阿里世界模型 HappyOyster 发布：一句话生成可走进的 3D 世界，对标谷歌 Genie 3

导语（Answer Capsule）：阿里世界模型 HappyOyster（中文名"快乐生蚝"） 是阿里 ATH 事业群创新事业部于 2026 年 4 月 16 日正式发布的实时交互式开放世界模型。

它能够通过一句话或一张图生成具备物理一致性的 3D 空间，用户可通过 WASD 键盘操作走进画面，并在生成过程中持续下达指令实时改写剧情。HappyOyster 是阿里对标谷歌 DeepMind Genie 3 的战略级产品，主打 Wander 漫游与 Direct 导演两大模式，标志着生成式 AI 正从"生成像素"跃迁至"生成可交互世界"。

本文基于官方资料与多方权威来源的核验，完整解读 HappyOyster 的四大核心能力、技术路径、能力边界与战略意图。

HappyOyster 是什么？阿里发布的实时交互式世界模型到底能做什么？

HappyOyster 是阿里 ATH 创新事业部研发的一款实时交互式开放世界模型，核心价值是把生成式 AI 从"被动生成内容"推进到"主动模拟并让用户参与世界演化"的阶段。

产品于 2026 年 4 月 16 日正式发布，当前处于 Beta 内测阶段，通过官网 happyoyster.cn 加入候补名单可获得早期访问。

产品名取自莎士比亚 1597-1602 年间创作的戏剧《温莎的风流娘儿们》中的名句"The world is your oyster"，中文向来被译作"世界是你的牡蛎"。

这句原本表达"世界任你打开"的比喻，被 HappyOyster 做成了字面意义上的产品形态——用户输入一句话，系统返回一个可被"打开"并走进去的数字世界。其官方 slogan 是**"The world is your oyster, open it"**。

HappyOyster 的四大核心能力一览是什么？

阿里官方将 HappyOyster 的能力归纳为四个支点：Wander（漫游）、Direct（导演）、Create（创造）、Share（分享）。下表汇总其核心参数：

这四项能力形成一条从"生成"到"可交互"再到"可分发"的闭环。

其中 Direct 模式是 HappyOyster 的差异化特性，让用户在视频流任意节点继续下达新指令，画面随之持续演化，而不需要像传统文生视频那样重启生成流程。

HappyOyster 与 HappyHorse 是什么关系？

HappyOyster 的研发团队来自阿里 ATH 创新事业部，与此前屠榜 Artificial Analysis AI Video Arena 的视频生成模型 HappyHorse（快乐马）同属阿里 ATH 事业群体系。

HappyHorse 由阿里 ATH 郑波团队主导，在 AI 视频竞技场上取得 Text-to-Video（无音频）Elo 1384、领先 Seedance 2.0 达 111 分的成绩，并在 Image-to-Video（无音频）赛道取得该平台史上最高分 1413 Elo。

据阿里 ATH 官方披露，HappyHorse-1.0 API 预计 2026 年 4 月 30 日对外开放，为 HappyOyster 系列产品的商业化节奏提供了参照。

Wander 漫游模式如何让一句话变成可探索的 3D 空间？

Wander 模式是 HappyOyster 的基础能力，用户只需输入一句话或一张图，就能生成具备物理一致性的 3D 空间，并通过鼠标控制视角、WASD 控制移动方向，以第一人称视角自由探索。

该模式最长支持 1 分钟连续实时位移与镜头控制，分辨率为 480p。

Wander 与传统 3D 游戏本质区别是什么？

表层体验上，Wander 模式与玩 3D 游戏类似——有视角、有走动、有光影。但二者底层机制截然不同：

这一差异意味着 Wander 并非"把游戏小型化"的产物，而是用世界模型重新定义了"3D 空间"的生成与消费流程。

Wander 支持哪些视觉风格？

从官方披露的演示看，Wander 的风格泛化能力覆盖名画、写实、卡通、像素、童话等多种类型，画质之间没有明显断层。其中：

1. 1. 名画风格： 基于梵高《星夜》生成的漫游场景中，柏树和教堂在画面中立体化呈现，星空旋涡持续在头顶旋转，整体画风保持梵高笔触。
2. 2. 写实风格： 以"金色废墟"为主题生成的场景，第一人称视角下藤蔓挂在残柱上，光照随视角变化，画面质感对标 3A 游戏。
3. 3. 卡通与像素： 同样可通过一句 prompt 切换，证明模型对不同视觉语言具备泛化能力。

