Hi3D V1.0: Sechs Commits im Repo, „produktionsvalidiert“ im Live-Betrieb

Am 23. Oktober 2026 erschien Hi3D V1.0 auf GitHub mit sechs Commits, einem einzigen Tag und acht Weight-Dateien. Innerhalb eines Tages wurde dasselbe Release über Nachrichtenagenturen verbreitet – mit einer Schlagzeile, die es „das erste produktionsvalidierte Open-Source-KI-3D-Modell“ nannte. Beide Aussagen sind wahr. Nur eine davon ist überprüfbar, und die Kluft zwischen ihnen ist das Nützlichste, was ein potenzieller Nutzer über dieses Release verstehen kann.

Das Repo verdient Aufmerksamkeit aus eigenem Recht. Hi3D V1.0 ist die Open-Source-Fortsetzung von Sparc3D, der NeurIPS-2025-Arbeit zur 3D-Repräsentation mit spärlichen Gittern. Es ist kein Text-to-3D-Generator. Man gibt ihm ein Referenzbild und ein bereits vorhandenes grobes Mesh, und es liefert ein dichteres Mesh zurück. Diese Unterscheidung entscheidet, ob die Veröffentlichung für Sie überhaupt nützlich ist, daher lohnt es sich, sie vor sämtlichen Qualitätskennzahlen zu nennen: Wenn Sie etwas gesucht haben, das einen Satz in ein Objekt verwandelt, ist dies das falsche Artefakt.

Was befindet sich eigentlich im Repository?

Die Veröffentlichung ist ausschließlich für Inferenz gedacht. Der Code sampelt Sparse-Latente, dekodiert sie durch einen Sparse-VAE mit Selbst-Pruning und extrahiert ein Mesh; die Modellleiter führt drei Durchläufe bei nominalen strukturellen Gittern von 64³, 128³ und 192³ aus und erzeugt Sparse-Extraktionsgitter, die als 512³, 1024³ und 1536³ bezeichnet werden. Ein 512³-Lauf verwendet einen Durchlauf, 1024³ verwendet zwei und 1536³ verwendet drei, mit 25 Scheduler-Updates pro Durchlauf. Die Ausgabe ist Geometrie und sonst nichts: keine Texturen, keine Materialien, keine Vertexfarben, Batchgröße eins, und das Ergebnis wird neu zentriert und auf Einheitsradius normalisiert, wodurch die absolute Skala verworfen wird.

Was fehlt, zählt genauso viel wie das, was vorhanden ist. Es gibt keinen Trainingscode, keine Evaluierungs-Harness, keine Benchmark-Splits und keine Vergleichs-Meshes. Das Python-Paket behält den alten Namen — sparc3d, mit einem Sparc3DPipeline-Einstiegspunkt — was ein nützlicher Hinweis darauf ist, dass dies die Forschungs-Codebasis mit einem neuen Etikett und kein neuer Build ist. Der optionale Demo-Adapter baut auf Tencent Hunyuan3D-2 mini auf und bringt seine eigene Lizenz mit, getrennt von der von Hi3D.

Die Abhängigkeitsliste ist kurz und kompromisslos: Linux, Python 3.10, eine NVIDIA-GPU mit Compute-Capability 8.0 oder höher, CUDA 12.0–12.5 passend zum PyTorch-Build und flash-attn ohne Fallback-Pfad. Es gibt keine CPU-Inferenz. Die Konfiguration, gegen die Hi3D gemessen wurde, war eine einzelne 96-GB-H20, und das Repository gibt an, dass 1536³ nur auf dieser GPU validiert wurde. DINOv2-large und CLIP-ViT-L/14 werden zur Laufzeit separat heruntergeladen.

„Production-validated“ ist eine Formulierung, keine Messung.

Die Pressemitteilung definiert den Begriff nicht. Als angegebene Grundlage führt sie an, dass das Team ihn „in realen Produktionsworkflows getestet hat, um seine praktische Nutzbarkeit zu verbessern“, bevor es ihn als Open Source veröffentlichte. Das ist eine Beschreibung internen Dogfoodings, was für ein Unternehmen vernünftig ist und eine schwache Sache für eine Schlagzeile. Es gibt keinen genannten Kunden, keine Angabe zur Anzahl der Bereitstellungen, keine Ausfallratendaten und keine Beteiligung Dritter. Die Mitteilung zitiert außerdem niemanden: Sie nennt einen Medienkontakt und schreibt keine Aussage irgendeiner Person zu.

Das ist kein Skandal. So funktionieren Veröffentlichungen von Anbietern, und Hi3D ist weit davon entfernt, der schlimmste Fall zu sein. Doch die Formulierung erfüllt hier eine bestimmte Funktion. „Production-validated“ verleitet Leserinnen und Leser zu der Annahme, dass eine unabhängige Nutzung in der Produktion beobachtet und gemessen wurde. Was die Veröffentlichung belegt, ist enger gefasst: Der Anbieter hat sein eigenes Modell in seinen eigenen Workflows verwendet. Das sind unterschiedliche Aussagen, und nur die zweite ist offiziell dokumentiert.

