按下生成键，对着进度条等上几分钟，这是玩世界模型的人都熬过的日子。 2026 年 11 月 5 日 ，李飞飞的 World Labs 把这段等待砍掉了。团队上线了一个叫 Frameboy 的研究预览版，把自家的世界模型 Atlas 塞进一台复古掌机形状的壳子里。
浏览器打开就能玩，云端 GPU 以最高 15 fps 的帧率往你屏幕上推流，单张图片生成的 3D 世界里，你开着虚拟相机随便走。 走错方向，鼠标一划换个角度就行 。
— GIF 动图，Frameboy 官方主演示，卡带插入复古掌机后世界随镜头实时变化（来源 World Labs 官方博客演示视频）
复古掌机里装的不是游戏
Frameboy 的样子很容易让人想起 Game Boy。深灰机身，左侧十字键负责移动，右侧一个摇杆负责转视角，机身下方还有一块像素风的小计时屏。区别在于这台掌机不装游戏卡带， 装的是世界 。
官方给每个场景做了一张卡带图，点击切换。可逛的世界包括一条动画风格的街道、一座哥特式中庭、飞船内饰、冰封堡垒和赛博朋克街区。IT 之家在 11 月 6 日做了实测，场景加载要十几秒，之后就能自由探索，十字键和摇杆支持触屏与键盘两种操作。
— Frameboy 官方界面，屏幕里的场景由 Atlas 生成，两侧漂浮的是可选场景卡带（来源 World Labs 官方博客）
技术上的关键变化只有一条。Atlas 的一个高度优化变体在云端 GPU 上跑推理，画面以视频流的形式串到浏览器里，最高帧率 15 fps 。换算下来大约每 67 毫秒给你一帧新画面。你在屏幕上看到的每一眼，都是模型当场算出来的。
从按下生成到边走边生成
要看懂 15 fps 的分量，得先看 Atlas 是个什么东西。 2026 年 9 月 1 日 ，World Labs 发布了这个多模态自回归扩散 Transformer 模型。它处理输入的方式和语言模型很像，先把图片、文本编码成上下文，再生成后面的内容。差别在于 Atlas 给每一张输入图都标了相机位姿，把图像锚定在三维空间的具体位置上，这套东西官方叫 空间上下文 。你给一张客厅照片，它能补出沙发背后长什么样；给一张机器人正面照，它能猜出背面。
Frameboy 玩的是这套机制的一个新用法。先用一张图做种子，让 Atlas 生成一圈周边视角，全部放进空间上下文。之后你转动相机，模型就沿着这个上下文 持续往外推新帧 ，画面跟着你的操作连续更新。
这套思路有前身。2025 年 World Labs 放过一个轻量帧生成模型 RTFM 的研究预览版，当时的复古掌机形态就是从那来的。但 RTFM 只能在已有的几个视角之间做插值，Atlas 的模型规模和训练数据量都大了好几个数量级，可以从一张图甚至一句话从零生成整个场景。
「生成变成流，试错成本归零，逛世界和打开一个游戏没有区别。」
速度为什么这么要紧，官方博客讲得很直白。生成要等几十秒，你就得小心翼翼规划每一次点击，一个烂想法的代价太高，人就不敢乱试。 人就不敢乱试，成本一低，烂想法也值得跑一遍 。
把同行摆进来看更有意思。谷歌 DeepMind 在 2025 年 8 月发布的 Genie 3 能在 720p 分辨率下跑到 24 fps 实时交互，Frameboy 是 15 fps，但 Atlas 的画面分辨率最高能到 1440p 。一边帧率高，一边画面细，两边各自押了一个方向。
— GIF 动图，单张图片生成出的可漫游世界，画面随相机操作实时更新（来源 World Labs 官方博客演示视频）
自己搭的世界，自己实时逛
只在官方圈好的场景里逛，显然不够。World Labs 把实时能力同时塞进了自家网页应用 Viewfinder ，做成流式叠加渲染模式。Viewfinder 处在封闭测试阶段，官网开了候补名单。
