# 李飞飞最新世界模型正式开放，我用它一句话造出重庆山城

- 作者：张子豪
- 发布时间：2026-11-13 18:04
- 分类：公司
- 原文：https://www.ifanr.com/1689379

![](https://s3.ifanr.com/wp-content/uploads/2026/11/mid-staircase-looking-up-upscale.jpg)

之前凭借「一张图片生成整个 3D 世界」刷屏的李飞飞世界模型，现在终于向所有人开放了。

就在今天，由「AI 教母」李飞飞创办的 World Labs 正式开放世界模型 Atlas，同步上线网页应用和开发者 API，新用户注册即送 10000 积分。

![](https://s3.ifanr.com/wp-content/uploads/2026/11/Bf2UBS35.jpeg)

> 体验地址：atlas.worldlabs.ai

现在，我们也能亲自体验这项曾经只能在演示视频里看到的能力：随手画几栋房子、一条小路，AI 就能把草图变成一个可以自由探索的 3D 世界。甚至还能调整场景布局、规划镜头、生成视频，最后导出到 Blender 或游戏引擎里继续加工。

这次开放还带来了两款全新的 Web 应用 **Viewfinder 和 Chisel**，进入 Atlas 网页直接就能上手体验。

李飞飞转发 World Labs 宣布开放的推文并难掩兴奋，表示「Atlas 现已向所有人开放！！我非常期待看到用户能用我们最新的世界模型构建出什么！🤩🌎」

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559060244-1.jpg)

a16z 合伙人 Martin Casado 对这次发布也给出了超高的评价，他认为这是自生成式 AI 兴起以来，3D 生成/重建领域最大的一步。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559063433-2.jpg)

## 完整的世界模型工具链

登录 Atlas 需要手机号验证，我们测试使用 +86 手机号也能正常收到验证码，不过在之后选择使用区域内，要记得选择美国或加拿大，以确保后续体验正常。

新用户登录之后，能看到首页包含四个工具，Viewfinger、Chisel、Relight 和 Splat to mesh，看起来都是很专业的词汇，但其实就是在实现「世界」从生成的工程化的完整链路。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559065558-3.jpg)

Viewfinder 的作用是从图片到场景，给它照片或文生成图，它就可以建立场景，让我们探索新的视角、设置相机路径，再渲染出视频。原本固定在图片里的画面，有了被重新取景的可能。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559069227-4.jpg)

比如，一张客厅图片就可以成为 Viewfinder 的起点。我们想看的，可能是从窗边望向沙发的画面，也可能是一段沿着房间缓慢移动的镜头。

但这张照片没有拍到沙发背面，模型就需要推测那里长什么样；画面之外还有多大空间，也需要补全。Viewfinder 是从单张图片扩展，生成的是一个能够延展的场景，包含大量想象。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559071993-5.jpg)

如果想重建一个现实中存在的地方，就需要提供更多视角。官方也提到，Viewfinder 支持从单张图片生成场景，也可以使用最多 64 个输入来重建现实环境。

但创作很快会遇到下一个问题：**生成的房间确实好看，布局却不符合拍摄需要**。

像是沙发离窗户太远，走廊太窄，想要的镜头根本摆不进去。这时候，第二款工具 Chisel 就派上用场了。我们可以先用简单的三维形状搭出场景结构，确定物体的位置，再让模型根据这些结构生成视觉效果。

我们可以把它理解成一次简化的布景：先决定墙在哪里、家具怎么放，再考虑材质、光线和整体风格。World Labs 的开发者在演示中，把这套工作方式概括为先搭空间，再自由调整视觉风格，同时保持墙壁的位置。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559075482-6.jpg)

总的来说，四项工具的功能基本上把世界模型需要用的能力全部实现了。

- **Viewfinder**：图片 → 场景。输入 JPG/PNG/WEBP/HEIC，生成新视角（MP4）或高斯溅射点云（PLY/SPZ）。

- **Chisel**：智能体驱动的 3D 环境搭建器。支持图片、文档、网页 URL、网格模型（GLB/glTF/OBJ/FBX）混合输入，用自然语言指挥 AI 搭白模，再由 Atlas 渲染出图、出 splat。

