2026 年 6 月 10 日，成立於 2023 年的新創 Decart 發表 Oasis 3：一個可透過 API 直接呼叫的互動式世界模型。輸入文字提示，它即時生成攝影級、可持續演化的駕駛環境，並隨機器人動作閉環變化。Decart 稱其為「第一個從第一天起就以 API 開放的世界模型」，執行長 Dean Leitersdorf 宣示：「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。」
意義在於：世界模型正從實驗室展示變成按量付費的運算服務；對自駕車團隊而言，暴雪、隧道、鏡頭遮蔽這類長尾情境的產生器，第一次有了公開價目表。
什麼是 Oasis 3
Oasis 3 建立在 Decart 的即時影片基礎模型 Lucy 與推論堆疊 DOS（Decart Optimization Stack）之上，採自回歸式「Live Stream Diffusion」架構：逐框生成，以前序畫面與機器人動作為條件。與前代以鍵盤滑鼠輸入為主不同，Oasis 3 以機器人動作為條件，用幾何感知架構輸出同步的三鏡頭畫面（一前二側），對應自駕車感知系統的真實配置。
環境由文字提示驅動、可無上限閉環生成，官方宣稱長會話具備漂移修正能力；訓練採用 NVIDIA 的 Physical AI Open Dataset，運行於 CoreWeave 的 HGX B200 叢集。定位用途有四：線上強化學習、部署前策略評估、高保真遙控操作產生專家資料、模擬難以安全搭建的罕見事件。
效能數字與定價
官方規格：22 FPS、512×768×3（三鏡頭）、延遲低於 200 毫秒，DOS 宣稱約 100 倍效率提升。API 定價每秒 0.02 美元。Leitersdorf 給出規模感：每框約 8,000 tokens，以每秒數十框計，即每秒數十萬 tokens 的吞吐。使用者可與環境互動長達數小時；Decart 社群逾 10 萬名開發者，多在 Lucy 之上。
實測的限制
TechCrunch 當天實測則冷靜許多：紐約市提示的場景逐漸漂移成「西部城市」，原本的路口完全消失；方向控制經常失效；車輛互相穿越——物理並未真正被模擬，測試者形容為「一場夢境般、斷裂的意識流」。自回歸設計也讓上下文視窗迅速填滿；團隊坦承長記憶與 token 壓縮仍在研究，下一版可能從影片起始。Leitersdorf 對此很坦白：好的駕駛資料遠多於事故資料。
商業盤算
真正的戰略是生態系：Leitersdorf 直言這讓他想起「LLM 早期、OpenAI 發明了模型 API」的時刻，並預期「將有一整個開發者社群在這之上長出來」。資金也充足：五月中由 Radical Ventures 領投的 3 億美元輪，迎來 NVIDIA、Toyota Ventures、Adobe 與 eBay Ventures，TechCrunch 報導估值近 40 億美元；他補充，公司成立以來的燒錢金額「遠低於」1 億美元。
世界模型競賽中的位置
2026 年的世界模型賽道已相當擁擠：Google 的 Genie 3、World Labs 的 Marble、Runway 與 Luma 都已卡位，我們在年初的 2026 AI 開局展望整理過這條賽道。Decart 靠垂直整合差異化：自研模型加推論堆疊，DOS 跨 NVIDIA、Google 與 Amazon 硬體，Leitersdorf 宣稱因此比對手便宜一個數量級以上。世界模型是否重演 LLM 的 API 商業化劇本，幾季內可見分曉；物理一致性仍是共同的硬課題。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。