World Labs пусна Atlas: снимки стават 3D светове

На 1 септември 2026 г. World Labs — компанията на Фей-Фей Ли — представи Atlas: модел, който приема няколко обикновени снимки и връща от тях интерактивна 3D сцена, през която можете да прекарате камерата, накъдето поискате. Моделът влиза в ранен достъп с избрани партньори, без обявена цена и без дата за общо пускане. Обявата е в официалния блог на World Labs.

Какво прави Atlas

World Labs описва Atlas като „omni” модел — обучен от нулата едновременно върху текст, изображения, видео и 3D данни, а не видео модел с добавен отгоре 3D модул. Архитектурата е мултимодален авторегресивен diffusion transformer, при който всяко изображение и всяка карта на дълбочината са обвързани с явна позиция на камерата.

Оттам идва и най-осезаемата разлика спрямо обикновените видео генератори: не описвате движението с думи, а задавате траектория на камерата. Резултатът е до една минута непрекъснато видео в 1440p, а сцените излизат и като облаци от точки и 3D Gaussian splats — формат, който вече се използва в графичните и VFX пайплайни.

Четирите режима, които компанията показва, са:

• Генериране с контрол на камерата — от една или повече референтни снимки към нови кадри от свободно избрани позиции.
• Пространствена реконструкция — от 1 до над 100 входни изображения, без специална техника или лидар.
• Симулация в пространство и време — прекадриране на видео и т.нар. real-to-sim работни потоци.
• Генериране на изображения и 360-градусови панорами по текстов промпт.

Снимка: SiliconANGLE / World Labs

Числата, които компанията показва

При сляпо сравнение с външни оценители Atlas е бил предпочитан пред MiniMax H3 в 75% от случаите, пред Gemini Omni Flash в 81% и пред Seedance 2.5 в 94%. При реконструкцията от малко на брой кадри World Labs съобщава средна грешка 25,3 — по-добра от специализирани модели като Pi3X и VGGT-Ω 1B. Подробностите са обобщени и в анализа на The Decoder.

Тези числа обаче заслужават звездичка. Изданието Implicator.ai обръща внимание, че в теста за контрол на камерата Atlas е получил native траектории, докато конкурентите са получили текстово описание на движението — самата World Labs признава, че по-добър промптинг би подобрил резултатите им. Освен това VGGT-Ω 1B носи предупреждение от 18 август, че резултатите му може да са завишени заради замърсяване на бенчмарка, а сравнението излиза 14 дни по-късно без да го спомене.

Липсва и почти всичко останало, което позволява независима проверка: няма научна публикация, няма model card, няма брой параметри или изчислителен ресурс за обучението, а тренировъчните данни са описани само като „голям разнообразен корпус от мултимодални данни”. Към 1 септември Atlas не присъства и в API документацията на компанията.

Защо се прави всичко това

Ефектните демота с VFX и игрови сцени са витрината. Истинската цел е роботиката. Тезата на Фей-Фей Ли е, че изкуствен общ интелект без пространствена интелигентност е невъзможен — машината трябва да разсъждава за обекти, разстояния и последствия в 3D, а не само за текст. Real-to-sim режимът върши точно това: превръща заснето реално пространство в среда, в която робот или автономен автомобил може да трупа опит евтино и без риск. Симулацията е основен инструмент и за компании като Wayve, чиито първи роботакси вече возят клиенти в Лондон, а обучението на хуманоиди от типа на RaiON опира до същия проблем — липса на достатъчно данни от физическия свят.

Atlas стъпва върху RTFM от октомври 2025 г. и ще захранва бъдещите версии на Marble — комерсиалния продукт на World Labs за генериране на цели виртуални среди. Компанията е основана през април 2024 г. от екип, включващ и Бен Милденхол, един от авторите на NeRF. През февруари 2026 г. тя привлече 1 милиард долара при оценка от 5 милиарда, от които 200 милиона от Autodesk, а сред инвеститорите са Nvidia и AMD — знак, че тези модели ще ядат сериозно количество изчислителна мощност и при самото им използване, не само при обучението.

Заключение

Atlas е най-конкретната засега стъпка от „AI, който прави картинки” към „AI, който разбира пространство” — и форматите на изхода са такива, че могат директно да влязат в реален графичен пайплайн. Докато обаче няма публикация, независими тестове, цена и достъп извън тесен кръг партньори, разумното отношение е сдържано любопитство. Ще следим кога Atlas ще се появи в API-то и на каква цена — това ще каже повече от всеки блог пост.