Frameboy 把世界模型串流進你的瀏覽器,15 FPS。影格率才是重點。

World Labs 在 11 月 5 日發表了一份研究預覽,讓你可以走進由單張照片生成的世界。它跑在一個瀏覽器分頁裡。影格由雲端 GPU 算好,在你轉動鏡頭時以每秒最多 15 張串流給你。
這個 demo 叫 Frameboy,外觀做成一台掌機。你選一張卡匣,等幾秒,然後就置身在一個你按下之前還不存在的房間裡。十字鍵移動你,類比桿轉你的頭。畫面有點卡,因為 15 FPS 就是 15 FPS。
World Labs 自己很清楚。公司的說法是:這是預覽版、必須跑在雲端硬體上、而且比在地算更貴。它想讓你注意的其實是另一件事。
這個說法講的是迭代成本,不是保真度
如果 Atlas 要幾十秒甚至幾分鐘才回一張畫面,你會很謹慎地規劃。你挑一條鏡頭路徑,你下定決心,你等,你看結果,然後你調一個地方,再等一次。每一次嘗試都要付上幾分鐘和注意力,所以你試得少,而且試的都是保守的。
把等待時間壓到幾乎為零,整個經濟邏輯就反過來了。World Labs 的說法是:當一個爛點子的成本接近零,就沒有爛點子。原本的錯誤變成探索。
這是一個關於工作流程的說法,而且很容易拿自己的習慣去驗證。用過慢速生成影片工具的人都知道那種囤積提示詞的特定心理狀態。你寫三個,你想哪一個值得花,你挑最安全的那個。一個馬上回答的工具會拿到二十個提示詞,而第二十個,是你小心翼翼時絕對不會打出來的那個。
每秒 15 張達不到頭戴裝置的要求,也還不像遊戲。但它足以讓這個循環感覺像是在操控,而不是在下單。這個差別,是這次發布裡做最多工的部分。
Atlas 到底是什麼
Atlas 在九月初推出。讓它和更早的世界模型不同的設計選擇,在於它拿什麼當脈絡。大多數生成式影片系統是以文字提示和時間軸為條件。Atlas 以空間脈絡為條件,那是一個可以吸收文字、影像、影片和 3D 輸入的共享表徵,並根據其中的鏡頭姿勢生成下一張畫面。
它的前身 RTFM 可以在既有的視點之間插值。Atlas 則從零生成場景,只要一張圖或一句說明就行。它也保留了新視角合成的能力,所以你可以拿一個真實地點的幾張照片丟給它,在這些視點之間和之外移動。
Frameboy 提供的是一個針對推論速度重度調校的 Atlas 變體。公司說這個調校沒有在新視角品質上做任何交換,這種說法,只有外部測試能定案。
demo 裡開了兩條建構路徑。第一條,你給它一張圖,Atlas 往外擴張,自己發明出填滿其餘場景的視點。第二條,你給它一組某個真實地標的照片,它重建出的空間足以讓你走進去。第一條比較讓人驚豔。第二條比較有用,因為先去勘察一個你真的到得了的地點,是已經有人在付錢的任務。
Viewfinder 才是真的會出貨的那部分
demo 裡的世界是挑過的。你還不能上傳自己的照片生成可走動的空間,至少公開管道不行。
那個能力在 Viewfinder 裡,那是 World Labs 讓你一格一格建場景的網頁應用,目前封閉測試中。每一張生成的畫面都帶著顏色和深度。場景組好之後,Frameboy 的覆蓋層會把它的即時探索串流出來。流程是:離線建構,即時探索。
帶深度的畫面是關鍵線索。輸出平面影像的系統是影片生成器。每張畫面輸出顏色加深度的系統,是其他軟體可以吃的渲染器,這也是為什麼公司自己的描述落在「新世代生成式渲染器」,而不是「影片模型」。
底下的硬體問題
Frameboy 在 AMD 宣布以約 82 億美元全股票交易收購 World Labs 六週後出現。這筆交易預計在 2026 年底前完成,仍需監管機關核准。World Labs 共同創辦人李飛飛將出任 AMD 執行副總裁暨首席科學家,向 Lisa Su 報告。
合作早於這筆交易。兩家公司過去一年一直在把 World Labs 的模型調到能在 AMD GPU 上訓練與推論。所以 Frameboy 同時也是一個示範:即時世界模型可以跑在單一廠商的加速器上,速度快到足以撐起一個互動產品。
那個背景說明了公告裡那些誠實的限制。對消費者來說,在地跑這個還不在選項裡。雲端 GPU 時間比在地渲染貴,公司也直接這麼說,同時預測硬體和演算法會互相調適,整件事會變便宜。這是一家有加速器夥伴的公司才有資格大聲說的話。
還缺什麼
清單很短,而且很具體。
每秒 15 張在鏡頭快速移動時會掉。長時間掃過一個場景會失去穩定。公開存取僅限於挑過的世界,所以「有人從很糟的角度上傳一堆手機照片會怎樣」這個有趣的問題還沒有答案。Viewfinder 是封閉測試。沒有定價、沒有 SLA,也沒有說明一次工作階段能跑多久品質才開始漂移。
還有一個更細微、沒有人解決的問題。新視角合成會以一種很有特徵的方式失敗:模型不知道沙發後面有什麼,於是它發明一個看起來合理的東西,然後在你繞回來時自我矛盾。完整繞一圈的一致性,是把 demo 和工具分開的那道測驗,而 demo 的場景是挑過好看的。
這些都不削弱這次發布。Frameboy 有趣的地方,在於它對人的工作方式提出了一個可測量、可被推翻的說法:把回饋迴路縮得夠短,你使用工具的方式就會跟著它的速度改變。這個說法可以被檢驗。給一個 previz 團隊同一個模型的慢版和快版,數數他們試了幾條鏡頭路徑。
如果次數上升,世界模型這門生意就有產品了。如果沒有,那 15 FPS 就只是新聞稿裡的一個數字,而真正的市場還留在現在的位置:離線生成、謹慎規劃,以及大量的等待。
相關文章
一份社群維護的點擊表,關掉了中國品牌 Android 系統裡的廣告
它不動系統,不解鎖,不刷機,只把廠商本來就留出來的開關一個個撥過去。代價是這份名單得一直有人續寫。
GPT Image 2.6 守住 token 價格,帳單卻變貴了
GPT Image 2.6 沿用 2.5 的全部 token 費率,每張圖卻更貴,因為更多工作現在花在輸出 token 上。上線十一天,定價結構說得比排行榜更多。
有人從外部重寫了 IDM,並寫下自己沒碰過的部分
Mister Download Manager 用 Rust 重寫了 Internet Download Manager 的下載流程,聲稱速度快 5 倍、支援 86 種語言。更值得細讀的,是它解釋如何在不複製任何程式碼的前提下完成重寫的那一段。
Rune 是一個 Rust UI 框架,設計初衷是讓 agent 能檢查自己的工作
Rune 能無頭繪製、匯出元素樹並接受腳本化輸入,這讓編碼 agent 拿到截圖永遠給不了的東西,一個可 diff 的訊號。這個框架仍是預先發布版,不接受 pull request。