焦点快播：李飞飞团队推出Frameboy，Atlas世界模型迎来实时漫游交互

World Labs于2026年11月5日发布Frameboy研究预览版。该工具可将Atlas生成的场景通过云端GPU串流至浏览器，最高帧率可达15帧/秒，用户能够自由操控相机。公司同时将该实时交互模式集成进自家封闭测试网页应用View finder，这款应用用于搭建3D场景。

从单次渲染请求到连续漫游探索

【资料图】

World Labs表示，支撑Frameboy的Atlas优化版本，在保证新视角合成质量的前提下，实现了更快、效率更高的推理。本次发布最核心的变化是全新交互逻辑：用户不再需要提交视频生成请求、等待成品返回，而是持续接收画面帧，并且可以在漫游过程中随时改变相机行进路线。

World Labs称，原先手动触发Atlas生成视频需要数十秒甚至数分钟，这会让用户在搭建场景、规划相机路径时变得保守，迭代次数变少。而连续输出画面后，用户一旦看到不理想的视角，可以立刻调整。这让试错调试融入漫游操作，而不是割裂成一次次独立的生成任务。

Atlas的潜在应用场景包括：为影视拍摄预选虚拟机位、检查工地施工进度、制作3D游戏关卡、为机器人仿真环境。这类工作都需要挑选、测试视角，这也解释了为什么World Labs把生成延迟当成产品层面的核心问题，而不只是单纯的推理技术指标。

View finder：先搭建场景，再开启串流漫游

Frameboy演示内置精选场景列表：斯坦福四方院、苏托浴场、艺术宫、赛博朋克场景、飞船内部、冰封堡垒。World Labs称，场景可以由单张图片作为初始种子，Atlas会生成更多视角画面，填充Frameboy的空间环境；也可以使用多视角实拍素材，生成可供漫游的真实地点。

View finder的能力不止局限于预设场景。用户可以上传素材，逐帧搭建场景、生成不同机位的画面，Atlas输出的每一帧都附带色彩信息与深度图。在View finder里建好的场景，可以直接导入Frameboy开启实时漫游，漫游过程中叠加串流生成的新画面。

View finder目前为封闭内测，需要排队申请；Atlas发布之初也仅对少数合作方开放早期访问。这套全新串流工作流同样处于受限访问计划内。

Atlas架构与RTFM技术脉络

World Labs在2026年9月1日推出Atlas，它是一款从零预训练的全域世界模型，原生支持文本、图像、视频、3D多模态输入。这款多模态自回归扩散变换器会将输入信息锚定在三维空间形成空间上下文，再基于前面生成的内容，逐一生成序列元素。支持的输入包括文本、图片、相机位姿、3D深度图；视频被拆解为图像序列，每一张图像和深度图都绑定明确的相机位姿。

World Labs介绍，Atlas可以生成最长1分钟、支持相机操控的1440p视频，也能依靠少量输入图片重建真实场景；同时还可以输出点云、3D高斯溅射，也就是说除图片和视频之外，模型能够直接输出显式三维数据。

Frameboy的技术前身是RTFM——2025年10月16日发布的研究预览版本，当时目标是在单张H100显卡上实现可交互帧率。RTFM属于可学习渲染器，它不需要构建显式三维表征，直接生成全新2D视角；它把带位姿的画面作为空间记忆，通过上下文调度调取邻近画面生成新视角，避免对不断变长的画面序列做注意力计算。

World Labs表示，Atlas在RTFM的思路基础上做了规模化升级：模型体量更大、训练数据提升数个数量级。RTFM主要用于在已有视角之间做插值；Atlas既可以仅凭一张图片或者一句提示词从零生成场景，同时也保留基于多张图片做新视角合成的能力。

算力瓶颈仍在云端

World Labs坦言，当前Frameboy需要高性能云端GPU服务器支撑，对比本地渲染方案，成本并不低。

公司期待软硬件持续迭代，让这项技术速度更快、成本更低。这次预览版的取舍十分清晰：用户现在已经可以在浏览器里体验可控相机的连续生成效果，但维持这套能力所需的云端推理，仍是大规模日常使用的现实阻碍。

关键词