Hi3D V1.0 مقابل Hunyuan3D WorldClaw: أصل واحد مُتقَن، أم عالم تقريبي؟

مشهد Hunyuan3D WorldClaw ليس نموذجًا ثلاثي الأبعاد واحدًا. فهو يتألف من التضاريس والمباني والنباتات والمركبات والشخصيات، يُعاد بناء كل منها كشبكة منفصلة، وتُوضع على مشهد طبيعي مُولَّد، ثم يفحصها وكيل رؤية يعيد المناطق المعيبة للإصلاح. Hi3D V1.0 لا يبني عوالم. بل يأخذ شبكة خشنة واحدة وصورة مرجعية واحدة وينفق وحدة معالجة رسوميات بسعة 96 GB لجعل هندسة ذلك الجسم الواحد أكثر حدة. لذا فالمقارنة ليست مشهدًا مقابل مشهد. بل هي الإنتاجية مقابل الدقة، والنظامان يقعان على طرفين متقابلين من خط الإنتاج نفسه.

ما الذي تحتاجه WorldClaw قبل أن تستطيع بناء عالم

WorldClaw هو إطار عمل وكيلي من Tencent Hunyuan لتحويل مطالبة نصية واحدة إلى عالم ثلاثي الأبعاد كبير قابل للاستكشاف والتحرير. ظهرت الورقة البحثية «WorldClaw: Agentic 3D Open-World Generation at Scale» على arXiv بالمعرّف 2608.05248 في 7 أغسطس 2026، وتلتهما صفحة المشروع ومستودع GitHub في الأسبوع نفسه. تعمل البنية على أربع مراحل:

• تحليل النية والتخطيط للمشهد — يقوم وكيلان من نماذج اللغة بتحليل الطلب الموجّه. يستخرج أحدهما القيود التي ذكرها المستخدم فقط؛ بينما يملأ الآخر التفاصيل التي أغفلها الطلب. وتذكر الورقة البحثية Claude Opus 4.8 لهذه المرحلة.

• توليد التضاريس العالمي — تُنتج خريطة تخطيط دلالية وحقول ارتفاع واعية بالمناطق هيكلًا مستمرًا للتضاريس مع تعيين المواد والصخور والنباتات حسب المنطقة.

• توليد العناصر الإقليمية — تُصيَّر المناطق المفصّلة إلى مركّبات ثنائية الأبعاد مقيَّدة بالتضاريس، وتُقسَّم إلى كائنات فردية باستخدام GPT-Image-2 وSAM3D، ثم يُعاد بناؤها كشبكات ثلاثية الأبعاد منفصلة عبر Hunyuan3D، وتُعاد إلى موضعها على التضاريس.

• التحسين القائم على التصيير — يقوم وكيل رؤية بتصيير المشهد من زوايا متعددة، ويبحث عن الأجسام الطافية والتداخل بينها والمقياس الخاطئ والوضعية الخاطئة، ثم يصلح المنطقة المعيبة ويعيد التصيير حتى يجتاز الفحص. وتجري عملية التجميع في Blender عبر MCP.

تلك المرحلة الثالثة هي المهمة هنا. كل كائن في مشهد WorldClaw هو إعادة بناء منفصلة من صورة إلى 3D. والمشهد الذي يضم مئتي مجسم مميز هو مئتا عملية توليد شبكة ثلاثية الأبعاد، كل منها مشروط بتركيب ثنائي الأبعاد مُجزّأ، ويحمل كل منها ما يمكن لنموذج إعادة البناء الأساسي أن ينتجه من دقة. إن السقف البصري للمشهد يحدده أضعف أصل فيه، وتقييم الإطار نفسه لا يقيس ذلك. وتعرض الورقة مقارنات نوعية جنبًا إلى جنب مع SynCity وWorldGen من Meta وMajutsuCity وMarble من World Labs — لا FID، ولا درجة CLIP، ولا دراسة مستخدمين، ولا مقياس دقة لكل كائن.

