Мировая модель — это ИИ-система, которая предсказывает, как изменится среда, в том числе после действия внутри неё. Чат-бот предсказывает следующее слово. Видеогенератор предсказывает следующие кадры ролика. Мировая модель предсказывает следующее состояние места, так что человек или робот может в нём действовать и видеть последствия.
В этом году идея сильно подорожала. AMD договорилась о покупке World Labs — стартапа, который Фэй-Фэй Ли основала в 2024 году, — в сделке полностью акциями с оценкой около $8,2 млрд (AMD). AMI Labs Яна Лекуна привлекла $1,03 млрд, не выпустив ни одного продукта (TechCrunch). Google DeepMind, NVIDIA, Meta и Runway тоже выпустили мировые модели в том или ином виде.
Продукты пока намного скромнее денег. Сегодня можно купить генератор 3D-сцен, через подписку Google арендовать короткий исследовательский прототип или скачать открытые модели, если вы разрабатываете софт для роботов или беспилотных автомобилей. Наш вывод: генерация 3D-сцен и софт для робототехники работают уже сейчас, а обещание симулировать реальность пока в основном остаётся демо-роликом. Ниже — как отличить одно от другого, и цены на всё, что можно попробовать.
Мировая модель предсказывает следующее состояние, а не следующее слово
Определения лабораторий в целом совпадают. Google DeepMind говорит, что мировые модели используют понимание физической среды, чтобы симулировать её, и агент может предсказать, как мир будет развиваться и как на него повлияют его собственные действия (Google DeepMind). У Runway формулировка короче: система, которая строит внутреннее представление среды и использует его, чтобы симулировать будущие события в ней.
Ключевое слово здесь — действие. Спросите языковую модель про мяч, скатывающийся со стола, и она напишет предложение. Попросите видеогенератор — он отрисует клип, который вы посмотрите. Мировая модель берёт текущее состояние и ваш ввод (шаг вперёд, поворот камеры, смыкание захвата робота), возвращает следующее состояние и повторяет это на каждый следующий ввод.
Нижний ряд — это вся идея. Результат возвращается на вход как следующее состояние, поэтому мировую модель оценивают по тому, насколько она остаётся согласованной во времени. Один великолепный кадр почти ничего не доказывает.
Концепция старше хайпа. В 2018 году Дэвид Ха и Юрген Шмидхубер опубликовали World Models: агент выучил сжатую модель игры и целиком обучался внутри собственного «галлюцинируемого сна», а потом действовал в реальной среде. Изменился масштаб. Модели, обученные на огромных массивах видео, теперь создают миры, неотличимые от фотографий, и это вытащило идею из статей по обучению с подкреплением на созвоны по отчётности.
Вехи ниже показывают, как быстро всё пошло, когда видеомодели стали хорошими.
От статьи про «сон» до играбельных миров, выученных по интернет-видео, прошло шесть лет. Почти всё остальное, от открытых моделей для роботов до чека производителя чипов на $8,2 млрд, появилось примерно за два года.
Четыре ставки на то, как строить мировую модель
Лаборатории расходятся во мнениях о том, что должна выдавать мировая модель, и это объясняет большинство продуктов. Лучше всего их сортирует собственная таксономия World Labs. Она делит мировые модели на три типа. Рендереры выдают «пиксели, предназначенные для человеческих глаз». Симуляторы выдают «геометрически, физически или динамически точное представление мира». Планировщики выдают действия (World Labs).
Её предупреждение о рендерерах стоит помнить при просмотре любого анонса: здания на кадре с дрона «могут выглядеть безупречно сверху, но попробуйте проехать по городу внизу — и всё развалится». Сквозь эту линзу область делится на четыре лагеря.
Интерактивные миры, которыми вы управляете в реальном времени
Genie 3 от Google DeepMind превращает текстовый промпт в мир, по которому можно перемещаться в 720p при 20–24 кадрах в секунду. Google говорит, что миры остаются в основном согласованными несколько минут, а изменения от конкретных взаимодействий модель помнит до минуты (Google DeepMind). GWM Worlds 2 от Runway, исследовательское превью, делает нечто похожее с видео и звуком и генерирует, пока вы продолжаете управлять. В таксономии World Labs Genie 3 назван рендерером, и GWM Worlds 2 похожа на систему того же типа: вы получаете поток пикселей, и ничего, что можно открыть в другом инструменте.
