4月16日消息,腾讯混元3D团队正式发布并开源HY-World 2.0(混元3D世界模型2.0),与此前发布Genie 3的Google DeepMind、2026年2月完成10亿美元融资的World Labs(李飞飞创办,据Aihola报道),共同构成当前世界模型赛道的三极格局。根据GitHub README(github.com/Tencent-Hunyuan/HY-World-2.0),HY-World 2.0最关键的差异化在于——它直接输出可编辑的3D资产文件(Mesh、3DGS、点云),而非Genie 3那样逐帧生成的视频流;且完整开源模型权重、代码与技术报告,不是Genie 3的有限研究预览,也不是Marble的商业化按需计费。
开源代码已在GitHub同步公开,技术报告(HY_World_2_0.pdf)详细披露四阶段Pipeline,体验入口为3d.hunyuan.tencent.com/sceneTo3D。根据仓库roadmap标注,Pano 2.0和WorldStereo 2.0的完整权重仍处"Coming soon"状态,当前版本需使用HunyuanWorld 1.0与WorldStereo作为过渡替代。
核心能力:文生3D世界 + 多视角重建双路径
HY-World 2.0对外输出的是一个多模态世界模型框架,同时覆盖世界生成(World Generation)和世界重建(World Reconstruction)两条主路径。
世界生成方向,用户输入一段文字或一张单图,模型通过四阶段Pipeline自动合成一个可漫游的3D场景。官方技术报告展示的案例包括"日式RPG风格的中世纪地牢""温馨绘本风格小木屋"等,生成的3D空间支持第一人称导航和第三人称角色模式,角色可以在街道、建筑、场景中自由移动,且具备物理碰撞响应——这一点区别于Genie 3的视频帧生成(仅能看,不能真正交互)。世界重建方向基于WorldMirror 2.0架构,输入真实空间的视频或多视角图片,一次前向传播即可同时预测深度图、表面法线、相机参数、密集点云与3DGS属性,据腾讯混元官方博客,该能力可用于室内装修预览、城市规划、文化遗产还原等数字孪生场景。 与HY-World 1.5(腾讯新闻2025年12月22日报道的24 FPS实时交互版本)相比,2.0版本砍掉了实时视频流路线,转而专注生成可下载、可二次编辑的静态3D资产。这是架构级的重新选型,不是迭代升级。
技术栈:四阶段Pipeline + 3DGS/Mesh混合表征
HY-World 2.0的生成流程拆解为四个阶段,每一阶段对应一个独立子模型。
第一阶段是HY-Pano 2.0,负责全景图生成。传统方法需要精确的相机参数才能生成360度全景,但现实输入往往拿不到元数据。团队采用端到端隐式学习方案,让模型从普通图片学习到全景的空间映射,训练数据混合了真实全景照片和UE引擎合成数据,覆盖真实风和合成风两套数据分布。第二阶段是WorldNav轨迹规划,结合VLM与游戏自动寻路常用的navmesh表征,让模型根据场景语义规划出"环绕物体""最大漫游"等五类运镜轨迹,避免穿墙与"跑飞"。第三阶段是WorldStereo 2.0的世界扩展,沿规划轨迹通过视频生成技术不断补足新视角,团队称通过记忆力机制和后训练算法可在保持画面质量的前提下确保新旧区域几何衔接一致。第四阶段是WorldMirror 2.0整合,使用定制的Depth alignment和自适应Mask gaussian场景优化,最终输出3DGS表示,同时可转出高质量mesh。
GitHub安装说明披露的部署依赖包括Python 3.10、PyTorch 2.4.0(CUDA 12.4)、FlashAttention-2或3(推荐3)。FlashAttention-3要求Hopper架构GPU(H100/H200/B200系列),FlashAttention-2支持更广但性能次之。这套配置对个人开发者有一定门槛——不同于混元3D 2.1主模型适配消费级显卡(据OSCHINA报道,可部署在4080甚至M1 Pro上),HY-World 2.0的完整跑通目前更偏向专业GPU环境。
横向对比:领先点与落后点分开看
HY-World 2.0在三个维度上领先于主要竞品:
可编辑3D资产输出——根据GitHub README的明确说明,Genie 3(Google DeepMind)、Cosmos(NVIDIA)、HY-World 1.5均产出像素级视频,播放结束场景即消失;HY-World 2.0产出3DGS和mesh文件,可直接导入Blender、Unity、Unreal Engine、Isaac Sim,支持任意二次编辑。这是目前开源世界模型中唯一做到的。
完整开源策略——技术报告、训练代码、模型权重全部开源(Pano 2.0和WorldStereo 2.0权重暂延后放出)。对比Genie 3仅对Google AI Ultra美国订阅用户开放Project Genie($250/月起,据projectgenie3.com),Marble采用freemium+信用点计费(Marble 1.1每世界1500 credits起,1.1 Plus额外按dynamic cube计费,据Aihola 4月2日报道),HY-World 2.0的"完全免费+可商用二次训练"在成本门槛上显著低于主要对手。