ما الذي ستساهم به Hi3D، وما الذي لن تساهم به

Hi3D V1.0، الصادر في 23 أكتوبر 2026، هو نموذج تنقيح مبني على Sparc3D. أعطِه صورة مرجعية لجسم وشبكة خشنة للجسم نفسه، فيقوم تدريجيًا بأخذ عينات من الكامنات المتناثرة، ويفك ترميزها عبر VAE متناثر ذاتي التقليم ويستخرج سطحًا بدقة أعلى. ترفع التمريرات الثلاث الشبكة البنيوية إلى 64³ و128³ و192³ وشبكة الاستخراج المتناثرة إلى 512³ و1024³ و1536³، بواقع 25 تحديثًا للمجدول في كل تمريرة. يعالج جسمًا واحدًا في كل مرة.

التوافق مع المرحلة الثالثة من WorldClaw واضح على الورق. يمتلك WorldClaw بالفعل صورة مركّبة ثنائية الأبعاد مقسّمة لكل كائن، وينتج بالفعل شبكة عبر Hunyuan3D. وهذان هما بالضبط المدخلان اللذان يريدهما Hi3D: صورة مرجعية وشبكة خشنة. إن تحسين كل كائن قبل وضعه من شأنه أن يرفع مستوى التفاصيل الهندسية للأصول التي تحدد جودة اللقطات القريبة في المشهد.

ثلاثة قيود تمنع أن يكون ذلك ترقية مباشرة جاهزة للاستبدال.

أولاً، Hi3D مخصّص للهندسة فقط. فهو لا ينتج أي نسيج أو مادة أو ألوان رؤوس، في حين أن مخرجات WorldClaw هي شبكات مُنسَّجة صراحةً وقابلة للتحرير فردياً ومخصّصة لمحرك ألعاب. من شأن Hi3D أن يحسّن الصورة الظلية وتفاصيل السطح المحلية ثم يسلّم الأصل إلى خطوة إكساء لا يوفّرها أي من المستودعين. إن عالماً مبنياً من شبكات مُحسّنة لكن غير مُكسّاة ليس هو المُخرَج الذي يَعِد به WorldClaw.

ثانياً، يجب أن تُظهر الصورة المرجعية الكائن نفسه. يوفّر تقسيم WorldClaw قصاصة صورة للكائن داخل تركيب إقليمي، وهي قريبة لكنها ليست مطابقة لمرجع منتج نظيف. أما ما إذا كان ذلك كافياً، فهو سؤال تجريبي لم يُجِب عنه أحد.

ثالثًا، الإنتاجية. يقوم Hi3D بتحسين شبكة واحدة في كل مرة، والتكوين المقاس هو H20 بسعة 96 غيغابايت دون مسار CPU ودون وضع دفعات. ويعمل WorldClaw بالفعل على 4× H20 وفقًا لما تذكره الورقة. وإضافة مرحلة تحسين لكل كائن قبل التموضع تضاعف أغلى جزء من خط المعالجة بعدد الكائنات في المشهد.

الرقم الذي لا تعطيك إياه أي من الصفحتين

لا يمكنك حساب تكلفة هذا التركيب من المواد المنشورة، وهذه هي أهم نتيجة عملية في هذه المقارنة.

لا تنشر Hi3D أي زمن كمون فعلي. يقدّم README تحديثات المجدول وعدد التمريرات وGPU مقاسًا، لكنه لا يقدّم الثواني لكل جسم عند 512³ أو 1024³ أو 1536³. ولا تنشر WorldClaw أيضًا زمن إعادة بناء لكل جسم. وبيان الحوسبة في الورقة يتعلق بالنظام كاملًا على 4× H20، لا بالتكلفة الحدية لإضافة جسم آخر. ومن دون الرقمين معًا، لا يمكن إجراء الحساب الذي يحدد ما إذا كان التحسين ميسور التكلفة — عدد الأجسام لكل مشهد × الثواني لكل جسم × ساعات GPU — انطلاقًا من المصادر.

