快乐生蚝登陆百炼，AI视频开始能玩

阿里云百炼在 7 月 19 日正式上线开放式世界模型 HappyOyster 1.0，并面向企业与开发者开启灰测。用户输入一句话或一张图片，就能生成一个可以继续移动、交互和改写剧情的 AI 数字世界；开发者则可以通过 Android、iOS、Web 三端 SDK，把这套能力接入互动短剧、虚拟陪伴、沉浸式文旅或游戏原型产品。

HappyOyster 1.0 不是今天才首次亮相，但登陆百炼是它从展示型产品走向开发者平台的重要一步。HappyOyster 在今年 4 月公开早期版本，阿里于 6 月 17 日进一步发布 1.0，到了今天，产品才以服务端 Open API 加客户端 SDK 的方式进入阿里云百炼灰测体系。换句话说，阿里开始尝试把“能演示的 AI 世界”，变成企业可以真正嵌入应用的基础能力。

据阿里披露，HappyOyster 1.0 已提供世界探索 Adventure 和实时导演 Directing 两种模式。世界探索强调“进入并操控世界”，实时导演强调“站在镜头外改变世界”，两种模式分别对应游戏式交互和影视式创作。

世界模型不只是把视频生成得更长

世界模型是一类通过学习环境状态、用户动作和后续反馈之间的关系，预测世界下一状态的生成模型。传统文生视频模型解决的是“这句话应该对应什么画面”，世界模型要解决的则是“当前人物向左走、跳起来或攻击之后，环境应该发生什么变化”。

开放式世界模型是一种允许用户在生成过程中持续输入动作和意图，并实时改变后续内容的世界模型。这里的“开放式”不是指开放源代码，而是指世界没有完全预先写死的脚本，模型需要根据不断到来的控制信号继续推演。

HappyOyster 1.0 的关键变化因此不在于单段视频更清晰，而在于生成链路从一次性渲染变成了连续状态转移。用户不再输入提示词后等待一段成片，而是可以在画面进行过程中移动角色、切换镜头、暂停剧情、回溯节点，再要求模型沿另一条分支继续演绎。

这一区别看起来像是给视频生成增加了几个按钮，实际却改变了模型的任务。假设用户生成一片雪原，并控制角色骑摩托穿过树林，普通视频模型只需让连续帧“看起来合理”；世界模型还要记住摩托、角色、树木和道路的位置关系，并在用户突然要求转弯、跳跃或撞向障碍物时，生成与动作相符的结果。

HappyOyster 1.0 所强调的“物理规律”，更准确地说是从数据中学习到的视觉状态转移规律。它可以模拟重力、运动惯性、碰撞反馈和光照变化，但这不等于内部必然运行着一套像 Unity 或 Unreal Engine 那样精确、可验证的刚体物理系统。对于娱乐和内容创作，“看起来符合物理”通常已经够用；对于机器人训练、工业仿真和自动驾驶测试，“数值上符合物理”才是硬门槛。

Adventure：生成的不是成片，而是可继续走下去的场景

世界探索模式 Adventure 是 HappyOyster 1.0 面向“可玩内容”的核心能力。用户可以用文本或图片指定角色与环境，再以第一人称或跟随视角控制角色移动，让模型根据实时动作预测下一段音视频。

阿里披露的 1.0 能力包括移动、跳跃、攻击和飞行等交互，并支持 1 分钟以上的主体动作与环境互动体验。模型生成过程为音画同步输出，而不是先生成无声画面，再单独调用音频模型补齐背景声。

一分钟对于传统游戏极短，对于实时生成模型却不算短。静态图片只要保证一帧正确，短视频模型通常重点处理数秒到十几秒内的连贯性；当连续生成时间拉到一分钟，角色服装、建筑布局、光源方向、镜头位置和已经发生的事件都可能逐渐漂移。

长程一致性是模型在较长生成过程中保持角色身份、空间布局、物体状态和事件逻辑稳定的能力。HappyOyster 1.0 将其列为核心卖点，意味着模型不仅要生成下一帧，还要保留足够多的历史状态，避免人物走出房间后再返回时，房门、家具和人物外观全部变样。

这套能力最直接的价值不是立刻生成一款完整游戏，而是快速验证玩法原型。策划人员可以先用一句话构造“暴雨中的赛博朋克街区”或“低重力月球基地”，再测试移动、追逐、探索等体验，而不必先完成建模、贴图、动画、灯光和关卡搭建。

不过，HappyOyster 目前仍不能简单等同于零代码游戏引擎。阿里尚未公布它能否导出标准三维网格、材质、骨骼、碰撞体、导航网格或确定性脚本，也没有公开复杂关卡中的状态持久化能力。现阶段更合理的定位，是“由神经网络实时生成音视频反馈的可交互世界”，而不是替代传统引擎的完整生产管线。