3D-конструкторы миров, которые отдают файл
Marble, первый продукт World Labs, превращает текст, фото, видео или грубые 3D-блоки в постоянный мир, который можно редактировать и экспортировать как гауссовы сплаты или меши (документация World Labs). Мир не реагирует на вас так, как в Genie. Зато он существует в виде файла, который открывают игровые движки и дизайнерские инструменты. World Labs говорит, что новая модель Atlas, доступная в раннем доступе избранным партнёрам, будет лежать в основе будущих версий Marble.
Модели физического ИИ для роботов и автомобилей
NVIDIA называет такие модели world foundation models. NVIDIA Cosmos 3 рассуждает по видео, генерирует синтетические ролики из текста, изображений, видео, звука и входных данных о действиях и может служить основой политики управления робота. Веса открыты по лицензии OpenMDW 1.1 (NVIDIA). Oasis 3 от Decart уже: это мир вождения в реальном времени с несколькими камерами, к которому команды беспилотников подключаются через API.
Латентные предикторы, которые обходятся без пикселей
Линейка Meta V-JEPA вообще не пытается рисовать будущее. V-JEPA 2 кодирует видео в компактные представления и предсказывает, как они меняются: это дешевле, чем рендерить каждый пиксель, и всё равно достаточно для планирования. Meta сообщает об успехе в 65–80% случаев при захвате и перемещении незнакомых объектов в новых средах после обучения на открытом датасете робота DROID и прямого развёртывания на лабораторных роботах без сбора данных с них (Meta AI).
Этот лагерь Лекун поддерживает уже много лет. Позже он ушёл из Meta, а AMI Labs строится на той же архитектуре Joint Embedding Predictive Architecture, которую он предложил в 2022 году.
Если терминов становится слишком много, вот те, на которых держатся питчи.
Action-conditioned — вот с чем стоит спрашивать с вендоров. Если продукт не принимает ваш ввод на ходу и не даёт 3D-состояния для работы, это видеогенератор с новой этикеткой.
Видеогенераторы похожи на мировые модели, пока на них не надавишь
OpenAI представляла исследование Sora 2024 года как путь к универсальным симуляторам физического мира, но признавала, что модель не справляется с базовыми взаимодействиями вроде разбивающегося стекла. В Sora 2 компания показала прогресс: когда баскетболист промахивается, мяч теперь отскакивает от щита, а не телепортируется в кольцо. Модель в OpenAI при этом назвали «далёкой от совершенства» (OpenAI).
Затем продукт закрыли. OpenAI сообщает, что веб-версию и приложения Sora отключили в начале этого года, а в справочном центре закрытие API Sora назначено на конец 2026 года. Это бизнес-решение, но оно напоминает: «симулятор мира» было исследовательской рамкой, приделанной к потребительскому видеоприложению.
Независимые исследования куда прямолинейнее. Бенчмарк Physics-IQ проверил Sora, Runway, Pika, Lumiere, Stable Video Diffusion и VideoPoet на гидродинамике, оптике, механике твёрдых тел, магнетизме и термодинамике. Вывод: физическое понимание «крайне ограничено и не связано с визуальным реализмом» (arXiv). Отдельное исследование обучало видеомодели на простой симулированной физике и обнаружило, что они копируют ближайший обучающий пример, а не выучивают правило. Вывод авторов: одним масштабированием законы физики не открыть.
Так что относитесь к видеомоделям вроде Veo 3.1 и Runway Gen-4.5 как к отличным рендерерам и слабым симуляторам. Для рекламы или раскадровки этого достаточно. Но плохая идея — полагаться на такие ролики, чтобы научить робота, что бывает на мокром полу. Если вам нужно видео, начните с нашего сравнения стеков для ИИ-видео и рейтинга генераторов видео.