Die gleiche Zurückhaltung sollte auch für die Qualitätskennzahlen gelten. In der englischsprachigen Mitteilung heißt es, das Modell habe „die höchsten Bewertungen für Multi-View-Treue und Detailreichtum in der berichteten Evaluierung“ erzielt, ohne die Werte zu nennen. Die chinesischsprachige Berichterstattung über dieselbe Markteinführung liefert sie: Multi-View-Treue 0,75, Detailreichtum 0,841, einen Human-Preference-Score von 85,9 % und eine behauptete Slicing-Pass-Rate von etwa 90 % gegenüber 7–17 % für nicht näher genannte Mainstream-Modelle bei 1536³. All diese Angaben stammen vom Anbieter. Keine davon wurde unabhängig repliziert, und das Repository kann sie nicht reproduzieren, weil das Evaluierungs-Harness nicht mitgeliefert wurde.

Die 90-%-Slicing-Zahl sollte man mit Vorsicht genießen. Es wird kein Slicer genannt, es gibt keine Test-Meshes, keine Definition davon, was als Fehler gilt, und kein Baseline-Modell, das in der englischen Veröffentlichung genannt wird. Sie mag durchaus korrekt sein. Derzeit ist sie jedoch kein Beleg für irgendetwas, worauf ein Käufer reagieren kann.

Die Zahl, die sich tatsächlich geändert hat: 500.000 bis 2.000.000

Unter den Qualitätsbehauptungen verborgen liegt die konkreteste Aussage der Veröffentlichung. {{1}}Hi3D sagt, die Trainingsdaten seien von rund 500.000 kuratierten 3D-Assets auf etwa zwei Millionen gewachsen.{{/1}} Das ist ein {{2}}vierfacher Anstieg{{/2}} gegenüber der Sparc3D-Basislinie, und anders als die Präferenzwerte ist es eine Aussage mit einem klaren Bezug: eine Anzahl von Assets, die das Team nach eigenen Angaben kuratiert hat.

Es ist weiterhin nicht auditierbar. Das Repo enthält weder ein Datenmanifest noch eine Kategorienaufschlüsselung, eine Lizenzherkunftsliste oder irgendeine Sampling-Tooling. Man kann nicht prüfen, was die zusätzlichen 1,5 Millionen Assets waren, woher sie stammen oder ob sie sich mit dem Evaluationssatz überschneiden. Die Behauptung ist prinzipiell prüfbar und in der Praxis ungeprüft – die ehrliche Beschreibung der meisten Trainingsdaten-Offenlegungen in Open Releases.

Was viermal so viele Daten plausibel bringen, ist genau das, worin Verfeinerungsmodelle schlecht sind: die Generalisierung auf Objektkategorien, mit denen das grobe Mesh schlecht zurechtkommt. Eine Verfeinerungsstufe, die mehr vom Long Tail gesehen hat, sollte bei ungewöhnlichen Eingaben seltener plausibel klingende, aber falsche Details halluzinieren. Das ist eine Hypothese über das Verhalten, keine Garantie, und der Weg, sie zu testen, führt über die eigenen Assets statt über ein Anbieter-Diagramm.

Wie Sie es selbst günstig überprüfen können

Das Release ist für ein Modell ohne Benchmark ungewöhnlich leicht zu falsifizieren. Da die Eingabe aus einem groben Mesh plus einem Foto besteht, lässt sich an einem Nachmittag ein kleiner, ehrlicher Testsatz erstellen:

• Nehmen Sie zwanzig Objekte, die Sie bereits als gescannte oder modellierte Meshes haben. Reduzieren Sie jedes davon auf eine bewusst grobe Version – dezimieren, glätten oder lassen Sie es durch den Generator laufen, den Sie ohnehin schon verwenden.

• Rendere pro Objekt ein sauberes Referenzbild von einer bekannten Kamera und behalte eine zweite Ansicht, die du dem Modell nie zeigst.

• Verfeinern Sie bei {{1}}1024³ und 1536³{{/1}} und vergleichen Sie dann die zurückgehaltene Ansicht mit dem Original. Sie messen, {{2}}ob das zusätzliche Detail echt ist, nicht ob es scharf aussieht{{/2}}.

• Bewerte Wasserdichtigkeit, Mannigfaltigkeit und Dreiecksanzahl, bevor irgendein Slicer es berührt. Wenn du druckst, slice mit dem exakten Profil, mit dem du drucken wirst, und erfasse Fehler statt Erfolge — die Fehlerfälle sind die, für die die Herstellerangabe keine Antwort hat.