Wander 的技术亮点在哪里？

Wander 模式的关键技术点包括：

• • 长时序世界建模： 模型通过海量长视频数据学习真实世界的状态转移规律，在较长时间跨度里保持高保真的动态场景生成。
• • 视角一致性： 视角转动后，场景内物体位置保持稳定，光照随视角连续变化。
• • 边界外生成： 突破初始画框边界后，世界仍在持续生成，而非黑屏或重复。

上述特征共同支撑了 Wander"走得进、走得远、走得稳"的体验。

Direct 导演模式怎样让用户在生成中改剧情？

Direct 模式是 HappyOyster 的独家能力，也是其区别于传统文生视频工具的核心特性。

用户在输入一个初始 prompt 启动生成后，可以在视频流的任意节点继续下达新指令，指令类型覆盖文字、语音、图像，系统会实时切换镜头、调整角色动作、改变剧情走向。

Direct 模式支持连续生成 3 分钟以上画面，分辨率可选 480p 或 720p。

Direct 相比传统视频生成工具改变了什么？

传统文生视频的工作流是"写 prompt → 等渲染 → 收成片"的一次性流程，一旦输出后如需调整，通常要重新生成。而 Direct 模式把这一流程改写为"持续指令流"：

据阿里官方表述，这种设计**"把用户从观众席挪到了导演位上"**。

Direct 模式的典型使用案例有哪些？

官方披露的 Direct 演示案例揭示了其多样化能力：

1. 1. 西方卡通叙事（鳄鱼飞行员）： 初始画面是戴风镜的鳄鱼飞行员开飞机看夕阳。中途用户输入"Show the whole helicopter"，下一帧镜头拉远，整架直升机出现，鳄鱼变成驾驶舱角落的小人物，手在仪表盘上。
2. 2. 中文叙事题材（金手指系统开局）： 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。
3. 3. 多模态指令切换： 语音或图像均可作为指令源，灵活度高于纯文本输入。

这些案例印证了 Direct 在多风格、多语言、多模态下的适应性，也表明中文叙事与中文 UI 字幕的同时生成已是当前可用能力。

Direct 与 Google Genie 3 的"promptable world events"是什么关系？

Direct 模式在概念层面，与谷歌 DeepMind 在 Genie 3 中提出的 "promptable world events"（可提示世界事件）处于同一方向。二者都强调用文本指令改变已生成世界的天气、角色、事件等元素。

区别在于 HappyOyster 在多模态输入通道（文本 + 语音 + 图像）与中文语义理解上做了更深度的适配，而 Direct 前述"中途改镜头"的演示，正是 promptable world events 在中文产品侧的首次产品化呈现。

Create 与 Share 为什么被称为"打破第四面墙"？

Create 与 Share 是 HappyOyster 超越"视频生成工具"阶段的两个关键能力。Create 的交付物不是一段视频，而是一个可以被进入、被操控、被改写的完整世界；Share 则让这些世界可保存、可被其他用户二创，形成创作者生态。官方把这一组合称为"打破第四面墙"。

"第四面墙"的含义是什么？

戏剧术语中的"第四面墙"指的是舞台与观众之间那道无形的隔阂。观众只能看，不能参与。

过去几年，生成式 AI 经历了文本、图像、视频的三次跃迁，但能力都停留在"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。

HappyOyster 要打破的正是这道墙：用户可以推门进入画面、亲手改写世界、离开后再回来，也能把世界分享给他人继续创作。这一跃迁对应的是从"内容消费"到"世界共建"的范式切换。

Create 与 Share 如何形成创作者生态？

Create 能力让每一次生成的产出都是一个结构化的世界对象，包含场景、规则、角色等可被保存的状态；Share 能力则让这些对象可以以链接或资产形式在用户之间流转。这形成了类似游戏 UGC（用户生成内容）平台的生态基础：

1. 1. 可复制性： 任何世界都能被克隆为模板，供他人二次创作。
2. 2. 可迭代性： 后续用户可在原世界基础上做增删改，形成版本分支。
3. 3. 可流通性： 世界作为数字资产具备传播价值，为内容创作者提供新的变现路径。

这意味着 HappyOyster 不只是工具，也在试图定义一个新的 AI 内容生态形态。

HappyOyster 对比谷歌 Genie 3、腾讯混元 HY-World 2.0，技术路径差异在哪里？

世界模型赛道当前的代表产品主要是谷歌 DeepMind 的 Genie 3、阿里 HappyOyster、腾讯混元 HY-World 2.0。 三者在技术路径、开放策略与产品形态上存在明显差异。

