Hi3D V1.0 مقابل CARI4D: البنية الأساسية نفسها، سؤالان مختلفان

أوضح حقيقة بشأن Hi3D V1.0 وCARI4D هي أنه يمكن لكليهما استدعاء Hunyuan3D-2 من Tencent. يستخدم Hi3D V1.0، الذي صدر في 23 أكتوبر 2026 بوصفه الخلف مفتوح المصدر لـ Sparc3D، محول Hunyuan3D-2 mini في عرضه التوضيحي لإنتاج الشبكة الخشنة التي يحسّنها بعد ذلك. أما CARI4D، وهي إعادة البناء رباعية الأبعاد لتفاعل الإنسان مع الأشياء غير المقيدة بفئة معينة من NVIDIA، فتستخدم Hunyuan3D-2 لإعادة بناء شبكة الشيء من الإطار الأول لفيديو قبل أن تتعقب كيف يتحرك ذلك الشيء. النموذج الهندسي المصدر نفسه، لكن مهمتان مختلفتان تمامًا: يسأل Hi3D كيف ينبغي أن يبدو سطح الشيء بدقة عالية، ويسأل CARI4D ماذا فعل الشخص والشيء بمرور الوقت.

أين يقع Hunyuan3D-2 فعليًا

يجدر بنا أن نكون دقيقين، لأن القول إن «كليهما يستخدم Hunyuan3D» قد يوحي بعلاقة أوثق مما هي عليه في الواقع.

لا تتطلب مكتبة Hi3D الأساسية وجود Hunyuan على الإطلاق. تأخذ خطوة إعادة التنقيح صورة مرجعية وشبكة خشنة، وdemo/refine_mesh.py لا تستورد أي شيء من Tencent. يوجد محوّل Hunyuan3D-2 mini في demo/coarse_stage.py، وهو اختياري، وموجود كي يتمكن شخص يملك صورة فقط من إنتاج الشبكة الخشنة التي يحتاجها المنقّح. تحتفظ شيفرة Tencent وأوزانها ومخرجاتها بترخيصها الخاص ويجب الحصول عليها بشكل منفصل. في خط إنتاجي، يُعد Hunyuan أحد المصادر الأولية المحتملة من بين مصادر عديدة.

اعتماد CARI4D بنيوي. ففي مرحلة إعادة بناء الكائن، تأخذ الإطار الأول، وتجزّئ الكائن المتلاعب به، وتعيد بناء هندسته باستخدام Hunyuan3D-2. ثم يُوضع هذا الشبك بمقياس متري باستخدام UniDepth وبحث من خشن إلى دقيق عبر FoundationPose. أما بقية خط المعالجة — NLF للشخص، وخطوة اختيار فرضية الوضعية، وCoCoNet للتصحيح عبر التصيير والمقارنة، وتحسين مشترك واعٍ بالتلامس — فتعتمد على أن يكون شبك الكائن هذا جيدًا بما يكفي للتتبع استنادًا إليه.

النتيجة هي الإطار المفيد لهذه المقارنة. الغرض الكامل لـ Hi3D هو تصحيح نوع الهندسة الذي ينتجه Hunyuan3D-2. أما غرض CARI4D فهو استعادة الحركة، وهو يتعامل مع المجسم الشبكي كمدخل يرثه. أحد النموذجين يستهدف نقطة ضعف الآخر دون أن يصرّح أي من المشروعين بذلك.

ما الغرض من كل نموذج مُتعلَّم

المكوّن المُتعلَّم في Hi3D هو تدفّق متناثر مشروط بسمات الصورة، ومُعرَّف على إحداثيات مأخوذة من الشبكة الخشنة. يأخذ عينات من الكوامن المتناثرة، ويفكّ ترميزها باستخدام VAE متناثر ذاتي التقليم، ويستخرج سطحًا، ثم يعيد التفويل ويكرّر. تنقل ثلاث تمريرات الشبكة البنيوية من 64³ إلى 128³ إلى 192³، وشبكة الاستخراج المتناثرة من 512³ إلى 1024³ إلى 1536³، بواقع 25 تحديثًا للمجدول في كل تمريرة. يتعلّم النموذج التفاصيل الهندسية المحلية: الحواف، والبنى الرقيقة، واستمرارية السطح، والأجزاء التي يملّسها مولّد خشن.

