World Labs 发布 Atlas 多模态世界模型，原生融合文本/图像/视频/3D

背景

Atlas 是 World Labs 继 Marble 后的下一代世界模型，采用从零预训练的多模态自回归扩散 Transformer。

核心要点

• 原生融合文本、图像、视频与 3D 数据；可用少量参考图（通常 2–3 张）重建真实场景并输出点云/Gaussian 稠密表征。
• 支持像素级相机控制，从参考图生成最长约 1 分钟的 1440p 视频，含子弹时间等时空特效。
• 在稀疏视图 3D 重建基准上超越专用开源模型，并在相机控制生成的人类偏好评测中胜出；目前向精选伙伴早期开放。

为什么重要

Atlas 把“空间智能”推向统一的多模态生成与仿真，为机器人仿真、AR/VR 与内容创作提供可交互的 3D 世界底座。

关键事实速记

• 发布：2026-09-01；类型：Omni 世界模型。
• 能力：图/文/视频/3D 统一、1440p、≤1 分钟视频。
• 状态：精选伙伴早期访问。