В отличие от двунаправленных моделей, таких как Sora(от OpenAI), Oasis генерирует кадры авторегрессивно, с возможностью учитывать каждый кадр в зависимости от игрового ввода. Это позволяет пользователям взаимодействовать с миром в реальном времени. Модель была обучена с использованием диффузионного принуждения, которое подавляет шум с независимыми уровнями шума для каждого токена и позволяет использовать новые схемы декодирования.