世界模型终于能实时玩了:World Labs Frameboy 把 Atlas 搬进浏览器,15fps 边走边生成
11 月 5 日 World Labs 发布 Frameboy 研究预览,把世界模型 Atlas 以最高每秒 15 帧实时流式传输到浏览器里,相机由你控制。生成从“等结果”变成了“边走边看”。

11 月 5 日,李飞飞创立的 World Labs 发布了一个叫 Frameboy 的研究预览:它把自家的世界模型 Atlas 搬进了浏览器,你可以像玩游戏一样控制相机,在 AI 生成的 3D 世界里实时走动,画面由云端 GPU 以最高每秒 15 帧的速度流式传输到浏览器里。这不是又一个“输入提示词、等一分钟、看一段视频”的演示,而是一次交互范式的变化:世界模型第一次以“可交互的渲染器”的面貌出现,而不是以“离线生成器”的面貌出现。
先说一句判断。过去两个月,世界模型领域最热闹的新闻大多是“能生成多长的视频、多高的分辨率”;Frameboy 换了一个问题来问:生成速度快到可以实时交互之后,人的创作方式会发生什么变化?World Labs 自己的答案写在官方博客里:当生成一张图的代价接近于零,坏主意就不再是错误,而只是探索。这个判断值不值得信,要看 15fps 背后的代价——但问题本身问对了方向。

一、Frameboy 到底是什么
先把三个名字分清楚,因为它们很容易混在一起。Atlas 是 World Labs 在 2026 年 9 月 1 日发布的世界模型,一个自回归模型:它一帧一帧地生成画面,每一帧都以上下文与之前生成的内容为依据,并且支持像素级的相机控制。你可以给它一张图、一句文字描述,或者几张从不同角度拍的实景照片,它就能以此为种子生成一个可以探索的 3D 世界,最长可生成一分钟的 1440p 视频,也能从稀疏的输入图像重建真实场景,并输出点云与 3D 高斯泼溅。
Frameboy 是跑在 Atlas 上的一个实时演示:它用的是一个为速度与效率高度优化过的 Atlas 变体,在保持新视角合成能力的同时,把推理做得足够快、足够便宜,得以把画面从云端 GPU 实时流式传输到浏览器,最高 15 帧每秒。公开演示目前只提供官方预设的场景——据上手报道,包括斯坦福方院、Sutro Baths、艺术宫等实景地标,以及赛博朋克、飞船内舱、冰雪堡垒等虚构场景——你可以在里面控制相机自由走动,但还不能上传自己的照片。
第三个名字是 Viewfinder,这是 World Labs 的一个网页应用,同样包着 Atlas:你可以用自己的输入一帧一帧搭建场景,每生成一帧,Atlas 会同时给出颜色与深度,让你像使用虚拟相机一样从不同角度生成 3D 一致的视图;搭好之后,一键触发 Frameboy 浮层,就可以把这个静态搭建好的世界变成实时漫游的游乐场。Viewfinder 目前处于封闭测试阶段,需要加入等候名单才能体验。
访问门槛是这次发布里最友好的一部分:Frameboy 的公开演示直接跑在浏览器里,据上手指南,不需要下载、不需要注册、不需要游戏引擎,打开 frameboy.worldlabs.ai 就能走进去。官方博客里给的入口就是这个域名,点开之后先连上云端 GPU 服务器,第一个场景出现之前要等一下——这个等待本身就是理解 Frameboy 的第一课:你看到的每一帧,都是远端模型现算出来再传回来的,不是本地存在那里的贴图。这种“先连服务器、再进世界”的结构,也决定了它的体验下限:网速与服务器负载会直接反映在帧率上,15fps 是上限,不是保证值。
二、为什么速度是关键
官方博客里花了整整一节讲“速度为什么重要”,这段话值得原样转述它的逻辑:如果 Atlas 生成一段视频要等几十秒甚至几分钟,用户就会被迫谨慎、按部就班地搭建场景、规划相机路径,迭代周期被拉长,也很难打磨出想要的结果。反过来,如果模型能以接近交互的速度出图,用户就可以快速凭直觉调整输入;当一个“坏主意”的成本接近于零,就不存在坏主意——原来代价高昂的错误,现在只不过是探索。
这段话背后是一个更 general 的判断:慢速生成模型要求人做谨慎、深思熟虑的提示,认知负荷很高;而实时模型允许快速、直觉式的探索。一旦延迟与成本降到足够低,用户甚至不再感知到一个离散的“生成”动作——模型只是在你穿行场景时持续把画面流式传回来。World Labs 说,在围绕 Atlas 的实时变体搭建早期原型之后,他们意识到,用这种方式与模型交互,与手动触发逐帧生成“完全是两种不同的体验”。
