Selama setahun terakhir, "world model" telah menjadi salah satu istilah paling sering disalahgunakan di industri AI. Mampu menghasilkan video berkelanjutan disebut world model; mampu membuat pemain berjalan beberapa langkah dalam gambar juga disebut world model; robot, generasi video, 3D, dan kecerdasan tubuh—empat jalur yang sama sekali berbeda—semuanya menempelkan label ini pada diri mereka sendiri. Istilah ini terdengar semakin besar, tetapi maknanya semakin kabur. World Labs sebelumnya melakukan sesuatu yang agak menyinggung rekan seindustri: mereka terlebih dahulu menetapkan standar untuk "world model". Hanya mampu menghasilkan apa yang akan Anda lihat selanjutnya belum cukup; sebuah sistem setidaknya harus tahu di mana benda-benda berada, bagaimana hubungan satu sama lain, dan bagaimana statusnya berubah, baru mulai mendekati simulasi sebuah dunia. Inilah alasan saya menulis artikel ini. Titik balik tahap selanjutnya dari world model mungkin bukan terletak pada seberapa realistis gambar yang dihasilkan, tetapi pada apakah model tersebut memiliki dunia internal yang dapat dibaca, diukur, dan dioperasikan oleh mesin. Atlas masih jauh dari menyelesaikan masalah ini, tetapi setidaknya ia telah menempatkan masalahnya pada jalur yang tepat. Sementara banyak hal yang saat ini disebut world model, jika dilihat kembali, mungkin pada akhirnya hanyalah generator video yang lebih canggih.