三家世界模型横向对比表

谷歌 Genie 3 设定的行业基线是什么？

谷歌 DeepMind 于 2025 年 8 月 5 日发布 Genie 3，官方数据为 720p、24 fps、连续保持一致性数分钟。Genie 3 的关键创新包括：

1. 1. Promptable world events： 通过文本指令在已生成的世界中加入天气、新角色或触发事件。
2. 2. 自回归式一致性： 模型能"记住"此前生成内容，最长可回溯约 1 分钟的视觉信息，保持场景物理一致性。
3. 3. AGI 路径定位： DeepMind 明确将世界模型视作通向 AGI 的关键垫脚石，将其作为训练通用智能体的虚拟环境。

Genie 3 当前处于研究预览状态，访问权限限于学术研究者与创作专业人员。

HappyOyster 做了哪些差异化选择？

与 Genie 3 相比，HappyOyster 的扩展点主要在两处：

1. 1. 多源控制信号协同建模： 在文本、Action 动作指令、图像等多模态输入下做一致的时序建模，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。
2. 2. 音视频联合生成： 视觉与听觉协同建模、同步生成，把世界模拟从单一视觉通道扩展到多感知协同。

据阿里官方表述，这组能力标志着"从『被动生成内容』转变为『主动模拟、并让用户参与世界演化』"。前述 Direct 模式中"Show the whole helicopter"那段改镜头演示，正是阿里在中文产品语境下对 promptable world events 的产品化表达。

腾讯混元 HY-World 2.0 走的是另一条路

与 HappyOyster、Genie 3 同属"世界模拟器"流派不同，腾讯混元于 2026 年 4 月 16 日同日发布并开源的 HY-World 2.0 更偏向"资产生成器"。它直接输出可二次编辑的 3D 资产文件，支持无缝接入现有游戏工作流。这一路径面向的是游戏开发与 3D 内容生产的既有生态，而 HappyOyster 则更接近"直接产出可被体验的世界"的消费端形态。

国际对标与国产同赛道的联动，构成了 2026 年 4 月中旬世界模型赛道的完整图景。

阿里世界模型当前能做到什么，哪些还做不到？

世界模型整体处于技术早期阶段，HappyOyster 作为赛道上的新产品，能力清单与边界同样明确。 清楚区分"当前能跑通"与"暂时跑不通"两类事项，有助于理解产品的真实状态。

HappyOyster 当前能跑通的能力清单

以下能力在 Beta 内测阶段已可验证：

HappyOyster 暂时跑不通的功能清单

以下能力据阿里方面披露，尚未开放或存在明显限制：

1. 1. Wander 与 Direct 未打通： Wander 模式下能自由探索但不能实时改写场景规则；Direct 模式下能改剧情但不能用 WASD 进入画面。阿里官方表示未来会做融合，但当前两模式仍独立运行。
2. 2. 流畅度有待提升： 实时控制人物移动与镜头旋转时存在卡顿，帧率稳定性仍有上升空间。
3. 3. 商业化路径未明： 当前仅对部分用户开放早期访问，定价与 API 开放节奏均未公布。

能力边界意味着什么？

这些边界不意味着产品"不够好"，而是揭示了世界模型这一赛道的共性瓶颈：算力约束下的实时帧率、长时序一致性、多种交互范式的统一是全行业共同挑战。

对照 Genie 3"支持数分钟连续交互而非数小时"、"多智能体共享环境建模仍在研究"等官方披露的限制，可以看到中美两家代表性产品面对的是几乎相同的技术边界。

ATH 事业群为什么押注世界模型？背后是怎样的 AI 战略？

阿里 ATH（Alibaba Token Hub）事业群押注世界模型的战略动因，是把公司 AI 业务的价值尺度从"卖模型"切换到"卖 Token / 卖服务"，并通过创新型产品为这一模式寻找新的需求曲线。 HappyOyster 是这一战略下"AI 创新事业部"的首个重点产品。

ATH 事业群的组织架构是什么？

阿里于 2026 年 3 月 16 日正式成立 Alibaba Token Hub（ATH）事业群，由阿里巴巴 CEO 吴泳铭亲自挂帅。ATH 下设五大核心业务板块：