对做产品的人来说,这个逻辑不难翻译成具体场景:游戏关卡的概念设计,过去是画原画、建白模、进引擎测试,一轮下来以天计;如果世界模型能实时生成可漫游的关卡草稿,关卡设计师就可以在“走进去看看”的过程中改设计。影视勘景也一样:过去要派人去实地踩点,现在可以先在生成的场景里虚拟走一遍,定下机位再去实地。机器人仿真、施工进度巡检、建筑可视化,都是同一个模式——先有一个能实时走进去的世界,再谈别的。
三、从 RTFM 到 Atlas:这次不一样在哪
Frameboy 的名字和形态其实有来头。World Labs 去年发布过一个叫 RTFM 的研究预览,那是一个高效轻量的帧生成模型,主要能力是在一组已有的视角之间做插值。Atlas 沿用了 RTFM 的思路,但把它放大了一个量级:模型更大,训练数据多出几个数量级,能力也从“在已有视角之间插值”变成了“从零生成场景”——最少只需要一张输入图或一句文字描述,就能生成整个场景。
Frameboy 里的每个场景都是从一张输入图开始的:Atlas 先生成一组额外的视角来塑造场景的其余部分,再把这些视角放进 Frameboy 的空间上下文里,让人可以交互式地探索。同时,Atlas 保留并改进了 RTFM 从多张图像做新视角合成的能力:你可以用多视角拍摄的真实地点作为输入,在演示里重访那些 recognizable 的真实场景——在官方博客的说法里,这意味着你可以用 Frameboy 在著名地标周围导航,也可以用它为电影拍摄勘察虚拟机位、为机器人导航模拟环境。
这里要提醒一句:15fps 听起来不高,但它是一个分水岭数字。低于这个帧率,交互会感觉一卡一卡,“实时”就只是个说法;到了 15fps,相机控制第一次有了“能用”的感觉,哪怕还远谈不上流畅。World Labs 选在这个节点发布 Frameboy,而不是等到 30fps 或 60fps,本身就是一个表态:他们认为交互范式比帧率数字更值得先拿出来验证。
四、“研究预览”这四个字是什么意思
官方博客给 Frameboy 的定性是“研究预览”(research preview),这四个字值得认真对待。它意味着三件事:第一,没有服务等级承诺,今天能跑的演示,明天可能因为成本、负载或产品方向调整而变慢、换场景、甚至下线;第二,能力边界是故意收窄的——公开演示只给预设场景,自定义输入要去排 Viewfinder 的队,Atlas 的大规模开放时间表也没有公布;第三,反馈回路是开放的,World Labs 明确说会“继续探索这项技术的潜力”,也就是说 Frameboy 首先是一个用来收集真实使用反馈的探针,其次才是一个产品。
对想把它用进工作的人来说,这个定性直接决定了姿势:你可以把它当作灵感来源与范式参考,但不要把它写进任何对客户或对团队有承诺的路线图里。研究预览的价值在于“提前看到”,而不是“现在能用”。这也是 World Labs 选在 15fps 这个节点发布的原因之一——他们要验证的不是帧率,而是“人愿不愿意用实时交互的方式与世界模型打交道”。如果答案是肯定的,帧率、成本、开放范围这些工程问题才值得继续往下砸资源;如果答案是否定的,再高的帧率也没有意义。
还有一个细节值得注意:Frameboy 的形态——一个掌机造型的官方宣传图、几个场景卡带——本身就在暗示 World Labs 对它的定位:它更像一台“能玩的概念机”,而不是一个生产工具。宣传图里那台蓝色掌机、MOVE 与 LOOK 两个摇杆、RESET 与 STOP 两个按钮,都是在告诉你,这个东西首先是“好玩的”,其次才是“有用的”。对 vibe coding 的人来说,这个信号其实很友好:它降低了尝试的心理门槛,你不需要先读完一篇论文、也不需要先申请 API,就能直接上手感受世界模型交互起来是什么感觉。
五、诚实的一面:15fps 背后的代价
官方博客没有回避 Frameboy 的短板,而且写得很直白:Frameboy 目前必须跑在云端强大的 GPU 服务器上,与本地渲染方法相比“并不便宜”。换句话说,这次实时体验的代价是云端推理成本——每一帧都是模型在云端现算的,不是本地光栅化渲染的。World Labs 的表态是“如果历史有任何启示,起初缓慢而昂贵的东西,会随着硬件与软件的演进而变得快速而便宜”,这话没错,但它也等于承认:Frameboy 现在是一个研究预览,不是一个有价格表的产品。