• Achten Sie auf Maßstabsverlust. Die Normalisierung auf Einheitsradius bedeutet, dass das Modell die realen Abmessungen Ihrer Eingabe nicht beibehält – jede Druck-Pipeline braucht daher einen Reskalierungsschritt, den Sie selbst verantworten.

Zwanzig Objekte werden keinen Benchmark ergeben. Es wird dir sagen, ob dieses Modell hundert wert ist, und das ist die Entscheidung, vor der die meisten Teams diese Woche stehen.

Die Lizenz ist offen, so wie eine Testversion kostenlos ist.

Die Gewichte und der eigene Code von Hi3D unterliegen der Hi3D Open License Agreement 1.0, die keine OSI-zugelassene Lizenz ist und ohne diesen Zusatz nicht als Open Source bezeichnet werden sollte. Die kommerzielle Nutzung ist gestattet. Daran sind zwei Bedingungen geknüpft. Eine Integration muss „Powered by Hi3D 1.0“ anzeigen, und ein Produkt, das 200.000 monatlich aktive Nutzer oder 1.000.000 US-Dollar Monatsumsatz überschreitet, muss Hi3D benachrichtigen und innerhalb von 60 Tagen eine separate Lizenz aushandeln.

Für eine Forschungsgruppe oder ein internes Tool greift keine der beiden Klauseln. Für alle, die auf Basis dieser Gewichte einen kommerziellen 3D-Dienst aufbauen, sind die Schwellenwerte niedrig genug, um sie einzuplanen, statt sie erst zu entdecken. Die zugrunde liegenden Sparc3D-Teile behalten ihre ursprünglichen Bedingungen unter Apache-2.0 und MIT, daher ist die Lizenz ein Flickwerk: Manche Dateien sind tatsächlich permissiv, manche nicht. Lesen Sie die Hinweise auf Dateiebene, bevor Sie weiterverbreiten.

Das kommerzielle Produkt ist etwas völlig anderes. Hi3D verkauft v3.0, beschrieben als 2048³-Geometrie mit Texturen bis 8K. V1.0 ist das ältere, offene Modell, das nur Geometrie enthält. Niemand sollte diese Veröffentlichung so verstehen, dass das Unternehmen sein aktuelles Produkt verschenkt; es gibt die Verfeinerungsstufe der vorherigen Generation weiter.

Wo ein Router passt – und wo er ehrlich gesagt nicht hingehört

OrcaRouter stellt keine 3D-Geometriemodelle bereit. Nichts in diesem Artikel sollte als Angebot verstanden werden, Hi3D V1.0 über unsere API auszuführen, denn das können wir nicht. Die oben beschriebene Pipeline läuft auf Ihrer GPU – oder sie läuft nicht.

Der Teil eines 3D-Workflows, der multimodal ist, ist jedoch die Review-Schleife. Ein verfeinertes Mesh mit seinem Referenzfoto zu vergleichen, zu prüfen, ob ein Render dem Briefing entspricht, und Defekte anhand eines Turntables zu dokumentieren – das ist Arbeit für Vision-Modelle, und es ist der Teil, den Teams tendenziell zuletzt improvisieren. Ein Schlüssel für über 200 Sprach-, Vision- und Audiomodelle bedeutet, dass der QA-Durchlauf keine eigene Beschaffung braucht, und automatischer Failover hält einen Review-Job am Laufen, wenn ein einzelner Anbieter an Leistung verliert. Wenn Sie drei Verfeinerungseinstellungen an zwanzig Objekten testen, ist der teure Teil die Beurteilung, nicht das Sampling.

Was würde diese Einschätzung ändern?

Drei Dinge, in absteigender Reihenfolge ihrer Nützlichkeit. Ein veröffentlichtes Evaluierungs-Harness mit den Test-Meshes und den Slicer-Einstellungen würde die 90 % in eine Zahl verwandeln, die jemand anderes reproduzieren kann. Ein Datenmanifest würde die Behauptung von zwei Millionen Assets überprüfbar machen. Ein Lauf eines Drittanbieters auf anderer Hardware als einer 96-GB-H20 würde feststellen, ob 1536³ ein realer Betriebspunkt ist oder eine Einzel-GPU-Anekdote.

Bis dahin ist die richtige Haltung die, zu der das Repository selbst einlädt: Laden Sie es herunter, führen Sie es an Objekten aus, die Sie verstehen, und behandeln Sie jede Prozentzahl in den Schlagzeilen als Hypothese. Hi3D V1.0 ist ein echtes, herunterladbares Verfeinerungsmodell, das ausschließlich für die Inferenz ausgelegt ist, mit anspruchsvollen Hardware-Mindestanforderungen und einer Lizenz, die ab einer bestimmten Skalierung nicht mehr kostenlos ist. Das ist eine nützliche Veröffentlichung. Sie ist noch keine validierte, egal was in der Agenturmeldung steht.