World Labs 发布 Frameboy，实现 Atlas 实时探索

World Labs 于 2026 年 11 月 5 日发布了 Frameboy。这是一款研究预览版产品。据该公司介绍，用户操控摄像机时，Frameboy 可将 Atlas 生成的场景从云端 GPU 实时传输到浏览器，速度最高可达每秒 15 帧。该公司还将这一模式集成到了 Viewfinder 中；这是一款用于构建 3D 场景、目前处于封闭测试阶段的 Web 应用。

从渲染请求转向连续探索

World Labs 表示，Frameboy 背后的 Atlas 优化版本旨在提升 推理速度和效率，同时保持新视角合成质量。此次发布的主要区别在于一种全新的交互循环：用户不再需要先请求生成视频、再等待结果，而是可以连续接收画面，并在探索过程中调整摄像机路径。

World Labs 表示，如果手动触发的 Atlas 视频需要数十秒甚至数分钟才能生成，用户在构建场景和规划摄像机路径时就会更加谨慎，迭代次数也会减少。连续输出让用户能够及时发现不理想的视角并立即调整。这样一来，实验过程就融入了场景导航，而不再被割裂为一系列彼此独立的生成任务。

Atlas 的潜在应用包括为电影拍摄勘察虚拟视角、检查施工现场进度、开发 3D 游戏关卡，以及模拟机器人所处的环境。这些任务都涉及选择或测试视角，这有助于解释为什么 World Labs 将生成延迟视为产品层面的问题，而不只是推理指标。

Viewfinder 先构建场景，再开启实时串流

Frameboy 演示版提供了一系列精选场景，包括 Stanford Quad、Sutro Baths、Palace of Fine Arts、赛博朋克、飞船内部和冰封堡垒。World Labs 表示，用户可以用单张图像创建场景种子，再由 Atlas 生成更多视角，填充 Frameboy 的空间上下文；也可以使用多视角拍摄素材，为导航提供真实地点。

Viewfinder 的功能不止于这份精选列表。用户可以根据自己的输入逐帧构建场景，从不同摄像机角度生成视图，并为 Atlas 生成的每一帧新画面获取颜色和深度信息。随后，Viewfinder 中构建的场景可以作为实时 Frameboy 会话的输入；会话中的叠加画面会在探索过程中串流传输生成帧。

用户可以通过候补名单申请，在封闭测试中试用 Viewfinder；Atlas 刚推出时也正与部分合作伙伴开展早期访问。这种新的串流工作流也属于这些有限开放的项目。

Atlas 架构与 RTFM 的技术传承

World Labs 于 2026 年 9 月 1 日推出了 Atlas，并将其称为一种全模态世界模型。Atlas 从零开始预训练，可原生处理文本、图像、视频和 3D 内容。它采用多模态自回归扩散 Transformer，将输入内容映射到 3D 空间中以形成空间上下文，然后根据先前的序列元素逐个生成新元素。它支持文本、图像、摄像机姿态和 3D 深度图作为输入；视频则以图像序列表示，每张图像或深度图都会以明确的摄像机姿态为条件。

World Labs 表示，Atlas 能够在摄像机控制下生成最长 1 分钟的 1440p 视频，并根据稀疏的输入图像重建真实场景。它还可以生成点云和 3D 高斯泼溅，从而在生成图像和视频之外，也提供明确的 3D 输出。

Frameboy 延续了 RTFM 的研究路线。RTFM 于 2025 年 10 月 16 日发布，是一款研究预览版，目标是在单块 H100 GPU 上达到交互式帧率。RTFM 被设计为一种学习式渲染器，无需构建明确的 3D 表示，就能生成新的 2D 视图。它将带有姿态信息的帧用作空间记忆，并通过上下文调度为每个新视图检索邻近帧，从而避免在不断增长的帧历史记录上执行注意力计算。

World Labs 表示，Atlas 将 RTFM 的概念扩展到了规模大得多的模型上，其训练数据也多出几个数量级。RTFM 的主要设计目标是在已有视角之间进行插值；Atlas 则能仅凭一张图像或一段文字描述从零生成场景，同时保留根据图像集合合成新视角的能力。

云端算力仍是制约因素

World Labs 表示，Frameboy 目前需要依靠性能强大的云端 GPU 服务器，与本地渲染方式相比，成本并不低。

该公司预计，硬件和软件不断发展后，这项技术将变得更快、成本也会更低。因此，这款预览版的核心取舍十分明显：连续的摄像机控制生成已能传输到浏览器，但维持这种体验所需的云端推理仍是其难以日常普及的现实障碍。