- **Relight**：给 splat 场景重新打光，加阴影。

- **Splat to mesh**：把 splat 点云转成带贴图的 GLB 网格，直接对接游戏引擎。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559078223-7.jpg)

目前，整个平台采用积分制：Viewfinder 渲染一帧 50 积分，Chisel 智能体按 token 计费（Gemini 4 Argon，每 1M 输出 token 10000 积分），Chisel 整组渲染 160 积分，生成完整 Splat 则要 5000 积分。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559080039-8.jpg)

我们在 Viewfinder 内每生成一张图片是消耗 50 积分，比较大额的积分消耗都在渲染和视频生成上，免费计划领取的 10000 积分，还是能够用来简单体验一下 Atlas 这个新模型的各项功能。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559083899-9.jpg)

## 实测 Atlas，重建一座重庆山城

在几个官方演示的案例中，最出圈的一个，大概就是把笔记本上随手涂鸦的简笔画，变成可以走进去的 3D 场景。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559085637-10.jpg)

我们也让 AI 生成了一张草图，在这个笔记本涂鸦上，有小房子、大树、微笑的太阳、蜿蜒的小路，然后上传到 Chisel 让它初始化整个场景。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559088828-11.jpg)

点击「在 Chisel 中构建」后，系统会先生成一张参考图，然后内置智能体开始自动搭建 3D 白模。我们能实时看到它拆解建筑体量、开门窗、加招牌、布置机位，还会自动检查并修复悬空、穿插等几何错误。

在左侧的智能体对话框内，还能进一步调整 3D 搭建的流程。在搭建完成后，智能体会交付场景、多个零遮挡机位和几套渲染方案，包含不同时间、天气、氛围等。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559090578-12.jpg)

打开右侧输出面板，选择一套方案点「渲染」（约 160 积分），即可一次性生成全部机位的成片。

如果还想继续加工，可以给智能体追加指令，比如「加个夜宵小摊」，也可以点「创建视频」生成漫游视频，或生成完整 Splat 后在视口里 360° 漫游。

最后通过 Relight 调整光照氛围，或用 Splat to mesh 转成 GLB 导出。

我们也尝试了输入一句提示词「暴雨夜的重庆山城巷弄：陡峭的石阶向下延伸，两侧是层层叠叠的老式居民楼，挂满了霓虹灯招牌和晾衣绳，湿漉漉的石板路反射着粉蓝色灯光，远处一列轻轨正从楼体中间穿过。」

大约 1 分钟的时间，Atlas 先生成了一张参考图，里面有石阶、筒子楼、霓虹、晾衣绳、湿路面反光、穿楼轻轨，元素。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559092446-13.jpg)

Chisel 内置的智能体（Gemini 4 Argon）接管了后续的搭建，它自动制定并执行了 6 步计划，全程约 30 分钟。

包括拆解建筑体量 → 布置 9 个机位 → 搭建穿楼轻轨与远景楼群 → 补齐阳台、防盗网、波纹雨棚 → 安放 15 块霓虹灯箱与晾衣绳 → 逐镜头校验视线遮挡等工作。

系统持续自动检查「悬空」「穿插」「镜头遮挡」等几何错误，并在发现「轻轨桥墩悬空 8.25 米」这类问题时当场自行修复。智能体的思考过程，也能展现出这套工具确实很专业，它会说「缩短近景与中景建筑的檐口高度，以露出开阔的轻轨穿楼视野」。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559094202-14.jpg)

最终场景包含 38 级石阶、左右各 5 栋退台居民楼、3 节带受电弓的轻轨车厢、8 个零遮挡机位。

我们选择其中一套「暴雨深蓝夜」渲染方案（160 积分），12 个机位一次出齐：湿滑石阶上粉蓝霓虹的倒影、砖墙上的防盗窗笼、绳上晾晒的 T 恤，全部都有。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559096025-15.jpg)