Почему производители чипов и инвесторы готовы платить
Сделка AMD — самый ясный знак того, куда всё идёт. Компания оценивает сделку полностью акциями примерно в $8,2 млрд, ждёт закрытия до конца 2026 года при условии одобрения регуляторов и назначит Фэй-Фэй Ли исполнительным вице-президентом и главным учёным, подотчётным CEO Лизе Су (AMD). TechCrunch пишет, что AMD ожидает: «передовые рабочие нагрузки» World Labs повлияют на дорожную карту чипов. Издание видит в покупке способ конкурировать с NVIDIA, которая уже предлагает открытые мировые модели через Cosmos (TechCrunch).
Венчурные деньги движутся туда же. Каждый раунд ниже объявлен в этом году.
AMI Labs привлекла $1,03 млрд при оценке $3,5 млрд до инвестиций; среди инвесторов NVIDIA, Samsung, Temasek и Toyota Ventures (TechCrunch). TechCrunch также писал, что World Labs привлекла $1 млрд, из них $200 млн от Autodesk, за несколько месяцев до договорённости о продаже. Runway привлекла $315 млн при оценке $5,3 млрд на предобучение следующих мировых моделей, а Odyssey — $310 млн при оценке $1,45 млрд при участии Amazon и AMD Ventures.
Мотивы повторяются четыре. Производителям чипов нужна нагрузка: директор по исследованиям DeepMind сказал TechCrunch, что во время сессии Project Genie «где-то есть чип, который работает только на вас» (TechCrunch).
Робототехникам нужны обучающие данные, которые в реальном мире собирать медленно и рискованно. 3D-контент дорого делать вручную. А некоторые лаборатории считают, что одним языком ИИ в физический мир не попадёт. Luma сказала об этом прямо, когда в прошлом году привлекла $900 млн: «Чтобы симулировать вселенную, LLM и текста недостаточно». Обратите внимание, как часто на этих кап-таблицах встречаются NVIDIA и венчурное подразделение AMD. Компании, продающие вычисления, финансируют тех, кто будет их сжигать.
Что можно реально использовать сегодня
Если убрать исследовательские превью и листы ожидания, список становится коротким. Вот что в этом году открыто для всех или для любого разработчика с банковской картой.
| Продукт | Лучше всего для | Как получить | Цена |
|---|---|---|---|
| Marble (World Labs) | Креаторы, дизайнеры, игровые художники | Веб-приложение, самообслуживание | Бесплатно до 4 миров; $20, $35 или $95 в месяц |
| World API (World Labs) | Разработчики | World Labs Platform | Предоплаченные API-кредиты |
| Project Genie (Google) | Любопытные пользователи | План Google AI Ultra, 140+ стран | Ultra от $99,99 в месяц |
| Cosmos 3 (NVIDIA) | Команды по робототехнике, беспилотникам и компьютерному зрению | Открытые веса; хостинговая пробная версия | Веса бесплатно, вычисления ваши |
| Oasis 3 Preview (Decart) | Команды беспилотников | API, оплата по факту | $0,02 за секунду |
| V-JEPA 2 (Meta) | Исследователи | Код и чекпоинты | Бесплатно |
| GWM Worlds 2 (Runway) | Студии и предприятия | Исследовательское превью, форма обратной связи | Не указана |
Цены взяты со страниц самих вендоров (цены Marble, планы Google AI). Бросаются в глаза две вещи. Marble — единственный продукт здесь, за который может заплатить не разработчик и уйти с файлом. А Project Genie, самое эффектное демо, трудно оправдать по цене, если вы не платите за Ultra и так. Сначала Google открыла его только подписчикам из США старше 18 лет и ограничила генерацию 60 секундами, а теперь в списке больше 140 стран.
Матрица ниже сравнивает четыре продукта, которые вы с наибольшей вероятностью попробуете, по признакам, которые мы смогли подтвердить на страницах вендоров.
Marble получает частичную отметку по робототехнике, потому что World Labs предлагает World API командам робототехников, с интеграцией в симуляторы вроде NVIDIA Isaac, а потребительское приложение для такой работы не создавалось.
План на неделю: пробуем мировые модели
- Откройте бесплатный план Marble и создайте мир по фото реальной комнаты. По данным World Labs, полный мир занимает около пяти минут, а черновик — около 20 секунд (документация World Labs).
