Команда ziplab, объединяющая исследователей из Zhejiang University, Monash University, BAIR/UC Berkeley и Adelaide University, выпустила ATAS (Any Time, Any Space) — открытый фреймворк агентной генерации видео по сценарию, построенный вокруг персистентного состояния мира. Фреймворк превращает сценарий в сгенерированное видео, удерживая логику сцен и событий на всей длине истории. Статья появилась на arXiv 14 октября 2026, код опубликован в открытом доступе.

image
image

Что произошло

14 октября 2026 на arXiv появилась статья Any Time, Any Space: A World-State-Centric Framework for Agentic Video Generation (arXiv:2610.20571). Авторская команда ziplab опубликовала код фреймворка ATAS в репозитории ziplab/ATAS на GitHub под MIT-лицензией, на момент проверки у репозитория было 199 звёзд. ATAS компилирует сценарий в ограниченные запросы на кадры, в каждом из которых явно заданы локация, камера и время события. Перед генерацией кадра система достаёт доказательства из двух памятей: scene memory хранит зарегистрированную статическую геометрию, а event memory — динамику, индексированную по сцене, событию и времени. Запись в память гейтится: наблюдение попадает в постоянное состояние только после review и проверки состояния. Авторы приводят результаты на четырёх видеогенераторах (MiniMax-H3, Wan 2.7, HappyHorse 1.0, Wan 3.0) против I2V Extension, VGoT, Mora, MovieAgent и ReCA: ATAS улучшает все заявленные метрики межкадровой согласованности и получает наивысшие оценки людей по всем шести критериям.

Контекст

Чтобы понять суть события, важно помнить болезнь жанра: в длинной агентной видеогенерации кадры и шоты планируются по сценарию шаг за шагом, и главная проблема таких систем — согласованность между несоседними кадрами. Подходы предыдущего поколения передают между шотами промпты и последние сгенерированные кадры, из-за чего пространственная и временная логика расходятся, стоит сценарию вернуться в уже показанную локацию или чередовать события. ATAS строит картину от мира, а не от кадров: персистентное состояние мира разнесено на статическую геометрию сцен и событийную динамику, поэтому кадр, внешне похожий на кадр из другого события, не подтягивается в генерацию случайно. Гейт на запись в память в этой схеме работает как защита канона мира от загрязнения неудачными дублями. Сам ATAS при этом не является новой видеомоделью: это агентный слой управления состоянием мира, размещённый между сценарным планом и существующими видеогенераторами.

Почему это важно для индустрии

Для отрасли здесь важен не только бенчмарк, а подтверждение сдвига: ценность в агентной видеогенерации уходит от выбора базовой модели к слою персистентного состояния мира. ATAS даёт открытый каркас такого слоя, который можно встраивать в собственные script-to-video стеки, а то, что слой опробован сразу на нескольких разных видеогенераторах, делает его переносимым между моделями. Вход дешёвый, но слой тонкий и построен поверх сторонних генераторов, доступ к которым идёт через ключ DASHSCOPE_API_KEY, поэтому устойчивое преимущество будет строиться не на самом коде, а на накопленных состояниях миров и данных об их поведении. Если независимые команды подтвердят метрики, паттерн «постоянный мир плюс память с гейтом записи» рискует стать дефолтным модулем между сценарным агентом и видеомоделью, а сравнение решений сдвинется к стоимости минуты видео. Вероятны и отдельные продукты вокруг пайплайна: редактор раскадровки как самостоятельный интерфейс, memory-сервисы для переноса миров между проектами и API для серийного контента. В длинном горизонте это практический шаг к многоэпизодным сгенерированным фильмам и сериалам.

Почему это важно для пользователей

Читателю, который не пишет код, достаточно проектной страницы: на ней собрано демо фреймворка, а рядом лежит полный текст статьи на arXiv. Разработчику нужен один арендованный GPU-сервер NVIDIA примерно с 20 ГБ свободной VRAM под geometry-сервис, API-ключ DASHSCOPE_API_KEY и клиент, который ставится обычным pip и сам по себе GPU не требует. Готовые примеры сценариев bookstore, clockshop и record лежат в каталоге examples/ репозитория, поэтому pipeline можно сразу запустить на собственных текстах, не правя код. Сегодня это рабочий экспериментальный стенд для сценарной видеогенерации, а не отлаженный сервис под выпуск контента, но свою гипотезу на своих сценариях на нём можно проверить уже сейчас.

Что пока неизвестно / ограничения

Количественных данных для оценки продакшен-пригодности пока нет: авторы не публикуют ни латентность на кадр, ни стоимость генерации, ни частоту отказов review-гейта. Результаты очень свежие, метрики опубликованы 14 октября 2026, и сторонних независимых воспроизведений пока не появлялось, а однодневный запуск pipeline проверяет его работоспособность, но не валидирует цифры статьи. Из архитектуры следует и двусмысленность: кадр, не принятый в постоянное состояние, всё равно остаётся в фильме, поэтому на длинных сценариях фильм и канон мира могут расходиться. Результаты могут дрейфовать при смене версий видеогенераторов, а если базовые модели сами научатся держать длинную консистентность, такая надстройка может оказаться не нужна.

Источники

Автор

Look at AI, редакция