ما يمكن قوله هو شكل التكلفة. إعداد 512³ في Hi3D ينفّذ تمريرة واحدة؛ و1024³ ينفّذ تمريرتين؛ و1536³ ينفّذ الثلاث جميعها. كل تمريرة هي 25 تحديثًا للمُجدوِل. الدقة الأعلى تشتري التفاصيل وتكلّف تمريرات إضافية. حجم الدفعة واحد، لذا تتزايد التكلفة خطيًا مع عدد الكائنات ولا يمكن توزيعها على دفعة. إذا كان مشهد WorldClaw يضم عشرات الكائنات البطلة ومئات الدعائم الخلفية، فإن خط أنابيب معقولًا سيعمل على تنقيح البطل ويترك الخلفية في المرحلة الخشنة — وهو قرار يتطلب بالضبط التوقيت لكل كائن الذي لم ينشره أي من المشروعين.

خمسة أبعاد تفصل بينهما فعليًا

• وحدة العمل — Hi3D V1.0 كائن واحد مقابل Hunyuan3D WorldClaw مشهد عالم مفتوح واحد يحتوي على العديد من الكائنات

• الإخراج — Hi3D V1.0 شبكة هندسية فقط مقابل Hunyuan3D WorldClaw شبكات قابلة للتحرير ومكسوة بالنسيج ومُجمَّعة في Blender

• المدخل — Hi3D V1.0 صورة مرجعية مع شبكة خشنة مقابل Hunyuan3D WorldClaw موجه نصي مفتوح

• الشيفرة والأوزان — Hi3D V1.0 متاح للتنزيل اليوم بموجب Hi3D Open License 1.0 مقابل Hunyuan3D WorldClaw: ملف README وورقة بحثية، بلا شيفرة، بلا أوزان، بلا API، بلا تسعير

• الدليل — Hi3D V1.0 لا يوجد معيار تقييم رقمي مقابل Hunyuan3D WorldClaw، مقارنات نوعية فقط، لا FID، لا CLIP، لا دراسة مستخدمين

الإتاحة تحدد الربع

أحدهما أداة والآخر وثيقة تصميم.

يمكن استنساخ Hi3D V1.0 وتثبيته وتشغيله اليوم. يتطلب Linux وPython 3.10 وCUDA 12.0 إلى 12.5، ووحدة معالجة رسومات بقدرة حوسبة 8.0، وبناءً من المصدر لـ flash-attn، ولم يتم التحقق من صحة سلسلة 1536³ الكاملة إلا على H20 بسعة 96 غيغابايت. يسمح الترخيص بالاستخدام التجاري، مع اشتراط الإخطار والترخيص المنفصل بمجرد أن يتجاوز المنتج 200,000 مستخدم نشط شهريًا أو 1,000,000 دولار أمريكي من الإيرادات الشهرية، واشتراط الإسناد للتكاملات التجارية. تتكون الأوزان من ثمانية ملفات على Hugging Face. لا توجد نقطة نهاية مستضافة — تقول بطاقة النموذج إنه غير منشور من قبل أي مزوّد استدلال — كما أن الإصدار التجاري v3.0 من الشركة، بفوكسلات 2048³ وتكستشرات 8K، منتج منفصل يُباع عبر منصته الخاصة.

لا يمكن لأي شخص خارج Tencent تشغيل WorldClaw اليوم. يحتوي مستودع GitHub على مجلد assets و.gitignore وREADME. لا يوجد تنفيذ، ولا نقطة تحقق، ولا API، ولا تسعير، كما أن بلاغاً يطلب الشيفرة لم يُرد عليه. الورقة مفصلة بما يكفي لإعادة تنفيذ البنية المعمارية، وصفحة المشروع عرض توضيحي جيد، لكن أياً منهما ليس تبعية يمكنك جدولتها. إذا كنت تبني مولّد عوالم، فإن WorldClaw مخطط يستحق القراءة؛ وليس مكوّناً يمكنك استدعاؤه.