Directing：视频生成从提交任务变成实时调度

实时导演模式 Directing 是 HappyOyster 1.0 面向互动叙事和影视内容的另一条路线。用户可以用文字指令切换镜头、调度角色、改变动作和重写剧情，画面则根据新指令继续生成。

这一模式解决的是传统生成视频最令人头疼的返工问题。过去如果一段 30 秒视频的结尾不符合预期，创作者往往需要修改提示词并重新生成整段内容；在 Directing 中，用户可以在某个节点暂停、回溯，再从该节点要求角色做出不同选择。

阿里此前公布的信息显示，Directing 模式可连续生成 3 分钟以上的实时画面，并覆盖 480p 或 720p 输出。今天的百炼上线信息没有进一步公布分辨率、首帧延迟、指令响应时间和帧率，因此开发者还无法仅凭公开参数判断其能否满足直播级互动。

实时导演真正有价值的场景不是替代专业电影制作，而是生产大量分支内容。互动短剧可以让观众在关键节点选择剧情，虚拟陪伴产品可以根据对话改变角色动作和环境，直播产品则可以让主播临时调度虚拟角色，而不需要提前准备所有动画素材。

剧情回溯也是一项比“重新生成”更复杂的产品能力。模型需要保存某一时刻的世界状态，在用户返回该节点后恢复角色、环境和上下文，再沿新的条件继续演化。如果状态恢复不完整，回溯后的世界就可能出现人物身份变化、物体消失或镜头空间错乱。

两种模式分别解决“我在世界里”和“我控制世界”

HappyOyster 1.0 的产品结构围绕用户与世界的关系展开。Adventure 让用户扮演世界中的行动者，Directing 让用户成为世界外的调度者，这种划分比简单罗列文生视频、图生视频和视频编辑功能更清晰。

| 对比维度 | Adventure 世界探索 | Directing 实时导演 | |---|---|---| | 用户角色 | 世界中的玩家或角色 | 世界外的导演与编剧 | | 主要输入 | 文本、图片、移动及动作指令 | 文本等实时创作指令 | | 核心输出 | 可持续探索的实时音视频世界 | 可暂停、回溯和改写的连续剧情 | | 已披露时长 | 1 分钟以上互动体验 | 3 分钟以上连续画面 | | 典型控制 | 移动、跳跃、攻击、飞行、镜头移动 | 镜头切换、角色调度、剧情分支、回溯 | | 适用场景 | 游戏原型、POV 体验、文旅漫游 | 互动短剧、舞台演绎、直播、虚拟陪伴 | | 当前限制 | 尚不能视为完整游戏引擎 | 尚未披露专业影视级精确控制能力 |

Adventure 和 Directing 目前更像同一底层模型上的两套交互界面，而不是完全统一的创作环境。理想状态下，用户应该能先以导演身份布置世界，再随时进入其中扮演角色，退出后继续修改剧情；如果两种状态无法无缝继承，内容创作仍会被拆成两段流程。

阿里尚未明确披露两种模式在百炼版本中是否已经完全打通。开发者在灰测阶段最值得关注的，也不是演示视频够不够惊艳，而是世界状态能否跨模式保存、交互指令能否稳定执行，以及同一输入能否得到足够可控的结果。

三端 SDK 比模型跑分更接近商业落地

SDK 是封装通信、渲染和交互能力的软件开发工具包。HappyOyster 1.0 目前提供 Android、iOS 和 Web 三端 SDK，意味着企业不需要自己从底层处理实时连接、视频播放和交互事件，可以直接把生成世界嵌入移动应用或网页产品。

RTC 是用于低延迟传输音频、视频和控制数据的实时通信技术。阿里披露的架构中，开发者服务端通过 Open API 管理世界，客户端 SDK 则封装 RTC 连接、视频渲染与实时交互，两者共同完成从用户动作到模型反馈的闭环。

这套架构说明 HappyOyster 输出给终端的核心形态仍是实时音视频流，而不是下载到本地运行的完整三维场景。客户端负责展示和上传交互，主要推理工作由云端完成，因此产品体验会高度依赖首帧时间、网络抖动、动作响应延迟和并发成本。

| 产品路线 | 传统文生视频 | HappyOyster 1.0 | 传统游戏引擎 | |---|---|---|---| | 内容生成方式 | 提示词提交后离线生成 | 根据实时指令持续生成 | 预制资产与规则实时渲染 | | 用户能否中途干预 | 通常较弱 | 可以 | 可以 | | 世界规则来源 | 视频数据中的视觉规律 | 状态、动作与反馈的学习结果 | 开发者编写的程序与物理规则 | | 输出形态 | 固定视频文件 | 实时音视频，可导出视频 | 可运行程序及引擎资产 | | 一致性 | 随时长增加容易漂移 | 强调长程一致性 | 通常较稳定且可确定 | | 开发门槛 | 低 | 中等，提供三端 SDK | 较高，需要资产和工程开发 | | 精确控制能力 | 有限 | 介于视频模型与引擎之间 | 最强 | | 适合任务 | 广告片、概念视频、素材生成 | 互动叙事、陪伴、原型和沉浸体验 | 正式游戏、工业仿真、复杂应用 |