最快上手 Atlas 的方法还是使用 Viewfinder，点击「Drop or click」上传一张图片（支持 JPG/PNG/WEBP/HEIC），选择 Image 模式导入。

上传的图片会作为一个「画框」出现在 3D 视口里，点击画布完成放置。接着我们可以用鼠标移动相机：**左键拖拽**环绕观察，**中键拖拽**平移，滚轮缩放。

再把相机移到一个新位置之后，这里注意必须**平移离开原始机位**，因为深度估计需要视差，原地旋转无法渲染；点击 **Render**（50 积分），约 1 分钟内生成当前视角的新画面；

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559097705-16.jpg)

接着多换几个角度重复渲染，底部胶片栏会累积新帧；帧数足够后，可以选择 **Splats** 模式点「Create splats」生成完整点云（约 15 分钟），或在 **Video** 模式下生成视频。

最后，也是右上角 **Export** 可导出 MP4 / PLY / SPZ 文件。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559100835-17.jpg)

如果不想打开网页，Atlas 还提供了完整的开发者 API，在 Chisel 界面内就有「API 文档」入口，可以把世界生成能力集成进自己的产品管线。

## 会写代码的 AI，也开始搭场景了

Atlas 开放后，World Labs 的设计师 Ian Curtis 把世界模型、编程模型和网页三维技术放进了同一个演示里。他用最近热门的 Fable 5.2 + three.js 和 Atlas 结合，搭建了一个第一人称实时漫游的 3D 世界。

![](https://s3.ifanr.com/wp-content/uploads/2026/11/PixPin_2026-11-13_16-39-29.jpg)

这组搭配，也刚好接上了最近 AI 编程热潮里的另一个问题：代码越来越容易生成以后，场景和视觉资产由谁来做？

对于一个交互作品来说，程序运行起来，只完成了其中一部分。用户最终看到的环境、材质和画面，同样需要制作。

研究者 Ben Mildenhall 在介绍这次发布时，给出了更具体的分工：**用 Agent 搭建粗略的三维几何结构，再通过 Atlas 的模型接口控制最终画面的生成。Chisel，以及这次提供的 Codex、Claude Code 集成，都在围绕这个方向设计**。

在他看来，完全依靠代码程序化地制作精细画面，成本依然很高，两条技术路线可以互相配合。

编程 Agent 负责搭结构、串联操作，世界模型负责根据空间约束生成视觉内容。原本需要在不同工具之间来回切换的工作，开始有了连接起来的可能。

Atlas 也在尝试把生成结果送进现有的制作流程，官方提供了 Blender 集成，以及将 Gaussian splats 转成网格的工具，方便用户继续用于游戏、交互环境等项目。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794559103444-18.jpg)

当然，导出一个场景，距离完成一款游戏、一部影片，还有不少工作；像是交互规则、角色行为，以及资产的检查和调整，都需要继续处理。

在世界模型赛道的竞争，也和通用模型一样激烈。Viggle 的 Hang Chu 发布了 JST-2 与 Atlas 的并排对比，强调自家方案直接生成三维内容，并质疑 Atlas 将视图重建为 Gaussian splats 所需的额外步骤和耗时。

![](https://s3.ifanr.com/wp-content/uploads/2026/11/PixPin_2026-11-13_16-39-44.jpg)

Atlas 这次开放的真正意义，可能并不在于单次生成的画质，而在于它把「世界模型」包装成了一条**可用的工作流**：从一张图、一句话，到可分镜、可渲染、可漫游、可进引擎的 3D 资产，每个环节都有明确的工具、明确的标价。

过去，AI 编程工具可以帮我们写出一个游戏，却很难独立完成游戏里的场景和视觉资产。现在，编程 Agent 可以负责搭建结构、编写交互，世界模型则负责把这些结构变成可以探索、拍摄和继续加工的三维环境。

对独立开发者来说，这意味着制作游戏、交互作品时，可能不再需要从零手工搭建每一个场景。对于普通人来说，即使不懂三维建模，也终于有机会把脑海里的一个画面，变成可以走进去的世界。

**当 AI 已经越来越会写代码，下一步，就是让它把代码里的世界也造出来。**