Что произошло
1 сентября 2026 года World Labs — стартап, сооснованный исследовательницей Фей-Фей Ли, — представила Atlas. Это одна модель, которая по нескольким обычным фотографиям и генерирует новую сцену, и восстанавливает её геометрию, и позволяет двигать по ней камеру. Обычно под каждую из трёх задач берут отдельный инструмент. Atlas выдаёт видео длиной до одной минуты в разрешении 1440p и умеет собирать 360-градусные панорамы.
Детали
По описанию компании, Atlas — мультимодальный авторегрессионный диффузионный трансформер, обученный с нуля работать сразу с текстом, изображениями, видео, положениями камеры и картами глубины, а не склеенный из отдельных моделей.
На восстановлении трёхмерной геометрии World Labs приводит среднюю ошибку AbsRel 25,3 против 28,7 у лучшего из специализированных конкурентов; на наборе ETH3D разрыв больше — 9,3 против 18,7. В слепом сравнении генерации с управлением камерой люди выбирали Atlas в 75% случаев против MiniMax H3, в 81% против Gemini Omni Flash и в 93% против FLUX 3.
Чего в анонсе нет: технической статьи, цены и списка партнёров. Модель находится в раннем доступе «с отдельными партнёрами», записаться можно только через форму заявки.
Что это значит
Практический смысл сейчас касается узкой аудитории — команд, которые делают симуляции для робототехники, 3D-контент для игр и кино, виртуальные туры по недвижимости. Для них ценна не картинка, а геометрия: если из десятка фото объекта получается сцена, по которой можно свободно ездить камерой, отпадает этап ручного моделирования. Цифра, на которую стоит смотреть скептически, — те самые 75–93% предпочтений: это внутреннее сравнение самой World Labs, без опубликованной методики и без независимой проверки.
Горизонт неопределённый ровно потому, что нет ни цены, ни открытого доступа. Пока модель раздают по заявкам, посчитать себестоимость минуты 1440p и сравнить её с текущими генераторами видео невозможно — а без этого числа выбирать инструмент под задачу не из чего.
Контекст
Похожий подход мы разбирали в новости про модель мира Qwen AgentWorld от Alibaba. Сколько на практике стоит получить один удачный ролик из фотографии и что при этом ломается в кадре — в материале про видео из фото нейросетью.