流程是这样的。你上传一张图当起点，操控虚拟相机一步步往外走，Atlas 逐帧生成新画面，每一帧都带 颜色和深度信息 ，帮你对齐正在搭的三维空间。场景主体搭完，一键唤起 Frameboy 叠加层，刚才还在逐帧生成的静态工程，立刻变成能实时串流的可逛世界。
官方对这个未来的说法是，想让 Atlas 这类模型成为 生成式渲染器 。输入是一组图，输出是一个可以走进去的三维空间。拿几张实景照片还原真实地标，已经能在 Frameboy 里直接体验，Sutro Baths 遗址和旧金山艺术宫都有现成场景。
— GIF 动图，在 Viewfinder 中逐帧搭建飞船内饰场景并开启实时漫游（来源 World Labs 官方博客演示视频）
短板都摆在明面上
吹的部分讲完了，槽点同样清楚。
第一是帧率 。15 fps 距离常规交互图形 30 到 60 fps 的标准还有距离，IT 之家的实测原话是操作稍微有些卡顿。快速转动视角时，画面跟不上手是能感觉到的。
第二是钱 。Frameboy 必须跑在云端高性能 GPU 服务器上，官方博客自己承认，跟本地渲染方法比，这个成本不算便宜。你现在玩的每一分钟，背后都有真金白银的算力账单，这决定了它暂时只能是个演示，做不成产品。
第三是开放程度 。公开 demo 只有官方挑好的场景，想逛自己搭的世界，得去 Viewfinder 排候补名单，放多少号、什么时候放，官方没给时间表。
还有没验证的东西。Atlas 脑补出来的画面，短距离漫游的三维一致性官方演示里确实漂亮，但 长时间、大范围探索之后会不会糊、会不会穿模 ，官方没有给出长时测试数据。在 DTU 等公开数据集上，Atlas 的稀疏视角重建误差做到 25.3，优于多个专用 3D 重建模型，可 benchmark 和开放世界里的长时间表现，中间隔着不短的距离。
— GIF 动图，用多视角照片还原的真实地标场景，在浏览器里实时漫游（来源 World Labs 官方博客演示视频）
AMD 82 亿收购后的第一份答卷
这次发布还有个背景值得单独讲。 2026 年 9 月 28 日 ，AMD 官宣以约 82 亿美元全股票收购 World Labs，折合人民币约 550 亿元，是 AMD 历史上仅次于赛灵思的第二大收购，预计 2026 年底完成交割。
这家公司 2024 年 9 月由李飞飞和 Justin Johnson、Ben Mildenhall、Christoph Lassner 联合创办，启动资金 2.3 亿美元，收购前一轮估值 50 亿美元。交易完成后， 李飞飞出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报 ，原团队由 Justin Johnson 和 Ben Mildenhall 带队继续做空间模型。
回过头看，Frameboy 对算力的胃口恰好解释了这桩买卖。实时世界模型是吞算力的机器，AMD 拿到 World Labs，等于在第一时间摸清下一代世界模型的真实负载特征，反过来指导自家 GPU 架构和 ROCm 软件栈的规划。李飞飞团队拿到的，是跟芯片团队贴身打磨算子的机会。收购公告里她的话是，下一代 AI 需要 模型研究、系统与算力的紧密协同 。
— 李飞飞与 AMD CEO 苏姿丰在收购签约现场（来源 World Labs 官方博客）
Frameboy 因此可以看成收购交割前的第一次表态。模型在前面秀能力，算力在后面接成本，两边各取所需。
写在最后
从 2025 年的 RTFM 到 2026 年 9 月的 Atlas，再到 11 月 5 日的 Frameboy，World Labs 两年里走的是同一条线，把生成视频做成生成世界，再把生成世界做成走进世界。 15 fps 和云端 GPU 账单摆在眼前 ，这两个数字接下来的变化速度，比任何发布会文案都值得盯。