摘要： Decart在2026年6月10日推出可透過API互動的世界模型Oasis 3，主打即時駕駛場景、機器人控制與三路同步鏡頭。官方規格為22 FPS、512×768×3、延遲低於200毫秒，API每秒收費0.02美元。但TechCrunch實測發現場景漂移、操控失靈與車輛穿透，顯示物理一致性仍是未解難題。
2026 年 6 月 10 日，2023 年創立的 Decart 推出 Oasis 3——一款開放 API 介接的互動式世界模型。只要給它一段文字提示，它就能即時產出如同實拍的駕駛場景，畫面持續演進，並隨機器人做出的動作在閉環裡跟著改變。Decart 給它的封號是「第一個從第一天起就以 API 開放的世界模型」；執行長 Dean Leitersdorf 更放話：「每台機器人都將在世界模型內完成訓練，這個時代從今天開始。」
這一步的分量在於：世界模型不再只是實驗室裡的示範作品，而是轉變成按用量計費的運算服務；自駕車團隊想量產暴雪、隧道、鏡頭被遮住這類長尾情境時，頭一回收到了一張公開的報價單。
認識 Oasis 3
這套模型疊在 Decart 自家的即時影片基礎模型 Lucy 與推論堆疊 DOS（Decart Optimization Stack）上頭，採自回歸式的「Live Stream Diffusion」架構——一框接一框往外生成，每一步都以先前畫面和機器人的動作作為條件。前代作品主要吃鍵盤滑鼠輸入，Oasis 3 則直接綁機器人動作，並用幾何感知的設計同時輸出三路同步鏡頭畫面（前面一路、側面兩路），正好對上自駕車感知系統實際的鏡頭配置。
整個環境靠文字提示驅動，閉環生成沒有長度上限，官方表示長時間會話也具備修正漂移的能力；訓練資料取自 NVIDIA 的 Physical AI Open Dataset，模型跑在 CoreWeave 的 HGX B200 叢集上。官方點名四種定位用法：線上強化學習、上線前的策略評估、以高保真遙控操作產生專家資料，以及重現現實裡難以安全搭建的罕見事件。
規格表現與收費方式
官方開出的規格為：22 FPS、解析度 512×768×3（三鏡頭）、延遲壓在 200 毫秒以內，DOS 號稱帶來約 100 倍的效率躍進。API 計費為每秒 0.02 美元。Leitersdorf 試著讓外界感受這個規模：一格畫面約 8,000 個 tokens，每秒產出幾十框的速度下，等於每秒要吞吐數十萬個 tokens。使用者可以在同一個環境裡連續互動好幾個小時；Decart 的開發者社群已經超過 10 萬人，多數專案蓋在 Lucy 之上。
實測暴露的短板
TechCrunch 在發表當天實際上手，結論冷靜得多：輸入紐約市的提示，場景卻慢慢漂成一座「西部城市」，開頭那個路口到後來整個不見；轉向操控動不動就失靈；車子會直接穿過彼此——物理根本沒有被真的模擬，實測者把整段過程形容為「一場夢境般、斷裂的意識流」。自回歸的設計也讓上下文視窗很快被塞滿；團隊自己承認，長期記憶與 token 壓縮都還是進行中的研究題目，下一版或許會改成從一段影片起步。這點上 Leitersdorf 不迴避：手上好的駕駛資料遠比事故資料多。
背後的生意佈局
真正要下的棋是生態系：Leitersdorf 說這一幕讓他憶起「LLM 早期、OpenAI 發明了模型 API」的階段，並斷言「將有一整個開發者社群在這之上長出來」。銀彈同樣無虞：五月中的 3 億美元募資由 Radical Ventures 掛帥領投，NVIDIA、Toyota Ventures、Adobe 與 eBay Ventures 都在這輪進場，TechCrunch 報導估值逼近 40 億美元；他還補了一句，創立至今公司燒掉的錢「遠低於」1 億美元。
世界模型賽道的競爭格局
2026 年的世界模型賽道早就擠滿了人：Google 的 Genie 3、World Labs 的 Marble，加上 Runway 和 Luma，位置都已站好，我們先前在年初的 2026 AI 開局展望盤點過這條路線。Decart 的差異化打法是垂直整合：模型自研、推論堆疊也自建，DOS 更能跨著 NVIDIA、Google 與 Amazon 的硬體跑，Leitersdorf 宣稱這讓他們的成本比對手低上一個數量級還有餘。世界模型會不會把 LLM 那套 API 商業化劇本再演一遍，幾季之內就能看清；至於物理一致性，仍是全體參賽者共通的難關。