- Постройте ту же комнату по текстовому промпту. Пройдитесь по обеим версиям и поищите смазанные или «плавящиеся» участки: там модель додумывала.
- Если вы платите за Google AI Ultra, воссоздайте комнату в Project Genie. Отойдите от дверного проёма, вернитесь и отметьте, что изменилось.
- Если вы пишете код, скачайте чекпоинт Cosmos 3 с Hugging Face или попробуйте хостинговую модель в каталоге NVIDIA, прежде чем тратить GPU.
- Запишите одну задачу, которую вы бы поручили мировой модели, и нужный результат: видео, сплат, меш или действия. Формат определяет выбор инструмента сильнее любого демо.
Не знаете, с чего начать? Это дерево подскажет маршрут по вашей цели максимум за два вопроса.
Большинство путей, которые заканчиваются человеком, а не роботом, приводят в Marble. Это самый дешёвый способ получить мир, который можно оставить себе.
Как оценивать демо мировой модели
Анонсы мировых моделей монтируют для соцсетей, а короткие отредактированные ролики льстят любой модели. Несколько проверок помогут отбросить глянец.
Начните с длительности. На странице Genie 3 сама Google пишет, что модель поддерживает «несколько минут непрерывного взаимодействия, а не многочасовые сессии» (Google DeepMind). Предшественник, Genie 2, показывал примеры, которые в основном длились 10–20 секунд. 15-секундный клип не говорит почти ничего ни в ту, ни в другую сторону.
Затем ищите возвращение. Память — самое трудное. Genie 3 помнит изменения около минуты, а Runway признаёт, что долговременная память GWM Worlds 2 несовершенна. Если камера никогда не возвращается в место, которое уже показывала, спросите себя почему.
Проверьте, кто за рулём. Плавный кинематографичный путь можно спланировать заранее, а человек, нажимающий клавиши, сразу покажет задержку. В обзоре Project Genie от TechCrunch отмечены неотзывчивое управление и персонаж, который порой проходил сквозь стены, хотя стилизованные миры вроде пластилиновой анимации и акварели выглядели хорошо (TechCrunch).
Наконец, отделяйте внешний вид от физики. Physics-IQ показал, что у видеомоделей они не связаны, так что демо с размашистыми пейзажами и без столкновений — это демо рендеринга. Примените оценщик к следующему анонсу, который увидите.
Типичный отредактированный анонс здесь получает низкий балл. Воспринимайте это как маркетинг и проведите собственный тест руками, прежде чем планировать работу вокруг модели.
Ограничения, которые пока никто не решил
Первая стена — согласованность. Эти модели генерируют каждый момент на основе того, что уже создали, поэтому мелкие ошибки накапливаются. TechCrunch, изучая Oasis 3 от Decart, обнаружил, что мир вождения теряет связность в долгих сессиях, машины проезжают сквозь препятствия, а память сцены деградирует при возвращении в уже пройденные места (TechCrunch).
Вторая — стоимость. Oasis 3 стоит $0,02 за секунду, то есть $1,20 за минуту и $72 за час симулированного вождения. Лимит Google в 60 секунд в Project Genie существует потому, что каждая сессия занимает выделенное железо. А готовый игровой уровень почти ничего не стоит каждый раз, когда в него играют.
Третья, и об этом говорят меньше всего, — оценка. Бенчмарки молоды, и несколько из них сделаны теми же лабораториями, которые публикуют модели. Собственные тесты Meta на физические рассуждения показывают, что люди набирают 85–95%, и это заметно выше лучших моделей (Meta AI). NVIDIA заявляет о первом месте Cosmos 3 в нескольких рейтингах генерации миров. Рейтинги вендоров остаются рейтингами вендоров.
Компании и сами немногословны. В этом году TechCrunch писал, что стартапы мировых моделей держат планы по продуктам при себе, а CEO AMI Labs заявил, что его компания не из тех стартапов, которые выпускают продукт за три месяца.
Кому стоит подождать? Всем, кому в этом году нужен надёжный продакшен-конвейер для игр, кино или зданий. Мировые модели хороши для черновиков и референсов. Они пока не заменяют игровой движок или физический симулятор, который проверила ваша команда.
