挑战闭源格局！腾讯混元3D 2.0开源发布，性能对标商业级模型

长期以来，3D世界建模领域存在两大技术“孤岛”：生成式模型擅长从文本、单图创作天马行空的3D场景，但几何精度不足、视角一致性差；重建式模型能从多图、视频中还原真实3D结构，却缺乏生成想象力，难以处理稀疏输入。腾讯此次HY-World 2.0的发布，首次将这两大能力融合，构建了从“稀疏输入”到“可交互3D世界”的完整技术闭环。

据腾讯官方文档，作为3D世界的“第一块拼图”，HY-Pano 2.0解决了传统全景生成依赖相机参数、场景结构破碎的行业痛点。通过Multi-Modal Diffusion Transformer（MMDiT）实现视角到全景的隐式转换，无需任何相机元数据，就能从单张图片或一段文本中生成结构连贯、细节丰富的360°全景场景。

（技术报告地址：https://3d-models.hunyuan.tencent.com/world/world2_0/HY_World_2_0.pdf）

在文本到全景（T2P）任务中，CLIP-T指标达行业最高的0.258，Q-Align美学评分较竞品提升12%；在图像到全景（I2P）任务中，全指标排名第一，几何一致性远超CubeDiff、GenEx等模型。

有了高质量的全景基础，如何高效探索3D世界成为新的挑战。HY-World 2.0设计了语义感知轨迹规划模块，通过全景点云、语义掩码与导航网格的融合分析，自动生成多样化轨迹模式，实现无碰撞、全覆盖的相机路径规划。这一技术不仅确保了后续3D重建时无视角盲区，更让AI能够像人类一样“聪明地”探索复杂场景——比如自动环绕建筑物拍摄细节，或沿着走廊漫游捕捉完整结构。

在3D世界扩展阶段，最大的技术瓶颈是“多视角一致性”——不同轨迹生成的视频常常出现物体错位、光影矛盾等问题。HY-World 2.0通过全局几何记忆与空间立体记忆双记忆机制，让AI能够“记住”整个3D场景的几何结构，从而生成视角连贯、细节一致的扩展场景。结合Distribution Matching Distillation蒸馏技术，生成速度提升4倍，在Tanks-and-Temples数据集上，点云F1-score达43.16，超越SEVA、Gen3C等模型30%以上。

作为全链路的核心，HY-World 2.0的通用3D重建模块支持从多图、视频中恢复点云、深度图、法向量等几何信息。该模块通过归一化位置编码解决了长期困扰行业的“分辨率泛化”问题，高分辨率下相机姿态AUC@30仍达86.89，较前代产品提升31%；通过深度-法线耦合监督，深度估计AbsRel误差降至0.162。在效率方面，支持序列并行、混合精度与全分片数据并行，单GPU可处理256视图，4GPU下128视图推理时间仅5.6秒，为大规模3D重建提供了可能。

性能逼近闭源商业产品

技术创新最终要靠数据说话，HY-World 2.0在多项核心指标上实现了对开源模型的全面超越，更在部分场景逼近闭源商业模型Marble。在相同全景输入下，HY-World 2.0生成的3D场景与输入一致性达94%，而Marble仅为88%，几何误差降低25%；在复杂场景如城市建筑、自然景观中，HY-World 2.0的纹理、光影还原度更接近真实世界，细节表现力远超竞品。

端到端生成速度方面，HY-World 2.0仅需约12分钟/场景（712秒），远快于Marble的15分钟/场景和开源竞品平均30分钟/场景的速度，效率提升50%以上。更值得关注的是，HY-World 2.0是全球首个开源的多模态3D世界模型，全部模型权重、代码与技术细节已对外开放，这意味着开发者无需依赖昂贵的商业模型，就能快速构建3D生成应用，极大降低了AGI空间智能的开发门槛。

开源开放的模式也让HY-World 2.0具备了更强的生态活力，开发者可以基于该模型进行二次开发，推动3D生成技术在更多场景的应用。目前，已有多家游戏、机器人、数字孪生领域的企业与腾讯混元团队展开合作，探索HY-World 2.0的商业化落地。

技术的价值最终要体现在应用场景中，HY-World 2.0还配套了WorldLens高性能3DGS渲染平台，支持实时物理反馈和空间交互，为下游应用提供高效的渲染支持。

在游戏开发领域，HY-World 2.0支持实时可交互3D场景生成，内置物理碰撞检测与角色控制，可直接导入Unity/Unreal引擎，显著缩短开发周期。一款开放世界游戏的场景建模，传统方法需要数月时间，而使用HY-World 2.0，开发者只需输入一段文本描述，就能在约12分钟内生成可交互的3D场景。

在机器人领域，HY-World 2.0通过重建真实环境生成高精度仿真场景，支持机器人路径规划与视觉导航训练，提升机器人研发效率与仿真精度。目前，已有多家机器人企业基于HY-World 2.0构建了仿真训练平台，优化机器人导航算法开发流程。

在数字孪生领域，HY-World 2.0可快速生成工厂、园区、城市等场景的3D数字孪生模型，支持多视角漫游与设备状态可视化，优化运维流程。一个大型工厂的数字孪生建模，传统方法需要投入大量人力物力，而使用HY-World 2.0，只需导入工厂的航拍视频，就能在数小时内生成高精度的3D数字孪生模型。（本文首发钛媒体APP，作者 | 硅谷Tech_news，编辑 | 秦聪慧）