把「快乐生蚝」交给 Agent:HappyOyster Adventure 服务端全生命周期实测

简介: HappyOyster(快乐生蚝)是抖音4月爆火的实时交互世界模型,9月17日上线百炼平台。本文实测北京区`happyoyster-1.0-adventure`全流程:从创建黄昏海岸世界、轮询就绪(19.5秒)、换票进房,到查询、删除,全程Open API驱动,6接口闭环管理,0.05元起试错,国内唯一可API接入的实时AI世界引擎。(239字)

四月在抖音走红的 HappyOyster(快乐生蚝)是实时交互世界模型:聊天模型交一段回答、文生视频交一段定死的片段,它交的是一个能走进去、你走一步它现算一步、建好可查可删可派生的世界。9 月 17 日已在百炼上架三个模型并公开定价。这篇把北京区 happyoyster-1.0-adventure 的服务端 Open API 全流程交给 Agent 跑了一遍,每步的返回长什么样、哪里会摔跤,都在下面。

用百炼的 HappyOyster Adventure 模型,走一遍世界创建到删除的全流程。先画一张 1.5 到 2.0 比例的黄昏海岸首帧图;建一个第一人称的世界;轮询到 ready 报构建耗时;换一张进房凭证;查详情和列表;最后删掉,用列表确认 total 归零。

三个模型,只有一扇门开着

  • happyoyster-1.0-adventure(世界探索):北京区可用,本文主角。首帧图加描述,生成可移动、可战斗、可骑乘的实时交互世界
  • happyoyster-1.0-directing(实时导演):流式长视频 + 中途指令注入,定价页只列新加坡/弗吉尼亚,北京区直调实测 HTTP 403 AccessDenied
  • happyoyster-1.0-acting(角色演绎):官方标注邀测

架构:服务端 REST + 客户端 RTC

服务端 Open API 用标准 HTTPS 管理世界全生命周期,鉴权就是百炼 API Key(Bearer 头),无额外开通。客户端 SDK(Android/iOS/Web)走 RTC 通道进房体验。这个分层决定了哪些环节 Agent 就能跑完、哪些必须写客户端。

这条线上的六个接口合起来只干一件事:把「用户能走进去的 AI 世界」装进你的产品。创建把描述变成世界,轮询等它建熟(实测 19.5 秒),换票给前端发进房门票,详情/列表做管理后台,删除收尾。不写代码的用户用 C 端 App 即可;API 的价值是把这套体验搬进你自己的产品。

服务端六环实测

创建(POST /worlds)

这一步把一句描述加一张图变成一个世界。必填字段:perspective(first_person/third_person)、prompt(≤2000 字符)、firstFrameImage(横屏 1.5–2.0 比例、<6MB、url/base64 二选一,不达标直接被拒)、eventStyle(normal/dramatic)。我用 qwen-image-3.0 生成了比例 1.75 的黄昏海岸公路图,转存 OSS 后传 URL。响应 2.1 秒拿到世界编号,状态 generating。请求体里的 async 传 true:世界构建走异步,调用方建档后轮询查态,同步等待没有任何收益。

提示词写法遵循官方规则「场景里有什么就能玩什么」:图里有车就写「路面平整可以加速」,想看到的反应(命中迸火花、对方踉跄)写进 prompt。

轮询(GET /worlds/build-status)

3–5 秒间隔轮询至 ready。我创建后 4 秒首查就 ready 了,实测构建耗时 19.5 秒,等不到半分钟一个世界就绪。ready 响应附带模型自动生成的世界名「黄昏海岸」。status 字段从 generating 翻成 ready 就算完成,轮询本身不计费,节奏不用太抠。

换票(POST /worlds/get-travel-credential)

这一步给前端发进房门票:返回 tk_ 前缀一次性 ticket,1800 秒有效,只能由客户端 SDK 消费;过期或已用重新签发即可,服务端不必缓存。注意:换票不创建 Travel,Travel 在客户端进房成功时才创建。

详情与列表

这两个接口做管理后台用:列表分页参数为 pageIndex / pageSize,元数据完整回显 perspective、creationModel、uploadMode 与 createdAt,做「世界工坊」够用。详情仅支持 query 参数(/worlds/detail?encryptedWorldId=),路径参数形态返回 Spring 风格 404,连错误格式都自成一套。

