时面对面对话。角色会以表情、动作和声音回应。它默认使用 9:16 竖屏画幅，也支持 16:9。它支持暂停和继续，但不支持回退，这更契合对话而非脚本化的序列。
架构说明了它是为谁而做
HappyOyster 清晰地分为服务端和客户端，而这一划分是它最能说明问题的地方。
你的后端通过 HappyOyster Open API 管理整个世界的生命周期，使用长期有效的主 API Key，走标准 HTTPS REST：创建和管理世界、交换凭证、查询历史与产物。Open API 按模式拆分为三套独立的接口套件。你的客户端则通过 HappyOyster SDK 交付体验，SDK 使用临时 API Key 加一次性 ticket，通过 RTC 实时音视频通道传输，支持 Android、iOS 和 Web。SDK 封装了 RTC 连接、视频播放、状态轮询和交互指令，因此你无需接触底层的实时协议。
这是基础设施的形态，而不是一个提示框。主密钥只存在于服务端，客户端拿到的是短期 ticket，整个流程通过阿里云百炼网关认证。这套设计假设你是在交付一个产品，而不是生成一个文件。
这在中国世界模型竞赛中的位置
HappyOyster 并非凭空出现。整个 2026 年，中国最大的科技公司各自推进了一条不同的世界模型路线，而这些差异颇具启发。
字节跳动以 Seed3D 2.0 切入 3D 资产创建，专注于从图像和视频生成带 PBR 纹理、部件可分离的 3D 模型，用于内容创作、工业仿真和虚拟场景。腾讯以混元 3D 世界 2.0 推进 3D 资产生产，并保持开放，使生成的资产可直接导入 Blender 和 Unity，降低了游戏与内容管线的门槛。阿里巴巴则以 HappyOyster 走实时交互路线，围绕世界内移动和由文本实时驱动的剧情变化构建。华为走了一条完全不同的路，选择支持面向自动驾驶的世界—动作（world-action）方案，而非主流的视觉—语言—动作栈，并统一了驾驶、座舱和底盘的建模。吉利则专门为其自有车辆构建了世界行为模型。
合起来看，规律是所有人都在从不同的起点收敛到同一个前提：一个能预测并渲染你可以身处其中行动的环境的模型，比一个只渲染你能观看的场景的模型更有用。不同之处在于买家是谁。字节跳动卖给内容创作者，腾讯卖给游戏与设计团队，阿里巴巴卖给互动娱乐与消费体验，而车企则卖给自己。
实时性带来的取舍
任何必须在延迟预算内做出响应的系统，走的都是一条比离线渲染器更小、更快的路径。这不是 HappyOyster 的缺陷，而是这个品类本身的物理规律。对同一段提示，实时世界的单次生成画质会落后于顶级离线视频模型所能产出的效果，而持久的价值在于交互，而非像素数量。能移动并改变场景的观看者会原谅画质稍软的帧；对着静帧做对比的观看者则不会。
还有一层运营成本。服务端加 SDK 再加 RTC 通道，比一次返回文件的 API 调用集成更重，而常开的会话是按分钟计费的。构建一个世界是一个问题。让某人在其中待到足以证明这次会话值得，则是另一个问题，而这是任何模型发布都无法回答的产品设计问题。
世界模型究竟适合做什么
所列的应用包括互动剧、电影预演、AI 伴侣和可玩世界。其中，预演可能是最先产生回报的那一个。一位导演能够实时走过一个场景并在中途改变其走向，这能获得分镜图无法提供的东西，而一个错误想法的成本也从一整天的拍摄降为一次会话。
伴侣和可玩世界是更宏大的赌注。一个具有持久身份、能对语音、表情和动作做出回应的角色，既不同于聊天机器人，也不同于视频生成器。人们是否愿意在其中花时间，仍然是一个悬而未决的问题。
值得说明的局限
诚实的约束在于：实时世界的维持成本仍然高昂，而精心编写的内容却很单薄。生成的环境给了你移动的空间，却没有给你留下的理由，而那个理由仍然是最难的部分。电影预演对此依赖最小，因为用户本来就有理由待在那里。面向消费者的世界依赖最大，也是最少被验证的。
值得关注什么
一个令人印象深刻的演示说明不了什么。世界模型的真正考验在于，是否有人基于它构建出人们会反复回来的东西。HappyOyster 的三种模式为开发者提供了三个不同的入口，而服务端—客户端的分割表明，阿里巴巴期待的是真实应用而非一次性试验。值得追踪的问题是：建立在世界模型之上的第一个有吸引力的产品，究竟是一款游戏、一个电影工具，还是一个伴侣，因为这个答案将决定该品类中其他所有构建者的方向。