المكوّن المتعلّم لدى CARI4D هو CoCoNet، وهي شبكة تصيير ومقارنة. تُصيّر التقدير الحالي للكائن والإنسان إلى RGB والعمق والأقنعة، وتُشفّر ذلك التصيير باستخدام DINOv2 ViT-B/14 ومُشفّر ViT-S/14 سداسي القنوات لـXYZ والأقنعة، وتُجري انتباهًا مكانيًا-زمانيًا، وتُقدّر انحدار تصحيحات الوضعية لكل إطار بالإضافة إلى قيمتي logits لتماس اليدين. تبلغ نقطة التفتيش البحثية 194 مليون معلمة؛ أما نسخة MHR المرخّصة تجاريًا التي صدرت في 30 أغسطس 2026 فتبلغ 231 مليونًا. ما تتعلّمه ليس تفاصيل الشكل، بل العلاقة بين فرضية مُصيّرة وإطار مرصود.

تلك إشارات تدريب مختلفة وأنماط فشل مختلفة. يمكن لـ Hi3D أن يجعل الصورة الظلية الخاطئة أكثر حدة. ويمكن لـ CARI4D أن يتتبّع جسمًا مشوّه الشكل بدقة عبر فيديو ومع ذلك يعطيك شبكة ثلاثية الأبعاد رديئة، لأن مقاييسه تتعلق بالوضعية والتلامس، لا بدقة السطح.

ما الذي يخرج، سطرًا بسطر

• المدخل — Hi3D V1.0 صورة مرجعية مع شبكة خشنة مقابل CARI4D فيديو RGB أحادي الكاميرا

• الناتج — Hi3D V1.0 شبكة trimesh هندسية فقط مقابل CARI4D: وضعية وشكل الإنسان لكل إطار، ودوران الكائن وانتقاله، ولوغيتان لتلامس اليدين

• المقياس — أُعيد توسيط Hi3D V1.0 وطُبّع إلى أقصى نصف قطر للوحدة مقابل المقياس المتري لـ CARI4D المستعاد عبر UniDepth وFoundationPose

• الملمس — Hi3D V1.0 لا يوجد مقابل CARI4D لا يوجد؛ فهو يُرجع أوضاعًا وتلامسًا، وليس أصلًا ذا ملمس

• الحوسبة — Hi3D V1.0 تم القياس على NVIDIA H20 بسعة 96 GB، دون مسار CPU، بحجم دفعة واحد مقابل CARI4D PyTorch على NVIDIA Ampere، ومُتحقَّق منه على A100، مع صورة Docker

• الترخيص — Hi3D V1.0 ترخيص Hi3D المفتوح 1.0، استخدام تجاري مع عتبة تفعيل عند 200,000 مستخدم نشط شهريًا أو إيرادات شهرية بقيمة 1 مليون دولار أمريكي، مقابل CARI4D اتفاقية النموذج المفتوح من NVIDIA لنقطة التحقق التجارية 231M، وللأبحاث فقط لإصدار 194M

• الدليل — Hi3D V1.0 لم تُنشر له نتائج معيارية رقمية، مقابل CARI4D، وهي ورقة بحثية في CVPR 2026 تتضمن تجارب استئصال ونتائج BEHAVE، أُبلغ عنها من المورّد ولم تُعَد إنتاجها بشكل مستقل.

التجربة التي لم ينشرها أحد

هذه هي التركيبة التي يوضحها العمود الفقري المشترك، مصاغة كتجربة لا كميزة.

يعيد CARI4D بناء شبكة كائنه من إطار أول واحد عبر Hunyuan3D-2. ويحسّن Hi3D بالضبط هذا النوع من الشبكات الخشنة، مشروطًا بصورة مرجعية للكائن نفسه — ولدى CARI4D واحدة، لأن الإطار الأول هو المرجع. من حيث المبدأ، يمكن لخط معالجة أن يأخذ صورة الإطار الأول وشبكة Hunyuan من CARI4D، ويشغّل Hi3D بدقة 1024³ أو 1536³، ثم يعيد السطح المحسّن إلى المرحلة التي تضعه وتتتبعه.

عمليًا، هناك أربع عقبات، ولا واحدة منها صغيرة.