物理碰撞交互——官方技术报告提到HY-World 2.0的3DGS与Mesh混合表征支持角色在生成的3D世界中进行物理碰撞交互。对比Marble主要针对静态场景浏览、Genie 3的角色控制时常不稳定(Google Project Genie官方已知局限描述"Characters can sometimes be less controllable"),HY-World 2.0在"可玩性"维度上更靠近游戏引擎体验。
同样需要指出落后点:
实时性弱于Genie 3——Genie 3以24 FPS实时生成画面,用户当下移动、当下出图(据DeepMind官方博客)。HY-World 2.0是"先生成后漫游"的离线Pipeline,生成完成才能进入场景,不支持边走边生成。
生成世界规模受限——Marble的Composer Mode支持多世界拼接大型空间,Marble 1.1 Plus支持auto-expanding最多5个dynamic cubes(据Aihola 4月报道)。HY-World 2.0目前单次生成的世界尺度无明确量化数据披露,边界扩展能力待社区验证。
权重未全开放——README的roadmap显示Pano 2.0和WorldStereo 2.0的正式权重仍为"Coming soon",当前只能用1.0版本替代。这意味着当下社区能跑出的结果与官方demo仍有差距。
无公开benchmark——官方技术报告与博客未提供可对比的量化指标(如FVD、SSIM、3DGS几何准确率、深度估计误差等)。横向对比主要靠demo视频和主观质量,独立第三方评测尚缺。
开源策略:押注游戏与具身智能两个最大商业场景
从2025年7月WAIC开源HY-World 1.0、2025年12月开源1.5版本、到本次2.0版本开源,腾讯混元在世界模型赛道的开源节奏是每5-6个月一个大版本。这与混元3D主线一致——混元3D 2.1在CVPR 2025上实现了模型权重、训练代码、数据处理流程的全链路开源(据腾讯云开发者社区报道),混元3D系列社区下载量已超230万(据知乎腾讯官方发布文)。
HY-World 2.0的路线选择非常清晰:用开源+3D资产输出,绕开Genie 3的视频流技术路线、绕开Marble的商业化订阅壁垒,直接切入游戏开发与具身智能两个最大商业场景。GitHub README明确列出支持Isaac Sim(NVIDIA的具身智能仿真平台)导入,这是对机器人训练和自动驾驶仿真市场的定向发力。据Linux.do 4月14日讨论串中第三方社区观察,国内做3D生成的公司已不多("基本都不碰这个领域,产出性价比不高,比较烧GPU"),混元在这一领域的持续投入有稀缺性价值。
商业上的隐含考量也值得注意。腾讯主营业务中游戏占据相当比重,游戏3D资产生产一直是成本重灾区——据腾讯官方表述,大模型生成的3D模型已能满足部分游戏3D资产标准(几何布线、贴图、骨骼蒙皮)。HY-World从单资产(3D 2.1)到完整场景(World 2.0)的延伸,对腾讯自家游戏工作室是直接的降本工具。
局限与分场景选型建议
当前状态的主要局限分布在几个方向:Pano 2.0和WorldStereo 2.0的正式权重未开放,README的roadmap仍标注"Coming soon",需用1.0版本替代,与官方demo的效果存在差距;Pipeline为离线模式,不支持Genie 3那样的实时交互;FlashAttention-3推荐依赖Hopper架构GPU,消费级显卡跑通完整流程存在不确定性;缺少公开benchmark对比(FVD、SSIM、几何准确率等指标均未披露),客观质量评估全部依赖demo视频的主观感受;生成世界的空间尺度上限未明确量化,大型场景拼接能力待社区验证;中文领域的第三方独立评测报道极少,多为腾讯官方口径与社区体验贴。
面向不同场景的选型建议:
- 独立游戏开发、游戏原型搭建——HY-World 2.0是当前最值得尝试的选项。"一键生成可导入Unity/UE的3D场景"此前没有开源替代,能省掉建模师和关卡设计师的大量早期工作。但若项目已上线需要商业级画质,其当前demo质感对比Marble仍有差距,建议作为灵感和快速原型工具使用,最终资产仍需美术二次打磨。
- 具身智能、机器人仿真训练——HY-World 2.0原生支持Isaac Sim导入,可作为合成训练场景的来源之一。但NVIDIA Cosmos在物理感知和传感器合成数据的成熟度上仍占优,Isaac Sim自身也有大量官方场景资源,HY-World 2.0更适合作为场景多样性补充,而非主力训练场。
- 数字孪生、文旅/室内装修预览——WorldMirror 2.0的多视角重建能力是合适入口,可输入空间视频或照片获得可复用3D环境。但与传统摄影测量工具(Polycam、RealityCapture)相比,AI生成的3D在几何精度上通常更弱,适合预览和创意用途,不适合需要精确测量的工程场景。
- VR/AR沉浸体验、教育科普——Genie 3的实时体验目前更成熟(如Project Genie的历史场景重现demo),但需要Google AI Ultra订阅且限美国18+;HY-World 2.0的"离线生成+永久可复用"反而对教育机构的批量部署更友好,且开源免费。
- 视频内容、短剧制作——不是HY-World 2.0的适用场景。这类场景用Runway Gen-3、Veo 3.1、Kling等专业视频生成模型更直接,World Labs Marble也有相应的LED墙虚拟制片案例(Pixomondo合作,据worldlabs.ai案例页)。
AI 速览