删除(POST /worlds/delete)

删除接口是 POST 而非 DELETE 方法(DELETE /worlds/{id} 实测 404),body 传 encryptedWorldId,响应 deleted: true,复查列表归零。

四个实测坑与一个 200 陷阱

  1. 响应体带 output 包装({request_id, output:{code, message, data}}),文档示例没有这层
  2. 接口间结构不统一:换票接口是裸 {code, message, data}
  3. 详情只认 query 参数
  4. 删除用 POST 不用 DELETE

200 陷阱:缺 perspective 的负例返回 HTTP 200 + 业务码 400000。错误处理建议三层:HTTP 状态 → 业务 code → 结构探测。403001 跨模型/账号、403003 临时 key 误调主 key 接口、403004/403005 首帧内容或版权校验、403007/403008 容量问题。另外 404000 在产物接口里是多义的:生成中、已失败、不存在都返回它,官方文档明确提醒别一律当「不存在」处理。

能力边界

服务端到换票为止。进房体验、操控指令(sendCommand)、产物导出全部在客户端 SDK 侧;不进房则无 Travel、无视频流、无产物。产物接口提供四个导出变体:original、withWatermark、withInstruction(交互贴图版)、withInstructionAndWatermark,全部要求世界有过进房记录。想完整复现快乐生蚝的体验,客户端代码绕不开。

成本与计量

世界创建 0.05 元/次,体验 0.2 元/秒(480P,默认 60 秒、SDK 上限 120 秒),首帧生图约 0.2 元,本次实测合计约 0.25 元,查询类接口全程不计费。注意:世界模型用量不出现在控制台「模型用量」模块(bl usage stats 亦不可见),官方口径以账单为准。

适用场景建议

互动剧/AI 陪伴:国内唯一可 API 接入的实时世界模型,0.05 元试错。UGC 世界工坊:列表/详情/删除/换票构成现成内容管理后端,refWorldId 支持从已有世界衍生创建。Directing 与 Acting 开放后,接口形态大概率与 Adventure 同构,先行接入经验可直接复用。Directing 的剧本输入走 scriptlist 六段式(世界观、角色、目标、阻碍、结局、氛围)加六条 LOCK 锁定(视角、位置、节奏等),提前设计剧本结构能省一轮返工。

想自己跑一遍:Key 在控制台密钥页签签发(https://bailian.console.aliyun.com/cn-beijing/?source_channel=key_github&tab=app#/api-key),CLI 安装页有官方 skill 包,装好把任务描述发给 Agent 就能调(https://bailian.console.aliyun.com/cli?source_channel=cli_github&)。

相关文章
|
5天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1245 4
|
28天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9794 32
|
8天前
|
存储 人工智能 安全
千问办公官网入口网页版登录:qwenwork.cn 注册送2000积分、登录送100积分
阿里云千问办公(QwenWork)是AI智能工作平台,支持一句话生成PPT、表格、网页、视频及数据分析。个人免费版送2000积分+每日登录赠100分,含1GB存储、5个发布页;企业版198元/席/月起。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
|
3天前
|
人工智能 API 开发工具
DeepSeek Harness 神插件:白嫖 13 家大厂模型
`dsh-our-free-model` 是 DeepSeek Harness 神级插件:零配置、零API Key、零账号,聚合13家大厂免费模型(含DeepSeek V4.1 Flash、Kimi K3等),支持本地网关、用量看板与自动降级,真正实现“白嫖即用”。
|
14天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
5天前
|
Web App开发 人工智能 JavaScript
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
REA(Reverse Engineer Anything)是近期爆火的开源AI逆向工具,4月发布,1个月内斩获15万+ Star。它让AI Agent无需源码即可分析二进制、APK、JS/Electron、HAR包等17类目标,自动反编译、生成可运行代码,并强制返回带证据与局限的结论。全本地执行,MIT协议,支持Hopper/Ghidra/IDA等引擎,一行命令即可上手。
637 1
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
|
13天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
936 1
|
9天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为System One Model(系统一模型),对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
597 0

热门文章

最新文章