World Labs 推出 Atlas，这是一种为空间智能设计的下一代世界模型。Atlas 是一种从头预训练的全模态模型，旨在原生处理文本、图像、视频和 3D。它是一种多模态自回归扩散 Transformer，将所有输入整合到共享的空间上下文中，以生成后续内容，同时保持 3D 一致性并想象观测数据之外的内容。Atlas 随着训练算力的增加而扩展，并支持世界生成、重建和模拟。主要功能包括：相机控制生成，从一张或多张图像生成长达 1 分钟的 1440p 视频，并具备像素级的相机控制精度；空间重建，从输入图像生成新颖视角和显式 3D 输出，性能超越最先进的 3D 模型；时空模拟，通过从视频建模空间和时间，实现面向机器人的 Real-to-Sim 工作流；以及图像生成，根据文本创建图像和 360 全景图，具有复杂提示词遵循能力和多样化的视觉风格。Atlas 将为 Marble 的未来版本和其他 World Labs 产品提供支持。该模型将精确的相机几何作为原生输入，实现精确的镜头构图和运动控制。通过将每张图像定位在空间中的 3D 位置，Atlas 形成了空间上下文，从而实现创意控制，例如将不相关的图像放置在 3D 空间中，生成平滑的插值，想象门道、走廊和过渡。对于长视频，Atlas 结合相机运动和空间上下文管理，让用户坐上导演的椅子，进行完整的场景调度。