• المقياس. تعيد Hi3D توسيط مخرجاتها وتطبّعها إلى نصف قطر أقصى يساوي وحدة واحدة. تحتاج CARI4D إلى شبكة بمقياس متري لتهيئة FoundationPose. التحويل العكسي غير منشور، والخطأ فيه يغيّر الحجم الظاهري للجسم في كل إطار.

• البنية. يُحسّن Hi3D البنية الخشنة التي تُعطى له؛ ولا يصحّحها. إذا أساء Hunyuan3D-2 قراءة طوبولوجيا الجسم من إطار واحد، فإن Hi3D يجعل ذلك الخطأ المُقروء أكثر تفصيلًا. يمكن لاختيار فرضية الوضعية في CARI4D أن يستوعب بعض أخطاء الجسم — إذ تذكر الورقة خفض مسافة Chamfer الخاصة بالجسم من نحو 1,565 سم إلى 16.85 سم عند التهيئة — لكنه ليس مرحلة إصلاح للأشكال.

• وقت التشغيل. يشغّل Hi3D كائنًا واحدًا في كل مرة، بما يصل إلى ثلاث تمريرات، كل منها 25 خطوة، دون زمن استجابة منشور. إن خط أنابيب CARI4D يربط بالفعل Hunyuan3D وUniDepth وNLF وFoundationPose وCoCoNet وتحسينًا مشتركًا. قد تكون إضافة مرحلة تنقية بسعة 96 GB أمام حلقة لكل مقطع مبرّرة في وضع عدم الاتصال ومستحيلة تفاعليًا.

• التحقق. لم ينشر أحد هذا التكامل. الأرقام في ورقة CARI4D تقيس دقة الوضع والتماس، لا تأثير شبكة جسم أفضل على تلك الأرقام. من الممكن تمامًا أن يحسّن التنقيح الشبكة ولا يحرّك مقاييس إعادة البناء إلا قليلًا، لأن التتبع متين تجاه تفاصيل السطح. ومن الممكن أيضًا أن تحسّن شبكة أكثر حدة مراسلات FoundationPose. إلى أن يُجري أحدهم دراسة الاستئصال، فإن كلا الاحتمالين تخمين.

القيمة الصادقة لهذه الملاحظة ليست "استخدمهما معًا". بل إن الإصدارين متكاملان عند نقطة التقاء محددة، وهذه النقطة مرتبطة بسؤال قابل للقياس لم يُجب عنه أيٌّ من المورّدين.

نوعان من الأدلة، وليس أيٌّ منهما مستقلًّا

يبدو أن CARI4D أكثر إثباتًا بالأدلة من Hi3D، وهو كذلك بالفعل، لكن الفرق أصغر مما يبدو للوهلة الأولى. لدى CARI4D ورقة محكّمة من CVPR 2026، ومعيار قياس مسمّى، وتحليلات استئصال، وخطأ إعادة بناء مُبلَّغ عنه أقل بنسبة 38% ضمن التوزيع و36% على بيانات لم تُرَ من قبل. تلك أرقام NVIDIA من تقييم NVIDIA. لم يُعِد إنتاجها أي مختبر محايد. الكود وسكربتات التقييم متاحان للعموم، وهذا يجعل إعادة الإنتاج ممكنة، لكنه لم يجعلها منجزة.

لا يمتلك Hi3D أي معيار قياس رقمي على الإطلاق. ينشر المستودع مقارنات بصرية عبر تسع طرق للهندسة المحلية، وادعاءً بحجم تدريب يبلغ نحو مليوني أصل مُنسّق، وادعاءً بدقة استخراج متناثر تبلغ 1536³. ويضيف البيان الصحفي معدل نجاح تقطيع يبلغ 90% وادعاءً بأعلى درجات الوفاء والتفاصيل متعددة المناظر في التقييم المُبلّغ عنه، دون أي درجات أو خط أساس أو تسمية لأداة التقطيع. رمز التدريب وأداة التقييم غائبان، لذا لا يمكن إعادة بناء جداول الورقة من البيان الصحفي.

بعبارة أخرى، كلاهما مُبلَّغ عنه من المورّد. أحدهما مرفق بورقة بحثية، والآخر ببيان صحفي. وينبغي للمشتري أن يتعامل مع شارة CVPR باعتبارها سببًا لأخذ المنهجية على محمل الجد، لا بديلًا عن اختبار مستقل.