Что меняется для креаторов, разработчиков игр, архитекторов и команд робототехники
Креаторы получают самую быструю пользу. Миры из Marble экспортируются в Unreal Engine, Unity, Blender и Houdini через плагины для гауссовых сплатов, а пролёты камеры можно записать как видео. Для превиза и виртуальных съёмочных площадок это настоящий shortcut. Следите за лицензией: коммерческие права начинаются с плана Pro за $35, а в план Standard за $20 они не входят (цены Marble). Для отдельных объектов, а не целых сцен лучше подойдёт рейтинг генераторов 3D-моделей.
Разработчикам игр пока стоит воспринимать мировые модели как инструмент для блокинга и концептов. Режим Chisel в Marble превращает грубые 3D-формы в детализированный мир, что подходит для раннего лейаута уровней. В сгенерированных мирах нет игровой логики, настроенных коллизий и бюджетов производительности, а именно они делают игру готовой к релизу. Рейтинг ИИ-инструментов для разработчиков игр отслеживает ассистентов, которые закрывают остальную часть конвейера.
Архитекторы и дизайнеры интерьеров следующие в очереди. Главный учёный Autodesk Дэйрон Грин сказал TechCrunch, что видит, как клиенты начинают с «наброска на основе мировой модели в World Labs (скажем, планировки офиса)» и дорабатывают его в инструментах Autodesk. Для работы, готовой к показу клиенту, уже сегодня есть более зрелые варианты в рейтинге ИИ для дизайна интерьеров и архитектуры и нашем обзоре инструментов для дизайна интерьеров.
Самый сильный кейс у команд, пишущих софт для роботов. Cosmos 3 предназначена для дообучения на ваших данных с камер и роботов и для работы как симулятор с замкнутым контуром. World Labs говорит, что её система real-to-sim-to-real превращает одну реальную задачу в тысячи симулированных вариаций и проверяет каждый чекпоинт политики на 2000 симулированных испытаний, причём симулированные оценки совпадают с оценками на железе. Выигрыш — в отсеве: меньше слабых чекпоинтов доходит до физического робота. World Labs также подключает World API к симуляторам, включая Isaac Sim и MuJoCo, так что пилот не означает замену симулятора, которому ваша команда уже доверяет.
Частые вопросы
ChatGPT — это мировая модель?
Не в том смысле, который вкладывают лаборатории. ChatGPT предсказывает текст. Он может описать, что будет, если стакан упадёт со стола, но не выдаёт состояние, с которым можно действовать шаг за шагом. Весь тезис Лекуна в пользу AMI Labs в том, что одни языковые модели туда не дотянут.
Можно ли попробовать мировую модель бесплатно?
Да. Бесплатный план Marble включает до четырёх генераций миров, а веса NVIDIA Cosmos 3 и V-JEPA 2 от Meta можно скачать бесплатно, если у вас есть подходящие GPU. Для Project Genie нужен платный план Google AI Ultra.
Заменят ли мировые модели игровые движки?
Скоро нет. Интерактивные сгенерированные миры «плывут» уже в течение минут, а правил игры в этих инструментах нет, так что вероятнее гибридный путь: сгенерировать черновик мира, экспортировать и довести в Unreal, Unity или Blender. Руководства World Labs по экспорту уже предполагают такой процесс.
Что будет с Marble теперь, когда AMD покупает World Labs?
Ни одна из компаний пока не говорила. Сделке ещё нужно одобрение регуляторов, закрытие ожидается до конца 2026 года, а World Labs говорит, что Джастин Джонсон и Бен Милденхолл продолжат руководить её командой внутри AMD. Если ваша клиентская работа зависит от Marble, экспортируйте миры и храните локальные копии.
Sora всё ещё доступна?
Нет. OpenAI сообщает, что продукт Sora больше недоступен: веб-версию и приложения отключили в начале этого года, а API должен был последовать позже в 2026 году. Какие инструменты для генерации видео остались на рынке, смотрите в нашем руководстве по лучшим генераторам ИИ-видео.