World Labs 发布世界模型 Atlas,原生处理文本图像视频与 3D
World Labs 发布下一代世界模型 Atlas,称其为从零预训练的多模态自回归扩散 Transformer,原生统一处理文本、图像、视频和 3D,将输入编码为共享空间上下文后再生成后续内容。
关注价值:统一架构把相机位姿与深度作为原生输入,其重建与可控生成结果可用于判断世界模型的路线选择。
试运行:收录范围与分类仍在校准,更新可能延迟。 最近内容更新:2026-11-04 17:28(北京时间)
World Labs 发布下一代世界模型 Atlas,称其为从零预训练的多模态自回归扩散 Transformer,原生统一处理文本、图像、视频和 3D,将输入编码为共享空间上下文后再生成后续内容。
关注价值:统一架构把相机位姿与深度作为原生输入,其重建与可控生成结果可用于判断世界模型的路线选择。
World Labs 发布 Spark 2.0,在 THREE.js 与 WebGL2 的 3DGS 渲染器中加入 Level-of-Detail 系统,按视角自动调整细节并经网络流式加载数据。
World Labs 发布 World API,开发者可通过接口调用其多模态世界模型 Marble,从文本、单图、多图、360° 全景和视频生成可导航的 3D 世界。
关注价值:世界模型从演示走向可调用接口,机器人仿真环境的生成成本与规模是这条最直接的影响面。
World Labs 将两个月前预览的多模态世界模型 Marble 面向所有人开放,可输入文本、图像、视频或粗略3D布局生成完整3D世界,并支持交互式编辑、扩展与组合。
关注价值:从预览到全面开放并补上多模态输入与编辑导出,读者可据此判断生成式3D世界模型当前能做到什么程度。