打开 Frameboy 的网页，先看到的是一台蓝色掌机。选一张卡带，等十几秒，画面亮起来：方向键往前走，摇杆转头。 画面在云端 GPU 上生成，再传到浏览器，每隔约 67 毫秒换一张，官方标称最高 15 帧。IT之家World Labs
它背后是李飞飞创办的 World Labs 在 9 月发布的 Atlas 世界模型。27 个场景，既有斯坦福主广场这样的真实地标，也有城堡、飞船内部这样的想象空间，都能从一张图或几张照片长出来。除了走和看，你还能重置相机、冻结时间、换卡带。没有可交互的 NPC、任务和输赢。
官方把 15 帧写在最显眼的位置，但 Demo 的会话参数里还有两个更能说明问题的数字：推流画面 768×432，连 720p 都不到；一次会话 60 秒。到点结束，想再逛就重新排队。60 秒比 15 帧更能说明它现在是什么：一个可以走进去的生成式布景，而不是一个会记得你做过什么的世界。官方博客给 Atlas 画的未来，是“生成式渲染器”，不是游戏引擎。World Labs
把 15 帧补到 60 帧当然不容易。按推流分辨率算，每秒要生成的像素要从约 500 万涨到 720p/60 的 5500 万，约 11 倍；要到 1080p/60，约 25 倍。但这件事可以靠算力、蒸馏和硬件一代代堆上去。更难的是另外两件：世界要记得住，规则要算得清。
游戏和一次漫游的差别，不在画面连不连贯，而在世界有没有一本账。打死的敌人还死着吗？捡走的血瓶还会不会刷出来？走出房间再回来，椅子是不是还倒在地上？这些状态必须在镜头之外继续存在，并按规则更新。 Frameboy 维护的是空间上下文，让转个弯还能看到同一面墙；它没有一张表记录“谁死了、谁捡了什么、任务做到哪一步”。这两件事经常被混为一谈。arXiv
上个月，Skywork 团队的 Matrix-Game 4.0 给出了一个更接近“可玩”的样本：轻量游戏引擎维护世界状态、执行规则，视频模型只负责把引擎渲染的低模画面画成高清图。单张 RTX 5090 上做到 480p、60 帧，按键到显示 112 毫秒。 代价是每个游戏单独训练。评测最长 40 秒、只覆盖 3 个游戏。 它离“一句话生成一个可玩世界”还很远，但它把方向指出来了：可玩的世界，可能不是靠一个更大的世界模型，而是靠一个更明确的分工。arXiv知乎
所以，15 帧的 AI 世界漫游，离真能玩的游戏还有多远？如果“游戏”指的是能玩上几个小时、有规则有后果的东西，那它还隔着一整个游戏引擎；如果“游戏”指的是一种新的空间——你愿意走进去，看看下一面墙后面是什么——那它已经到了。Frameboy 真正改变的，是它把“生成”从一个需要等待的按钮，变成了一件边走边发生的事。下一步真正要补的，是给这个世界一本能一直记下去的账。
