三路人马，三种思路目前做世界模型的主要有三股力量，思路各不相同。谷歌 走的是交互路线。Genie系列是实时交互式世界建模的代表，但主要聚焦于游戏和虚拟场景，对多模态输入和音视频联合生成的支持还在探索中。李飞飞的World Labs 则选择了另一条路——从2D图像出发，重建3D空间结构。2025年11月，他们发布了首款商用世界模型”Marble”，用户只需要上传一张图片或一段视频，就能生成一个可自由漫游、可以编辑的3D世界。今年4月8日最新推出的Marble 1.1在画面质量上更进一步，Marble 1.1-Plus则专门为”大场面”打造——从一张照片就能”长”出整座城市。李飞飞本人把这条路叫做”空间智能”——她认为，语言是描述世界的工具，但世界本身不是语言，是三维的、可以走进去的空间。阿里巴巴 的思路更接近“实时操作系统”。4月16日发布的HappyOyster（快乐生蚝）主打两个功能——”漫游”和”导演”。漫游模式下，你输入一句话或一张图，它生成一个持续运行的世界，你可以用键盘在里面自由移动，镜头跟着视角走，物理规律还在起作用；导演模式下，你在视频生成的任意节点输入新指令，镜头可以切换、角色可以调度、剧情可以改写，而且全程实时响应，不用等它重新渲染。而在此之前，阿里4月7日开源的HappyHorse（欢乐马）就已经引发了一波轰动—— 15B参数 规模，原生支持视频和音频联合生成，支持中英日韩等7种语言的口型同步，在单张H100显卡上生成5秒1080p视频只需约38秒，是当时全球开源视频生成模型的头名。有意思的是，”Oyster（生蚝）的命名灵感来自莎士比亚戏剧《温莎的风流娘儿们》（The Merry Wives of Windsor）第二幕第二场的台词：“Why then the world’s mine oyster（世界任你驰骋）, which I with sword will open.”，可以说，它精准描述了世界模型这个赛道的本质：把”世界”变成一种可以操作的媒介。
夜雨聆风
