World Labs Atlas：一张图控镜头，还能给机器人做 Real-to-Sim
文字、图、视频、深度图进同一个「空间上下文」。你给相机路径，它生成连贯世界；几张手机照片也能重建场景。
2026 年 9 月 1 日，World Labs 推出 Atlas——下一代 omni world model。它从零预训练，原生吃文本、图像、视频和 3D，架构是 multimodal autoregressive diffusion transformer：输入先落到共享空间上下文，再按上下文生成下一步，并在 3D 上保持一致。
能做的几类事
- 镜头可控生成：一两张参考图加精确相机位姿，可出最长约 1 分钟、最高 1440p 的视频。相机是原生输入，不是靠文案猜「pan / crane」。
- 稀疏重建：一两张到上百张都行。输入少时会靠世界知识补洞；输入多时更忠于实景。可出点云或 3D Gaussian splat，方便进游戏、VFX、机器人。
- 时空模拟：几部手机拍的多机位，能做子弹时间式 reframing；也可从真实录像做 Real-to-Sim，给导航/操作机器人喂传感器视角。
- 图像 / 360°：文生图与 panorama，能跟复杂提示、渲染文字、换风格。
和 Marble 的关系
Atlas 会驱动未来版本的 Marble 以及 World Labs 其他产品。官方称在相机跟随和稀疏视角 3D 重建基准上，超过一批更专一的模型；并且随训练算力增大，能力阶梯式上涨。
怎么拿到
目前是早期访问：选定合作伙伴可申请，官方会联系。没有面向全网的公开 API 入口，想玩先填申请。
主要依据 World Labs Atlas: A World Model for Spatial Intelligence（2026-09-01）。