Що сталося
1 вересня 2026 року World Labs — стартап, співзасновницею якого є дослідниця Фей-Фей Лі, — представила Atlas. Це одна модель, яка за кількома звичайними фотографіями і генерує нову сцену, і відновлює її геометрію, і дозволяє рухати нею камеру. Зазвичай під кожне з трьох завдань беруть окремий інструмент. Atlas видає відео завдовжки до однієї хвилини в роздільній здатності 1440p та вміє збирати 360-градусні панорами.
Деталі
За описом компанії, Atlas — мультимодальний авторегресійний дифузійний трансформер, навчений з нуля працювати одразу з текстом, зображеннями, відео, положеннями камери й картами глибини, а не склеєний з окремих моделей.
На відновленні тривимірної геометрії World Labs наводить середню похибку AbsRel 25,3 проти 28,7 у найкращого зі спеціалізованих конкурентів; на наборі ETH3D розрив більший — 9,3 проти 18,7. У сліпому порівнянні генерації з керуванням камерою люди обирали Atlas у 75% випадків проти MiniMax H3, у 81% проти Gemini Omni Flash і в 93% проти FLUX 3.
Чого в анонсі немає: технічної статті, ціни та переліку партнерів. Модель перебуває в ранньому доступі «з окремими партнерами», записатися можна лише через форму заявки.
Що це означає
Практичний сенс наразі стосується вузької аудиторії — команд, які роблять симуляції для робототехніки, 3D-контент для ігор і кіно, віртуальні тури нерухомістю. Для них цінна не картинка, а геометрія: якщо з десятка фото об’єкта виходить сцена, якою можна вільно їздити камерою, відпадає етап ручного моделювання. Цифра, на яку варто дивитися скептично, — ті самі 75–93% переваг: це внутрішнє порівняння самої World Labs, без опублікованої методики й без незалежної перевірки.
Горизонт невизначений саме тому, що немає ні ціни, ні відкритого доступу. Поки модель роздають за заявками, порахувати собівартість хвилини 1440p і порівняти її з наявними генераторами відео неможливо — а без цього числа вибирати інструмент під завдання немає з чого.
Контекст
Схожий підхід ми розбирали в новині про модель світу Qwen AgentWorld від Alibaba. Скільки на практиці коштує отримати один вдалий ролик із фотографії і що при цьому ламається в кадрі — у матеріалі про відео з фото нейромережею.
