Стартап Decart представил Oasis 3 — продвинутую «мировую модель» (world model), которая в режиме реального времени создает фотореалистичные виртуальные окружения. Основное назначение системы — генерация дорожных сценариев для обучения беспилотных автомобилей. В отличие от большинства закрытых аналогов, Decart открыла доступ к Oasis 3 через API, позволяя сторонним разработчикам интегрировать технологию в свои продукты.
Возможности и цели Oasis 3
Разработчикам автономного транспорта требуются огромные массивы данных, включая редкие и опасные дорожные ситуации. Oasis 3 позволяет создавать такие сценарии искусственно, что значительно ускоряет обучение ИИ. Дин Лайтерсдорф, сооснователь и генеральный директор Decart, подчеркивает, что компания стремится выстроить вокруг своей технологии полноценную экосистему, аналогичную той, что сформировалась вокруг LLM от OpenAI.
Помимо автомобильной отрасли, компания планирует адаптировать технологию для робототехники и других сфер «физического ИИ». На текущий момент услугами Decart пользуется более 100 тысяч разработчиков, многие из которых применяли предыдущую модель Lucy для задач электронной коммерции и стриминга.
Стоимость использования Oasis 3 составляет 2 цента за секунду генерации, при этом для корпоративных клиентов предусмотрены индивидуальные тарифы.
Технологические особенности и перспективы
Decart удалось добиться высокой эффективности благодаря собственной платформе DOS (Decart Optimization Stack), которая оптимизирует выполнение вычислений на «железе» от Nvidia, Amazon и Google. Это позволяет снизить стоимость запуска мировых моделей более чем в десять раз по сравнению с конкурентами, среди которых такие игроки, как Google (Genie 3) и World Labs Фэй-Фэй Ли.
Система формирует картинку сразу с трех камер: фронтальной и двух боковых. Однако текущая версия имеет ряд ограничений:
- Потеря контекста: при длительной генерации модель утрачивает логическую связность. Виртуальные улицы могут терять характерные черты, а пройденные локации — исчезать.
- Проблемы с физикой: объекты (например, другие автомобили) могут проходить сквозь друг друга из-за сложности поддержания согласованности в авторегрессионных моделях.
Проблема кроется в архитектуре: при создании десятков кадров в секунду объем используемой памяти для контекста (каждый кадр содержит около 8 тысяч токенов) растет слишком быстро. В планах разработчиков — создание следующей версии, способной строить миры не только на базе текстовых промптов, но и по реальным видеозаписям.
Несмотря на технические сложности, стартап уже демонстрирует впечатляющие финансовые результаты. Всего через два года после основания Decart привлекла $300 млн, а её оценка достигла $4 млрд при поддержке таких гигантов, как Nvidia, Toyota и Adobe.
