李飞飞 World Labs 发布多模态世界模型 Atlas，支持像素级相机控制生成 1440p 视频

李飞飞 World Labs 发布多模态世界模型 Atlas，支持像素级相机控制生成 1440p 视频 这条更新来自 ithome.com，发布时间为 2026-09-02，Aioga 保留原文入口以便核验。

摘要：李飞飞创办的 World Labs 发布多模态世界模型 Atlas，称其能以像素级精确相机控制生成图像和视频帧，并在 3D 中重建。Atlas 可输出最长 1 分钟的 1440p 视频，从一至数十张图像进行空间重建，支持时空模拟和文本生成图像与 360 度全景，部分合作伙伴已获抢先体验，未来几周内开放早期访问。

背景：背景分析：模型与研究类动态需要结合能力边界、开放方式、成本、可用性和真实任务表现判断，单项指标领先不等于已经形成稳定采用。

Aioga 观察：Aioga 判断：这条动态更适合作为行业观察信号，当前信息足以建立线索，但不足以推导长期结论。

影响与后续：影响分析：对相关团队而言，短期应先核对来源、可用范围和实际成本，再判断是否值得接入或跟进。 后续观察：继续观察官方文档、实际可用性、价格变化、开发者反馈和竞品回应。

IT之家：https://www.ithome.com/ 9 月 2 日消息，“AI 教母”李飞飞的创企 World Labs 今日发布了“ 全球首个多模态世界模型 ”—— Atlas，宣称该模型能够以像素级精确的相机控制生成图像和视频帧，并将其在 3D 中重建。

World Labs 官方介绍，其从头开始对 Atlas 进行预训练，使其能够接受多模态输入，包括相机移动，并将其转化为 3D 视图。

：https://weibo.com/1706699904/Rgd1GxdIW?refer_flag=1001030103_

通过在模型的空间上下文中定位多个输入视图，Atlas 允许用户生成具有精确控制的图像和视频帧， 实现类似“子弹时间”的拍摄效果 。

Atlas 还能从一张到多张输入图像输出明确的 3D 模型，超越了顶级开源重建模型。

Atlas 会根据你指定的任意摄像机位置和角度生成一个或多个参考图像 。生成的视图与输入图像的内容和几何形状相匹配，能够平滑地扩展图像，自主想象输入中看不到的场景部分。

相机控制生成：Atlas 通过像素精确的相机控制从一张或多张图像生成图像和视频， 输出最长 1 分钟的 1440p 视频 。

空间重建：Atlas 能够重建从一张到数十张输入图像的真实场景。它既能从新颖视角生成图像帧，也能生成显式三维输出，优于专门用于三维重建的先进模型。

时空模拟：Atlas 通过输入视频建模空间和时间，重新构图视频以增强戏剧性视觉效果，并支持机器人的真实到模拟工作流程。

图像生成：Atlas 支持从文本生成图像和 360 度全景，它可以跟随复杂的提示，渲染文本，并生成各种视觉风格。

World Labs 官方表示，部分合作伙伴已获得 Atlas 抢先体验资格，将在未来几周内开放早期访问。

https://www.worldlabs.ai/blog/atlas ：https://www.worldlabs.ai/blog/atlas