限制还不止成本。公开演示的场景是官方预设的,不能上传自己的照片——想用自己的输入搭建世界,得去排 Viewfinder 的等候名单,而 Viewfinder 还在封闭测试中。Atlas 本身在 9 月发布时也只向部分合作伙伴开放了早期访问,大规模开放的时间表没有公布。也就是说,今天的普通用户能做的,就是打开浏览器里的 Frameboy,在官方给定的几个场景里走一走,感受一下交互本身。
还有一层背景值得知道:2026 年 9 月底,AMD 宣布以约 82 亿美元的全股票交易收购 World Labs,预计在 2026 年底前完成,李飞飞将出任 AMD 执行副总裁兼首席科学家。这笔收购是 Frameboy 发布时最大的场外变量——它意味着 Atlas 未来的算力与商业化路径,很可能与 AMD 的硬件路线图绑在一起。对 vibe coding 的人来说,这件事的直接意义有限,但它解释了 World Labs 为什么敢在这个节点把实时演示公开:背后有收购带来的算力与资金预期。
六、对 vibe coding 的人来说,世界模型正在变成“生成式渲染器”
为什么 VibeFix 要写一篇世界模型的新闻?因为它关系到 vibe coding 下一步能做什么。今天用 AI 编程做 3D 游戏或互动体验,流程还是传统的:生成素材、导入引擎、写逻辑、测试。世界模型指向的是另一种流程:先让模型生成一个世界,再在里面边走边改——关卡、场景、机位,都在与模型的实时交互中定下来。World Labs 在博客里用的词是“生成式渲染器”(generative renderer):模型不再只是内容的生产者,而是可以交互式地构建与可视化复杂 3D 世界的渲染器本身。
但要把边界说清楚。Frameboy 今天不是一个可以集成进产品的工具:没有 API,没有可编程的接口,公开演示只有预设场景,Viewfinder 还要排队。把它理解成“世界模型的交互范式验证”,比理解成“新工具发布”更准确。对正在做游戏、3D 体验、虚拟空间的 vibe coder 来说,现在最值得做的事不是等 Atlas 开放,而是先去玩一玩 Frameboy 的公开演示,感受一下“相机控制 + 实时生成”这种交互本身——因为一旦这种范式成熟,它会改变你组织 3D 内容生产的方式:从“先建模、再渲染、再测试”,变成“先生一个世界、走进去看看、边走边改”。
还有一个更实际的判断。15fps 的实时世界模型,离“能用在产品里”还有几道坎:帧率要再往上走,成本要再往下降,场景要支持用户自己的输入,生成内容要能稳定地导出为引擎可用的资产。World Labs 的路线图里,Viewfinder 就是往“用户自己的输入”这一步走的——先在 Viewfinder 里一帧一帧搭场景,再用 Frameboy 实时漫游。这条路走通了,世界模型才会从“演示”变成“工具”。在那之前,Frameboy 的价值是让你提前看到交互范式长什么样,而不是让你今天就用它交差。
今天就能做的三件事:第一,打开 frameboy.worldlabs.ai,把官方给的几个场景都走一遍,重点感受两件事——相机转起来的时候,场景的 3D 一致性有没有穿帮;走得快的时候,画面跟不跟得上。第二,去 Viewfinder 的等候名单上排个队——这是目前唯一能用自己的输入搭场景的入口,排队本身不花钱,轮到你的时候再决定要不要认真试。第三,据报道,李飞飞将于 11 月 11 日在机器人学习大会 CoRL 上介绍 Atlas,并与 AMD 首席执行官 Lisa Su 同台对话,那场演讲里关于 Atlas 下一步的说法,值得在发布之后再回来看一次——它会决定 Frameboy 到底是 World Labs 的一个小演示,还是 Atlas 商业化路线上的一块正式拼图。
一句话总结:Frameboy 的意义不在 15fps 这个数字本身,而在于它证明了世界模型可以实时、可交互地跑在浏览器里——生成从“等结果”变成了“边走边看”。这一步走通之后,留给 vibe coding 的问题就变成了:当世界可以现生成、现探索,你的产品还需要预先建模吗?