هذا التفاوت هو الإجابة العملية على المواجهة. فالفريق الذي يحتاج إلى هندسة كائنات أفضل هذا الشهر يمكنه استخدام Hi3D. أما الفريق الذي يحتاج إلى قدرة WorldClaw على مستوى المشهد هذا الشهر فعليه أن يبنيها بنفسه، والورقة البحثية هي الشيء الوحيد الذي نشرته Tencent ويساعد في ذلك.

أين تستقر فاتورة LLM؟

تُعدّ بنية WorldClaw صادقة على نحو غير معتاد بشأن مواضع الاستدعاءات المكلفة. فتخطيط المشهد، واستخراج قيود المستخدم، وملء التفاصيل التي أغفلها الموجّه، وإجراء النقد البصري الذي يحدّد ما يجب إعادة عرضه، كلها استدعاءات لغوية أو استدعاءات لغة-رؤية. ويوجّهها الإطار إلى نماذج متقدّمة بدلاً من تدريب نماذجه الخاصة. وذلك رهان متعمّد: التنسيق بدلاً من التدريب، مع جودة تحدّها مكوّنات لا تتحكّم فيها.

وهي أيضًا الطبقة التي يغطيها OrcaRouter. تبقى إعادة البناء ثلاثية الأبعاد على وحدات GPU لديك، وليست شيئًا نقدّمه — فالكتالوج يضم نماذج النصوص والرؤية والفيديو والتضمين والكلام، وليس الهندسة. أما المخطِّط والناقد فشأنهما مختلف.وضع أكثر من 200 نموذج خلف واجهة API واحدةيعني أن المخطِّط والناقد لا يحتاجان إلى عقود منفصلة ومفاتيح منفصلة ونطاقات فشل منفصلة؛ ويُمرَّر سعر القائمة لدى المزوّد بهامش ربح 0%، لذا يصل تغيير سعر البائع إلى نقطة النهاية في اليوم نفسه؛ويضمن التبديل التلقائي عند الفشل ألا يعطّل مزوّد واحد متدهور عالمًا في منتصف عملية التوليد؛ كما أن لغة التوجيه DSL تجمع عدة نماذج في استدعاء واحد، وهذا هو في الواقع ما تكونه حلقة التخطيط ثم النقد. وبالنسبة لخط معالجة تهيمن على تكلفته لكل مشهد الاستدعاءات المتكررة للوكلاء، يكون سطح التحكم هذا أهم من أي اختيار لنموذج بعينه.

من ينبغي أن يتصرف، وعلى ماذا؟

إذا كانت عنق الزجاجة لديك هو جودة أصل فردي — جزء قابل للطباعة، أو نموذج منتج، أو قطعة دعامة رئيسية — فإن Hi3D V1.0 متاح الآن، والتجربة رخيصة لتبدأ، بشرط أن تمتلك GPU بسعة 96 GB وأن تكون لديك بالفعل شبكة خشنة. اقرأ قسم القيود قبل البيان الصحفي: فالنموذج يحسّن البنية، لكنه لا يصلح صورة ظلية خاطئة، ولا يُرجع أي نسيج.

إذا كانت عنق الزجاجة لديك هو تجميع المشهد، فإن WorldClaw هو النظام الأكثر طموحًا والأقل توفرًا. تتمثل مساهمته في الجانب المعماري: حلقة وكيل من الخشن إلى الدقيق مع ناقد قائم على التصيير، وبيان واضح بأن مرحلة إعادة بناء الأجسام هي حيث تُكسب دقة كل أصل أو تُفقد. التجربة التالية البديهية هي وضع مُحسِّن مثل Hi3D خلف تلك المرحلة وقياس ما إذا كانت جودة اللقطات القريبة في المشهد تتحسن بما يكفي لتبرير التمريرات الإضافية. لم ينشر أحد ذلك القياس، وإلى أن يفعل أحد ذلك، تظل المقارنة فرضية حول خط إنتاج لا نتيجة.