Frameboy streamt ein World Model mit 15 FPS in den Browser. Die Bildrate ist das Argument.

World Labs hat am 5. November eine Research Preview veröffentlicht, in der man durch eine aus einem einzigen Foto erzeugte Welt laufen kann. Sie läuft in einem Browser-Tab. Die Frames werden auf Cloud-GPUs gerendert und während der Kamerasteuerung mit bis zu 15 pro Sekunde gestreamt.
Die Demo heißt Frameboy und ist als Handheld-Konsole verkleidet. Man wählt eine Cartridge, wartet ein paar Sekunden, und dann ist man in einem Raum, den es vor dem Klick nicht gab. Das Steuerkreuz bewegt einen. Der Stick dreht den Kopf. Es ruckelt ein wenig, weil 15 Bilder pro Sekunde 15 Bilder pro Sekunde sind.
World Labs weiß das. Die eigene Formulierung des Unternehmens: Das ist eine Preview, sie muss auf Cloud-Hardware laufen, und sie kostet mehr als lokales Rendering. Worauf es aufmerksam machen will, ist etwas anderes.
Die Behauptung betrifft Iterationskosten, nicht Detailtreue
Wenn Atlas für eine Einstellung zehn Sekunden oder mehrere Minuten braucht, plant man sorgfältig. Man wählt einen Kamerapfad, legt sich fest, wartet, schaut sich das Ergebnis an, ändert eine Sache und wartet wieder. Jeder Versuch kostet Minuten und Aufmerksamkeit, also macht man weniger Versuche, und die, die man macht, sind konservativ.
Senkt man die Wartezeit fast auf null, kippt die Ökonomie. World Labs formuliert es so: Wenn eine schlechte Idee fast nichts kostet, gibt es keine schlechten Ideen. Was ein Fehler war, wird Erkundung.
Das ist eine Aussage über Arbeitsabläufe, und sie lässt sich leicht an den eigenen Gewohnheiten prüfen. Wer ein langsames generatives Videowerkzeug benutzt hat, kennt den besonderen kognitiven Zustand des Prompt-Hortens. Man schreibt drei, überlegt, welchen man ausgibt, und nimmt den sicheren. Ein Werkzeug, das sofort antwortet, bekommt zwanzig Prompts, und der zwanzigste ist der, den man nie getippt hätte, wenn man vorsichtig gewesen wäre.
Fünfzehn Bilder pro Sekunde liegen unter dem, was ein Headset braucht, und unter dem Gefühl eines Spiels. Es reicht, damit sich die Schleife wie Lenken anfühlt statt wie Bestellen. Dieser Unterschied leistet in diesem Release die meiste Arbeit.
Was Atlas tatsächlich ist
Atlas ist Anfang September erschienen. Die Designentscheidung, die es von früheren World Models trennt, ist der Kontext. Die meisten generativen Videosysteme konditionieren auf einen Text-Prompt und eine Zeitachse. Atlas konditioniert auf einen räumlichen Kontext, eine geteilte Repräsentation, die Text, Bilder, Video und 3D-Eingaben aufnehmen kann, und erzeugt das nächste Frame aus einer Kamerapose darin.
Der Vorgänger RTFM konnte zwischen bereits vorhandenen Blickpunkten interpolieren. Atlas erzeugt Szenen von Grund auf, aus nur einem Bild oder einer Bildunterschrift. Die Fähigkeit zur Novel-View-Synthese ist geblieben, man kann ihm also ein paar Fotos eines realen Ortes geben und zwischen ihnen und darüber hinaus navigieren.
Frameboy liefert eine Variante von Atlas, die hart auf Inferenzgeschwindigkeit getrimmt ist. Das Unternehmen sagt, das Tuning habe bei der Qualität neuer Ansichten nichts gekostet, und das ist die Art von Aussage, die nur ein externer Test klärt.
In der Demo sind zwei Konstruktionswege offen. Beim ersten gibt man ein Bild, und Atlas dehnt sich nach außen aus und erfindet die Blickpunkte, die den Rest der Szene füllen. Beim zweiten gibt man einen kleinen Satz Fotos eines realen Wahrzeichens, und es rekonstruiert den Raum so weit, dass man hindurchlaufen kann. Der erste ist eindrucksvoller. Der zweite ist nützlicher, weil das Vorscouten eines Ortes, den man tatsächlich besuchen kann, eine Aufgabe ist, für die Menschen schon bezahlen.
Ausgeliefert wird Viewfinder
Die Demo-Welten sind kuratiert. Man kann noch keine eigenen Fotos hochladen und einen begehbaren Raum erzeugen, zumindest nicht über den öffentlichen Weg.
Diese Fähigkeit steckt in Viewfinder, der Web-App von World Labs, um Szenen Frame für Frame zu bauen, die sich in geschlossener Beta befindet. Jedes erzeugte Frame trägt Farbe und Tiefe. Ist eine Szene zusammengesetzt, streamt ein Frameboy-Overlay ihre Live-Erkundung. Die Pipeline lautet: offline bauen, in Echtzeit erkunden.
