李飞飞首个多模态世界模型 Atlas 正式发布：从零开始预训练，几张图就能构建世界

李飞飞创办的World Labs于近日发布新一代多模态世界模型Atlas。该模型从零开始预训练，原生处理文本、图像、视频和3D数据，面向部分合作伙伴开放早期访问。Atlas具备四大能力：支持像素级相机控制，从单张或多张图像生成最长1分钟1440p视频；可根据一张或数十张图像重建真实3D场景，性能优于专用重建模型；能对输入视频进行时空建模，支持机器人真实到模拟的工作流程；还可根据文本生成图像及360度全景图。Atlas采用多模态自回归扩散Transformer架构，逐元素生成序列，并将相机位姿和深度作为处理数据类型。World Labs由李飞飞与Justin Johnson等人于2024年共同创立，团队背景集中于视觉、图形学和三维表示。公司此前已于2025年11月12日向所有用户开放其世界生成产品Marble，支持从文本、图像等生成、编辑和导出三维场景。