KI-Modelle und Plattformen
World Labs veröffentlicht Frameboy zur Erkundung von Atlas in Echtzeit
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
World Labs hat Frameboy am 5. November 2026 veröffentlicht – eine Forschungsvorschau, die laut Unternehmen von Atlas erzeugte Szenen von Cloud-GPUs mit bis zu 15 Bildern pro Sekunde an einen Browser überträgt, während Nutzer die Kamera steuern. Außerdem integrierte das Unternehmen den Modus in Viewfinder, seine Web-App zum Erstellen von 3D-Szenen, die sich derzeit in einer geschlossenen Betaphase befindet.
Von Renderaufträgen zur kontinuierlichen Erkundung
Laut World Labs ist die optimierte Atlas-Variante hinter Frameboy auf schnellere und effizientere Inferenz ausgelegt, ohne Abstriche bei der Qualität der Synthese neuer Ansichten zu machen. Die wichtigste Neuerung ist eine andere Interaktionsschleife: Statt ein Video anzufordern und auf das Ergebnis zu warten, erhält der Nutzer kontinuierlich neue Bilder und kann den Kamerapfad während der Erkundung verändern.
Wenn ein manuell gestartetes Atlas-Video zig Sekunden oder mehrere Minuten benötigt, gehen Nutzer laut World Labs beim Erstellen von Szenen und Planen von Kamerapfaden vorsichtiger vor und durchlaufen weniger Iterationen. Die kontinuierliche Ausgabe ermöglicht es ihnen, auf eine unerwünschte Ansicht zu reagieren und sofort Anpassungen vorzunehmen. So wird das Experimentieren in die Navigation integriert, statt es in einer Abfolge separater Generierungsaufträge zu isolieren.
Zu den von World Labs genannten möglichen Anwendungsbereichen für Atlas zählen das Erkunden virtueller Blickwinkel für Filmdrehs, die Überprüfung des Baufortschritts, die Entwicklung von 3D-Spiellevels und die Simulation von Umgebungen für Roboter. Bei diesen Aufgaben geht es darum, Blickwinkel auszuwählen oder zu testen. Das erklärt, warum World Labs die Latenz bei der Generierung als Produktfrage und nicht nur als Inferenzkennzahl behandelt.
Viewfinder erstellt die Szene vor dem Stream
Die Frameboy-Demo bietet eine kuratierte Auswahl mit Stanford Quad, Sutro Baths, Palace of Fine Arts, Cyberpunk, Spaceship Interior und Frozen Fortress. Laut World Labs können Szenen auf Grundlage eines einzelnen Bildes erstellt werden. Atlas generiert dann zusätzliche Blickwinkel, die den räumlichen Kontext von Frameboy ergänzen. Alternativ können Aufnahmen aus mehreren Blickwinkeln reale Orte als Navigationsgrundlage liefern.
Viewfinder geht über diese kuratierte Auswahl hinaus. Nutzer erstellen aus eigenen Eingaben Schritt für Schritt eine Szene, generieren Ansichten aus verschiedenen Kamerawinkeln und erhalten für jedes neue Atlas-Bild sowohl Farb- als auch Tiefeninformationen. Eine in Viewfinder erstellte Szene kann anschließend als Eingabe für eine Frameboy-Sitzung in Echtzeit dienen, in der eine Einblendung während der Erkundung generierte Bilder streamt.
Viewfinder kann nach Aufnahme in eine Warteliste in einer geschlossenen Betaphase getestet werden. Als Atlas vorgestellt wurde, ging das Modell ebenfalls mit ausgewählten Partnern in den frühen Zugang. Der neue Streaming-Ablauf ist Teil dieser Programme mit begrenztem Zugang.
Die Atlas-Architektur und ihre Wurzeln in RTFM
World Labs stellte Atlas am 1. September 2026 als universelles Weltmodell vor, das von Grund auf vortrainiert wurde, um nativ mit Text, Bildern, Video und 3D zu arbeiten. Sein multimodaler autoregressiver Diffusionstransformer verankert Eingaben im 3D-Raum, um einen räumlichen Kontext zu bilden, und generiert anschließend die Elemente einer Sequenz nacheinander, jeweils auf Grundlage der vorherigen Elemente. Zu den unterstützten Eingaben zählen Text, Bilder, Kameraposen und 3D-Tiefenkarten. Videos werden als Bildsequenzen dargestellt, und jedes Bild sowie jede Tiefenkarte wird durch eine explizite Kamerapose ergänzt.
Laut World Labs kann Atlas bis zu eine Minute 1440p-Video mit Kamerasteuerung generieren und reale Szenen aus wenigen Eingabebildern rekonstruieren. Außerdem kann das Modell Punktwolken und 3D-Gaußsche Splats erzeugen und damit neben generierten Bildern und Videos auch explizite 3D-Ausgaben liefern.
Frameboy baut auf RTFM auf, einer am 16. Oktober 2025 veröffentlichten Forschungsvorschau, die interaktive Bildraten auf einer einzelnen H100-GPU anstrebte. RTFM wurde als lernbasierter Renderer konzipiert, der neue 2D-Ansichten erzeugt, ohne eine explizite 3D-Darstellung zu erstellen. Dabei dienten mit Posen versehene Bilder als räumlicher Speicher. Für jede neue Ansicht wurden über Kontext-Juggling benachbarte Bilder abgerufen, sodass keine Aufmerksamkeit über eine immer länger werdende Bildhistorie hinweg erforderlich war.
Laut World Labs führt Atlas die Konzepte von RTFM mit einem wesentlich größeren Modell fort, das mit um Größenordnungen mehr Daten trainiert wurde. RTFM war vor allem darauf ausgelegt, zwischen bestehenden Blickwinkeln zu interpolieren. Atlas kann dagegen Szenen von Grund auf anhand nur eines Bildes oder einer Textbeschreibung erzeugen und zugleich aus Bildsammlungen neue Ansichten synthetisieren.
Die Cloud-Rechenleistung bleibt der Engpass
Laut World Labs benötigt Frameboy derzeit einen leistungsstarken Cloud-GPU-Server und ist im Vergleich zu lokalen Rendering-Verfahren nicht kostengünstig.
Das Unternehmen erwartet, dass Fortschritte bei Hard- und Software die Technologie schneller und kostengünstiger machen werden. Der zentrale Zielkonflikt der Vorschau ist damit klar: Die kontinuierliche, kameragesteuerte Generierung kommt im Browser an, doch die dafür erforderliche Cloud-Inferenz bleibt ein praktisches Hindernis für den regelmäßigen Einsatz.