百炼上线还让 HappyOyster 获得了比独立体验网站更清晰的企业入口。企业客户通常需要项目隔离、权限管理、服务监控、并发控制和稳定的技术支持，而这些能力很难仅靠面向消费者的网页产品提供。

当前最大的不确定性是价格。阿里截至 7 月 19 日没有在公开信息中给出 HappyOyster 1.0 的计费单位、灰测额度、并发上限、生成分辨率对应价格或商用 SLA，开发者也无法据此计算每分钟互动内容的成本。

成本将直接决定 HappyOyster 能进入哪些场景。如果每分钟生成费用较高，它更适合影视预演、广告创意和高客单价文旅体验；如果价格能接近普通实时音视频服务，它才可能进入陪伴、直播和大众互动娱乐等高频业务。

世界模型仍缺一套公认的考试题

世界模型目前没有像大语言模型那样成熟的统一基准。语言模型可以比较代码、数学、知识和推理准确率，世界模型却需要同时衡量画面质量、指令遵循、空间稳定、物理合理性、交互延迟和长时间一致性。

阿里此前表示，HappyOyster 团队正与南京大学推进覆盖过程交互、跨模态对齐、长程一致性和物理仿真验证的评测基准。如果这套基准能够公开测试集、评价方法和不同模型结果，它的意义可能不低于一次产品升级，因为行业目前最缺的正是可重复验证的横向比较。

公开信息仍不足以证明 HappyOyster 1.0 在世界模型赛道中的绝对领先。阿里没有公布统一测试集上的成功率，也没有披露动作响应延迟、角色保持率、空间闭环准确率和多人并发数据，因此现阶段只能确认它已经形成较完整的产品形态，不能仅凭宣传片下出性能结论。

灰测阶段最值得记录的指标至少包括以下几项：

• 动作响应延迟：用户发出移动或剧情指令后，画面需要多少毫秒开始变化；
• 长程角色一致率：连续生成 1 分钟后，人物面部、服装和身份是否保持稳定；
• 空间闭环能力：角色离开某一区域再返回时，场景布局能否恢复；
• 指令执行成功率：跳跃、攻击、镜头切换和角色调度等动作是否准确发生；
• 状态回溯完整度：返回剧情节点后，角色、道具和环境状态是否一致；
• 单位生成成本：生成 1 分钟 480p 或 720p 互动内容需要多少费用；
• 并发与稳定性：多用户同时创建世界时，延迟和失败率是否明显上升。

这些指标比单张截图或精剪演示更能决定产品是否可用。尤其对于陪伴和互动短剧，偶尔出现的角色变脸并不只是视觉瑕疵，而会直接破坏用户对角色关系和故事连续性的信任。

阿里抢的不是视频模型名次，而是下一代内容入口

HappyOyster 1.0 的战略价值在于把阿里的视频生成能力推向可交互产品。视频模型提供内容素材，世界模型则试图接管内容运行过程；前者生产一段作品，后者希望生成一个可以持续消费、持续修改的空间。

这条路线一旦成立，游戏、短剧、直播和虚拟陪伴的边界会变得模糊。同一个世界既可以被观看，也可以被玩家进入；同一个虚拟角色既可以出演剧情，也可以在剧情外与用户对话；同一段内容则可以根据每位用户的选择产生不同走向。

HappyOyster 1.0 目前最现实的用途仍是原型和轻量互动，而不是替代成熟游戏与影视工业。它的优势是把原本数天甚至数周的场景搭建压缩到一句话和一张图，弱点则是精确性、确定性、资产可编辑性和成本都还没有得到充分验证。

今天这次百炼上线因此比单纯“又发布一个模型”更值得关注。阿里已经把世界模型从官网试玩推进到三端 SDK 和服务端管理体系，下一步的胜负手不再是生成样片是否足够吸睛，而是延迟能否足够低、世界能否足够稳定、价格能否支撑规模化调用。

对于开发者，最合适的态度不是马上用它重做一款大型游戏，也不是把它视为视频模型换名，而是把它当成一种新的实时媒体基础设施。它介于视频、游戏引擎和智能体之间，能力边界尚未定型，但也正因为边界尚未定型，才可能长出过去不存在的产品。

参考来源

• IT之家：阿里开放式世界模型 HappyOyster 1.0 登陆百炼平台 —— 整理了 7 月 19 日百炼灰测、Adventure 与 Directing 两种模式，以及 Android、iOS、Web SDK 等信息。