1. 1. 通义实验室 — 创造多模态基础模型，追求模型能力上限
2. 2. MaaS 业务线 — 构建开放的模型服务平台与技术体系
3. 3. 千问事业部 — 面向 C 端的个人 AI 助手
4. 4. 悟空事业部 — 面向 B 端的 AI 原生工作平台
5. 5. AI 创新事业部 — 探索 AI 创新应用，HappyOyster 与 HappyHorse 均出自此部门

五大板块分别承担"创造 Token、输送 Token、应用 Token"的链条化职责，打破原先"通云哥体系管底层、应用散落各业务线"的跨部门壁垒。

一千亿美元目标给 HappyOyster 意味着什么？

据吴泳铭在 2026 年 3 月 19 日阿里 2026 财年 Q3 财报分析师电话会上宣布，阿里设定了"未来五年，包含 MaaS 在内的云和 AI 商业化年收入突破 1000 亿美元"的战略目标。这一目标对 HappyOyster 意味着双重压力：

HappyOyster 承担的战略使命是"制造新的 AI 消费场景",以支撑 Token 消耗规模和 MaaS 商业化增长。 作为一种需要持续调用算力的生成式世界模型，它本身即是 Token 高消耗型产品。

最新的组织动态如何？

截至 2026 年 4 月 8 日，阿里进一步设立集团技术委员会，通义实验室升级为通义大模型事业部。 周靖人卸任阿里云 CTO、全权负责通义大模型事业部；李飞飞接任阿里云 CTO，负责 AI 云基础设施；吴泽明担任集团 CTO，负责技术中台与 AI 平台建设。

这是 ATH 成立后仅 23 天内进行的第二次重大 AI 组织调整，显示出阿里在 AI 领域的高强度战略节奏。

此外，谷歌 Genie 3 树立了世界模型赛道的技术天花板，阿里在国产阵营中选择了"实时交互"这一特定方向，HappyOyster 是这条路径上的第一个面向公开内测的产品。

普通用户如何体验 HappyOyster？官网入口与内测说明

想要体验 HappyOyster 的用户当前只能通过官网 happyoyster.cn 加入候补名单，等待早期访问邀请。产品仍处于 Beta 内测阶段，定价与 API 开放节奏未公布。

获取访问权限的具体步骤是什么？

根据官方披露的流程，申请路径包括：

1. 1. 访问官网： 打开 happyoyster.cn，点击"Try Free"或对应的试用入口。
2. 2. 加入候补名单： 填写申请表单，等待官方邮件通知。
3. 3. 等待早期访问： 部分符合条件的用户会获得优先邀请，内测期间预计提供免费试用额度。

体验门槛与硬件要求是什么？

根据官方能力描述，HappyOyster 采用云端生成架构，用户只需常规 PC 浏览器即可通过键鼠与云端交互，不需要本地 GPU。实际使用中需注意：

• • 网络延迟会直接影响 WASD 操作的响应速度与画面流畅度
• • 当前分辨率上限为 720p（Direct 模式），画面质量主要取决于模型而非用户硬件
• • 分辨率与内容复杂度越高，实时生成可能出现的卡顿越明显

这与传统 3A 游戏高度依赖本地 GPU 的模式形成鲜明对比，也显示出世界模型类产品对云端算力的强依赖。

结语：从"生成内容"到"生成世界"的范式跃迁

HappyOyster 在 2026 年 4 月 16 日的发布，不只是阿里向行业递交的一个产品样本，更是国产阵营在世界模型赛道上做出的明确路径选择——把实时交互作为主攻方向，在多模态输入、音视频联合生成和中文语义理解上寻找差异化。

这一选择与谷歌 Genie 3 提供的"通用型世界模型"路径、腾讯 HY-World 2.0 的"可编辑 3D 资产"路径，共同构成了 2026 年世界模型赛道的三重路径图。

从更宏观的视角看，生成式 AI 在过去几年里经历了"文本-图像-视频"三次跃迁，但都停留在"生成像素"这一层。世界模型这一新范式的关键动作，是把"能被看"的内容，变成"能被走进、能被改写、能被分享"的世界。

这一跃迁背后，是算力、模型、产品、生态的共同重排，也是阿里 ATH 事业群五年 1000 亿美元目标所指向的新增长曲线。

当莎士比亚写下"The world is your oyster"时，这句话寄寓的是对人生可能性的乐观想象。四百年后，这句话被做成了产品名、slogan，也成了一个技术承诺——世界可以被打开，也可以被重新构造。