Frames mit Tiefe sind der Hinweis. Ein System, das flache Bilder ausgibt, ist ein Videogenerator. Ein System, das pro Frame Farbe plus Tiefe ausgibt, ist ein Renderer, den andere Software konsumieren kann, und deshalb landet die eigene Beschreibung des Unternehmens bei "generativer Renderer der nächsten Generation" statt bei "Videomodell".
Die Hardware-Frage darunter
Frameboy kam sechs Wochen, nachdem AMD angekündigt hatte, World Labs in einem reinen Aktientausch im Wert von rund 8.2 Milliarden Dollar zu übernehmen. Die Transaktion soll vor Ende 2026 abgeschlossen werden, vorbehaltlich der regulatorischen Genehmigung. Li Fei-Fei, Mitgründerin von World Labs, soll Executive Vice President und Chief Scientist von AMD werden und an Lisa Su berichten.
Die Zusammenarbeit ist älter als der Deal. Die beiden Unternehmen haben das vergangene Jahr damit verbracht, die Modelle von World Labs für Training und Inferenz auf AMD-GPUs zu optimieren. Frameboy dient also auch als Nachweis, dass ein Echtzeit-World-Model auf den Beschleunigern eines einzigen Anbieters laufen kann, schnell genug für ein interaktives Produkt.
Dieser Kontext erklärt die ehrlichen Einschränkungen in der Ankündigung. Lokal läuft das für Verbraucher nicht. Cloud-GPU-Zeit kostet mehr als lokales Rendering, und das sagt das Unternehmen direkt, zusammen mit der Prognose, dass Hardware und Algorithmen sich aneinander anpassen und das Ganze billiger wird. Das darf ein Unternehmen mit einem Accelerator-Partner laut sagen.
Was noch fehlt
Die Liste ist kurz und konkret.
Fünfzehn Bilder pro Sekunde brechen bei schnellen Kamerabewegungen ein. Lange Schwenks durch eine Szene verlieren an Stabilität. Der öffentliche Zugang ist auf kuratierte Welten beschränkt, die interessante Frage, was passiert, wenn jemand einen unordentlichen Satz Handyfotos aus schlechtem Winkel hochlädt, bleibt unbeantwortet. Viewfinder ist geschlossene Beta. Es gibt keinen Preis, kein SLA und keine Aussage dazu, wie lange eine Sitzung laufen kann, bevor die Qualität abdriftet.
Es gibt außerdem ein subtileres Problem, das niemand gelöst hat. Novel-View-Synthese scheitert auf charakteristische Weise: Das Modell weiß nicht, was hinter dem Sofa ist, also erfindet es etwas Plausibles und widerspricht sich dann, wenn man herumkommt. Konsistenz über eine volle Umrundung ist der Test, der eine Demo von einem Werkzeug trennt, und die Demo-Szenen sind ausgewählt, um gut auszusehen.
Nichts davon entwertet das Release. Das Interessante an Frameboy ist, dass es eine messbare, widerlegbare Aussage darüber macht, wie Menschen arbeiten: Verkürze die Rückkopplungsschleife weit genug, und die Art, wie du das Werkzeug benutzt, ändert sich mit seiner Geschwindigkeit. Diese Aussage lässt sich prüfen. Gib einem Previz-Team eine langsame und eine schnelle Version desselben Modells und zähle, wie viele Kamerapfade es probiert.
Steigt die Zahl, hat das World-Model-Geschäft ein Produkt. Steigt sie nicht, dann sind 15 Bilder pro Sekunde eine Zahl in einer Pressemitteilung, und der echte Markt bleibt, wo er jetzt ist: Offline-Generierung, sorgfältige Planung und viel Warten.
Verwandte Artikel
Eine community-gepflegte Tabelle von Taps, die Werbung in chinesischen Android-Builds abschaltet
Es fasst das System nicht an, entsperrt nichts, flasht nichts. Es legt nur die Schalter um, die die Hersteller ohnehin vorgesehen haben. Der Preis ist eine Liste, die jemand weiterführen muss.
GPT Image 2.6 hielt den Tokenpreis und erhöhte die Rechnung
GPT Image 2.6 übernimmt jeden Tokenpreis von 2.5 und kostet pro Bild dennoch mehr, weil ein größerer Teil der Arbeit in Ausgabe-Token landet. Elf Tage nach dem Start sagt die Preisstruktur mehr als jede Rangliste.
Jemand hat IDM von außen nachgebaut und aufgeschrieben, was er nicht angefasst hat
Eine Rust-Neuimplementierung von Internet Download Manager verspricht 5x Tempo und 86 Sprachen. Das interessantere Dokument ist der Absatz, der erklärt, wie sie ohne jede Kopie entstanden ist.
Rune ist ein Rust-UI-Framework, das gebaut wurde, damit ein Agent seine eigene Arbeit prüfen kann
Rune rendert headless, gibt seinen Elementbaum aus und nimmt geskriptete Eingaben an. Damit bekommt ein Coding-Agent ein Signal zum Diffen, das ein Screenshot nie liefert. Das Framework ist Pre-Release und nimmt keine Pull Requests an.