最近 World Model 这个方向好像一下子热起来了，前两天看了下 World Labs 的 Atlas 和 Runway 的 Solaris ，感觉两家的思路还挺不一样。 Atlas 是 World Labs 9 月 1 日刚发布的 omni world model ，主要做 Spatial Intelligence 。它比较有意思的一点是，不只是单纯的视频生成模型，而是把 text 、image 、video 、camera pose 、depth 等信息放到同一个 3D spatial context 里处理。 所以它既可以做 camera-controlled video ，也能做 3D reconstruction 和空间模拟。比如输入几张图片后，可以重建场景，然后指定新的相机位置和运动轨迹去生成画面。官方目前展示的视频最高能到 1440p 、1 分钟左右，还可以输出 point cloud 、Gaussian splat 之类的 3D 数据。 我找资料的时候看到有个页面把 Atlas 的几个能力整理得比较直观： https://worldmodelatla...