AREX Feed Article
李飞飞发帖祝贺 World Labs 团队：Atlas 登顶 Rapidata 相机运动基准
北京时间 11 月 10 日凌晨 3 时 13 分（11 月 9 日 19:13 UTC），李飞飞在 ，祝贺她联合创办的空间智能公司 团队：“干得漂亮，@theworldlabs 团队们！相机控制对许多创意与设计工作至关重要。Atlas 的强劲结果让我非常兴奋！”她的 X 写明其身份为 World Labs 联合创始人兼 CEO。这条帖子没有列出任何指标或基准名称，但它所指的结果在一个多小时前刚刚公开：评估机构 宣布，Atlas 在其相机运动（camera movement）基准的 19 个世界模型与视频模型中排名第一。
World Labs 官方账号在 18:02 UTC 转发了 Rapidata 的原帖，又在 18:05 UTC 发布，把这项基准概括为“评估各模型遵循相机指令的程度”。截至发稿，李飞飞这条祝贺帖获得 168 个赞、约 1.44 万次浏览。
“强劲结果”的出处：一份 9 月起公开的榜单
Rapidata 在 中自称通过 API 提供人类判断（human judgment）数据，并每周运营公开基准。11 月 9 日 18:01 UTC，其官方账号发帖宣布：“World Labs 的 Atlas 在相机运动中拿下第一！”帖文列出评估规模：600 条提示词、超过 51.3 万条人类判断，用以衡量各模型遵循相机运动指令的准确程度；所有输出、配对对决、判断与方法学均公开在 Benchmark AI 上。
这份榜单公开已超过两个月——承载它的 创建于 2026 年 9 月 7 日。2026 年 9 月 22 日，NVIDIA 解决方案架构与工程高级总监（南亚）Jigar Halani 在 称：“世界模型不能只生成逼真的视频，还要准确响应我们想在场景中如何移动。NVIDIA 在相机运动基准的复杂多动作提示上处于领先。”按这一说法，在该基准的多动作组合环节，此前的领跑者是 NVIDIA 的模型。
怎么投出这份榜单：场景冻结，只有相机能动
Rapidata 的数据集页公开了方法学。每一次比较都是一对一对决：两个模型各以同一张静帧、同一条指令生成视频，评审者先看一段演示目标运镜的参考动画，再在两段生成视频之间投票选出“哪一段更符合运动”，全程不接触文字指令。任务被刻意收窄：场景必须保持原样，只有相机可以动——推拉（dolly）、横移（truck）、升降（pedestal）、平摇（pan）、俯仰（tilt）、滚转（roll）、变焦（zoom）或它们的组合。
30 种相机运动按难度分成单动作、双动作组合与三动作连续三个档位，与 22 张输入静帧组合成手工挑选的 600 条提示词，共产出 8,998 条片段。每对比较至少收集 5 票，累计 82,153 场比较、513,079 条投票，最终以 ELO 等级分排名，不使用自动化指标。
Atlas 的相机控制：位姿是原生输入，最长 1 分钟 1440p
World Labs 在 2026 年 9 月 1 日的中把 Atlas 介绍为“下一代世界模型”：一个从零预训练的全模态（omni）模型，原生处理文本、图像、视频与 3D，架构为多模态自回归扩散 transformer（multimodal autoregressive diffusion transformer）。相机控制写进了架构本身：相机位姿（camera pose）是原生输入类型，按该公司的说法“超越了粗粒度的文本指令”。使用者提供一到六张参考图、手工设计相机路径，模型据此生成新视角，输出最长 1 分钟、1440p 分辨率的视频；所有输入被放进 3D 空间形成空间上下文（spatial context），两张互不相干的参考图也能摆进同一空间，由模型补全两者之间的过渡。
除受控生成外，博客还列出空间重建、时空模拟与图像生成等任务，并称 Atlas 将为旗下产品 Marble 的未来版本提供支持。10 月 15 日，World Labs 宣布 ，并演示“以像素级精度控制相机路径”。这些能力描述均来自 World Labs 自己的发布。
从按键生成到 15 fps：相机控制进入实时创作流程
11 月 5 日，World Labs 发布 研究预览：一个高度优化的 Atlas 变体从云端 GPU 向浏览器推流，使用者转动相机时画面以最高 15 fps 连续更新，不再需要按下生成键后等待几十秒甚至几分钟。博客解释了提速的理由：逐次生成迫使使用者谨慎规划每条相机路径；当一次试错的成本接近零，错误就成了探索。与去年的 RTFM 研究预览相比，博客称 Atlas 规模大得多、训练数据多出数个数量级，且能从单张图像或一句文字描述凭空生成场景。
博客列举的用途包括漫游著名地标、为电影拍摄寻找虚拟机位、查看施工进度、搭 3D 游戏关卡概念，以及为机器人生成导航环境——与李飞飞强调的“相机控制对许多创意与设计工作至关重要”指向同一批场景。实时能力同时整合进了 Viewfinder 网页应用：用户先逐帧搭出自己的场景，再切入实时漫游；该应用目前处于封闭测试，需排队等候准入。博客也写明了限制：Frameboy 必须运行在强大的云端 GPU 服务器上，与本地渲染方式相比并不便宜。
哪些可核对，哪些仍是公司自述
这份“强劲结果”因此有了一个可核对的锚点：与九月博客中 World Labs 自行组织的评估不同，11 月 9 日的名次出自 Rapidata 的评估。按其公告，判定所用的输出、配对、判断与方法学均公开在 Benchmark AI 上，还可按动作数量、具体动作与场景切片查看排名。至于 Atlas 在 3D 重建上超过专门的重建模型、在相机条件生成上超过视频模型等说法，仍是 World Labs 自己公布的对比结论。而按 Rapidata 每周更新公开基准的自我定位，这份榜单还会继续变动。
参考链接
- 李飞飞 X 帖文（2026-11-09）：
- 李飞飞 X 个人简介：
- World Labs X 个人简介：
- Rapidata X 帖文（2026-11-09）：
- World Labs X 帖文（2026-11-09，附结果图）：
- World Labs X 帖文（2026-10-15，Atlas beta 发放）：
- Rapidata Camera Movement Benchmark 数据集页（Hugging Face）：
- Rapidata 实时榜单入口（benchmark.ai/camera-movement）：
- Jigar Halani LinkedIn 帖文（2026-09-22）：_
- World Labs 博客：Atlas: A World Model for Spatial Intelligence（2026-09-01）：
- World Labs 博客：Frameboy: Atlas in Real-time（2026-11-05）：
- Rapidata X 个人简介：_