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

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。

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！」

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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」。

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。

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；

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。

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。

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。

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。

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。