ما السؤال الذي لديك فعليًا؟

إذا كان لديك فيديو لشخص يتعامل مع عنصر وتحتاج إلى معرفة كيف تحركت اليد والعنصر والجسم — أوضاع بمقياس متري، ونقاط تلامس، إطارًا بإطار — فإن CARI4D هو النظام المبني لذلك، ونقطة التحقق التجارية تجعله قابلًا للنشر. ولا يستطيع Hi3D الإجابة عن هذا السؤال على الإطلاق. فليس لديه نموذج زمني، ولا مخرجات للأوضاع، ولا استدلال على التلامس.

إذا كانت لديك صورة مرجعية وشبكة خشنة وتحتاج إلى أصل ثابت أكثر حِدَّة، فإن Hi3D هو الأداة المباشرة. ولا يستطيع CARI4D الإجابة عن هذا السؤال أيضاً: فشبكة الكائن لديه ناتج ثانوي من مسار تتبُّع، تُنتَج بأي درجة دقة يوفّرها Hunyuan3D-2 من إطار واحد، وهو يعرض وضعيات بدلاً من سطح مُحسَّن.

إذا كنت تبني المكوّن المركّب — خط أنابيب إعادة بناء تكون فيه هندسة الأجسام هي الحلقة الضعيفة — فإن الخطوة المثيرة للاهتمام هي اختبار ما إذا كان تحسين Hi3D يحسّن المقاييس اللاحقة لـ CARI4D. هذا سؤال بحثي له تجربة واضحة ولا توجد إجابة منشورة له. خصّص ميزانية لتحويل المقياس ووحدة معالجة الرسوميات قبل أن تخصّص ميزانية للورقة البحثية.

الطبقة التي تحيط بكليهما

لا يقدّم OrcaRouter أيًا من النموذجين، وليس أي منهما نموذجًا لغويًا. تضم القائمة النصوص والرؤية والفيديو والتضمين والكلام؛ أما إعادة البناء ثلاثي الأبعاد فتُنفّذ على عتادك الخاص. غير أن الاستدعاءات المحيطة بإعادة البناء هي استدعاءات نماذج: وضع تعليق على الإطار الأول، أو وصف الكائن لسجل أصول، أو الحكم على ما إذا كان العرض المُحسَّن لا يزال يطابق المرجع من ثلاث زوايا.

هذا الأخير مناسب تمامًا لدمج النماذج. فبدلًا من الثقة برأي نموذج رؤية واحد بأن شبكة مُحسّنة وفية للأصل، أرسِل المقارنة نفسها متعددة المناظر إلى مجموعة من النماذج ودع إجاباتها تتجمّع. يتيح OrcaRouter الدمج وأكثر من 200 نموذج فردي خلف واجهة API واحدة، مع تمرير سعر القائمة الخاص بالمزوّد بهامش ربح 0% والتبديل التلقائي عند تدهور أداء أحد المزوّدين. تبقى الهندسة على وحدة GPU لديك؛ ويمكن أن يكون التقييم المحيط بها زائدًا عن الحاجة من دون أن يكون توصيله مكلفًا.

ما الذي سيحسم الأمر؟

سيؤدي اختبار استئصال واحد إلى أكثر مما تؤديه أي كمية من مقارنة المواصفات: خُذ تسلسلًا واحدًا من BEHAVE، وحسّن شبكة الكائن باستخدام Hi3D عند 1024³، وألغِ التطبيع، وأبلغ عن مقاييس الوضع والتلامس مقابل خط الأساس غير المحسّن. إذا تغيّرت الأرقام، يصبح العمود الفقري المشترك خط أنابيب. وإذا لم تتغيّر، تبقى قيمة Hi3D حيث تكون أقوى — أداة هندسة قائمة بذاتها لمن يملكون بالفعل الشبكة الخشنة.

حتى يوجد ذلك الاختبار، فإن التقسيم القابل للدفاع عنه بسيط. Hi3D V1.0 أداة تنقيح هندسي بأوزان مفتوحة وبلا معيار قياس. CARI4D أداة إعادة بناء حركة مصحوبة بورقة بحثية ونقطة تحقق تجارية. يلتقيان عند Hunyuan3D-2، ولا يغني أحدهما عن الآخر.