← Voltar ao blog
Aicerca de 7 min de leitura

Frameboy transmite um world model para o seu navegador a 15 FPS. A taxa de quadros é o argumento.

Publicado 7 de nov. de 2026
Frameboy transmite um world model para o seu navegador a 15 FPS. A taxa de quadros é o argumento.

A World Labs publicou em 5 de novembro uma prévia de pesquisa que permite caminhar por um mundo gerado a partir de uma única fotografia. Roda numa aba do navegador. Os quadros são renderizados em GPUs na nuvem e transmitidos a até 15 por segundo enquanto você movimenta a câmera.

A demo se chama Frameboy e vem fantasiada de console portátil. Você escolhe um cartucho, espera alguns segundos e então está dentro de uma sala que não existia antes do clique. O direcional move você. O analógico gira sua cabeça. Fica um pouco travado, porque 15 quadros por segundo são 15 quadros por segundo.

A World Labs sabe disso. A formulação da própria empresa é que isto é uma prévia, que precisa rodar em hardware na nuvem e que custa mais do que renderizar localmente. O que ela quer que você note é outra coisa.

A afirmação é sobre custo de iteração, não sobre fidelidade

Se o Atlas leva dezenas de segundos ou vários minutos para devolver um plano, você planeja com cuidado. Escolhe um caminho de câmera, se compromete, espera, olha o resultado, ajusta uma coisa e espera de novo. Cada tentativa tem um preço em minutos e atenção, então você faz menos tentativas, e as que faz são conservadoras.

Reduza a espera a quase nada e a economia se inverte. A World Labs coloca assim: quando o custo de uma ideia ruim é quase zero, não existem ideias ruins. O que era erro vira exploração.

É uma afirmação sobre fluxo de trabalho, e é fácil testar contra seus próprios hábitos. Quem já usou uma ferramenta lenta de vídeo generativo conhece o estado mental específico de acumular prompts. Você escreve três, pensa em qual gastar, escolhe o seguro. Uma ferramenta que responde na hora recebe vinte prompts, e o vigésimo é aquele que você nunca teria digitado se estivesse sendo cuidadoso.

Quinze quadros por segundo ficam abaixo do que um headset precisa e abaixo de parecer um jogo. É o suficiente para o ciclo parecer pilotagem em vez de pedido. Essa distinção faz a maior parte do trabalho neste lançamento.

O que o Atlas realmente é

O Atlas chegou no início de setembro. A escolha de design que o separa dos world models anteriores é o que ele usa como contexto. A maioria dos sistemas de vídeo generativo se condiciona a um prompt de texto e um eixo temporal. O Atlas se condiciona a um contexto espacial, uma representação compartilhada capaz de absorver texto, imagens, vídeo e entrada 3D, e gera o próximo quadro a partir de uma pose de câmera dentro dele.

O antecessor, RTFM, conseguia interpolar entre pontos de vista que já existiam. O Atlas gera cenas do zero, a partir de apenas uma imagem ou uma legenda. Também manteve a capacidade de síntese de novas vistas, então você pode apontá-lo para um punhado de fotografias de um lugar real e navegar entre elas e além.

O Frameboy entrega uma variante do Atlas ajustada a fundo para velocidade de inferência. A empresa diz que o ajuste não abriu mão de nada na qualidade das novas vistas, e esse é o tipo de afirmação que só um teste externo resolve.

A demo expõe dois caminhos de construção. No primeiro, você dá uma imagem e o Atlas se expande para fora, inventando os pontos de vista que preenchem o resto da cena. No segundo, você dá um conjunto pequeno de fotos de um ponto turístico real e ele reconstrói o espaço bem o suficiente para se caminhar por ele. O primeiro é mais impressionante. O segundo é mais útil, porque explorar um lugar que você realmente pode visitar é uma tarefa pela qual as pessoas já pagam.

O Viewfinder é a parte que é entregue

Os mundos da demo são curados. Você ainda não pode enviar suas próprias fotos e gerar um espaço navegável, pelo menos não pelo caminho público.

Essa capacidade mora no Viewfinder, o app web da World Labs para montar cenas quadro a quadro, que está em beta fechado. Cada quadro gerado carrega cor e profundidade. Depois que uma cena é montada, uma camada do Frameboy transmite a exploração dela ao vivo. O pipeline é: construir offline, explorar em tempo real.

Quadros com profundidade são a pista. Um sistema que entrega imagens chapadas é um gerador de vídeo. Um sistema que entrega cor mais profundidade por quadro é um renderizador que outro software pode consumir, e é por isso que a descrição da própria empresa termina em "renderizador generativo de nova geração" e não em "modelo de vídeo".

A questão de hardware por baixo

O Frameboy chegou seis semanas depois de a AMD anunciar que compraria a World Labs num negócio totalmente em ações avaliado em cerca de 8.2 bilhões de dólares. A transação deve ser concluída antes do fim de 2026, sujeita à aprovação regulatória. Li Fei-Fei, cofundadora da World Labs, está cotada para vice-presidente executiva e cientista-chefe da AMD, respondendo a Lisa Su.

A colaboração é anterior ao acordo. As duas empresas passaram o último ano otimizando os modelos da World Labs para treinar e inferir em GPUs da AMD. Então o Frameboy também serve como demonstração de que um world model em tempo real pode rodar nos aceleradores de um único fornecedor, numa velocidade que torna um produto interativo possível.

Esse contexto explica as limitações honestas no anúncio. Rodar isso localmente não está nos planos para consumidores. O custo do tempo de GPU na nuvem é maior que o da renderização local, e a empresa diz isso diretamente, junto com a previsão de que hardware e algoritmos vão se adaptar um ao outro e tudo vai ficar mais barato. É o que uma empresa com um parceiro de aceleradores pode dizer em voz alta.

O que ainda falta

A lista é curta e específica.

Quinze quadros por segundo degradam com movimento rápido de câmera. Varreduras longas por uma cena perdem estabilidade. O acesso público é limitado a mundos curados, então a pergunta interessante sobre o que acontece quando alguém envia um conjunto bagunçado de fotos de celular de um ângulo ruim fica sem resposta. O Viewfinder está em beta fechado. Não há preço, nem SLA, nem declaração sobre quanto tempo uma sessão pode durar antes de a qualidade derivar.

Há também um problema mais sutil que ninguém resolveu. A síntese de novas vistas falha de um jeito característico: o modelo não sabe o que está atrás do sofá, então inventa algo plausível e depois se contradiz quando você dá a volta. Consistência numa órbita completa é o teste que separa uma demo de uma ferramenta, e as cenas da demo são escolhidas para parecer boas.

Nada disso enfraquece o lançamento. O interessante do Frameboy é que ele faz uma afirmação mensurável e refutável sobre como as pessoas trabalham: encurte o ciclo de feedback o suficiente e o jeito de usar a ferramenta muda junto com a velocidade dela. Essa afirmação pode ser checada. Dê a uma equipe de previz uma versão lenta e uma rápida do mesmo modelo e conte quantos caminhos de câmera eles tentam.

Se a contagem subir, o negócio de world models tem produto. Se não subir, então 15 quadros por segundo é um número num press release, e o mercado real fica onde está agora: geração offline, planejamento cuidadoso e muita espera.

Artigos relacionados