Hi3D V1.0 vs Hunyuan3D WorldClaw : un asset bien réalisé, ou un monde à peu près

Une Hunyuan3D WorldClaw n'est pas un modèle 3D unique. C'est un terrain, des bâtiments, de la végétation, des véhicules et des personnages, chacun reconstruit sous forme de maillage distinct, placé sur un paysage généré, puis inspecté par un agent de vision qui renvoie les zones défectueuses pour réparation. Hi3D V1.0 ne construit pas de mondes. Il prend un maillage grossier et une image de référence et mobilise un GPU de 96 Go pour affiner la géométrie de ce seul objet. La comparaison n'oppose donc pas une scène à une autre. C'est le débit contre la fidélité, et les deux systèmes se trouvent de part et d'autre de la même chaîne de production.

Ce dont WorldClaw a besoin avant de pouvoir construire un monde

WorldClaw est le framework agentique de Tencent Hunyuan qui transforme une simple invite textuelle en un monde 3D vaste, explorable et modifiable. L'article, « WorldClaw: Agentic 3D Open-World Generation at Scale », est paru sur arXiv sous la référence 2608.05248 le 7 août 2026, et la page du projet ainsi que le dépôt GitHub ont suivi la même semaine. L'architecture fonctionne en quatre étapes :

• Analyse d'intention et planification de scène — deux agents de modèle de langage analysent le prompt. L'un extrait uniquement les contraintes énoncées par l'utilisateur ; l'autre complète les détails omis dans le prompt. L'article nomme Claude Opus 4.8 pour cette étape.

• Génération de terrain globale — une carte d'agencement sémantique et des champs de hauteur tenant compte des régions produisent un squelette de terrain continu, avec des matériaux, des roches et de la végétation attribués par région.

• Génération d’objets régionaux — les régions détaillées sont rendues sous forme de composites 2D contraints par le terrain, segmentées en instances avec GPT-Image-2 et SAM3D, reconstruites sous forme de maillages 3D individuels via Hunyuan3D, puis replacées sur le terrain.

• Raffinement basé sur le rendu — un agent de vision effectue le rendu de la scène depuis plusieurs points de vue, recherche les objets flottants, les interpénétrations, les échelles incorrectes et les poses erronées, corrige la région fautive et relance le rendu jusqu'à ce qu'il soit validé. L'assemblage s'effectue dans Blender via MCP.

C’est cette troisième étape qui compte ici. Chaque objet d’une scène WorldClaw est une reconstruction image-vers-3D distincte. Une scène comportant deux cents accessoires distincts représente deux cents générations de maillage, chacune conditionnée par un composite 2D segmenté et chacune portant la fidélité que le modèle de reconstruction sous-jacent peut produire. Le plafond visuel de la scène est fixé par le plus mauvais asset qu’elle contient, et l’évaluation propre au framework ne mesure pas cela. L’article présente des comparaisons qualitatives côte à côte avec SynCity, WorldGen de Meta, MajutsuCity et Marble de World Labs — aucun FID, aucun score CLIP, aucune étude utilisateur et aucune métrique de fidélité par objet.

Ce que Hi3D apporterait, et ce qu’il n’apporterait pas

Hi3D V1.0, publié le 23 octobre 2026, est un modèle de raffinement construit sur Sparc3D. Donnez-lui une image de référence d’un objet et un maillage grossier du même objet, et il échantillonne progressivement des latents épars, les décode via un VAE épars à auto-élagage et extrait une surface de résolution supérieure. Les trois passes portent la grille structurelle à 64³, 128³ et 192³ et la grille d’extraction éparse à 512³, 1024³ et 1536³, à 25 mises à jour du planificateur par passe. Il traite un objet à la fois.

L’adéquation avec la troisième étape de WorldClaw est évidente sur le papier. WorldClaw dispose déjà d’un composite 2D segmenté pour chaque objet et produit déjà un maillage via Hunyuan3D. Ce sont exactement les deux entrées dont Hi3D a besoin : une image de référence et un maillage grossier. Affiner chaque objet avant son placement augmenterait le niveau de détail géométrique des assets qui déterminent la qualité des gros plans de la scène.

Trois limites empêchent qu’il s’agisse d’une mise à niveau directe.

Premièrement, Hi3D ne produit que de la géométrie. Il ne génère ni texture, ni matériau, ni couleur de sommet, alors que les maillages produits par WorldClaw sont explicitement texturés et modifiables individuellement, destinés à un moteur de jeu. Hi3D améliorerait la silhouette et les détails de surface locaux, puis confierait l’actif à une étape de texturation qu’aucun des deux dépôts ne fournit. Un monde construit à partir de maillages affinés mais non texturés ne constitue pas le livrable que promet WorldClaw.

Deuxièmement, l’image de référence doit montrer le même objet. La segmentation de WorldClaw fournit un recadrage de l’objet au sein d’un composite régional, ce qui est proche mais pas identique à une référence produit propre. Savoir si cela suffit est une question empirique à laquelle personne n’a répondu.

Troisièmement, le débit. Hi3D affine un maillage à la fois, et la configuration mesurée est un H20 de 96 Go, sans chemin CPU ni mode par lots. D’après l’article, WorldClaw fonctionne déjà sur 4× H20. L’ajout d’une étape de raffinement par objet en amont du placement multiplie la partie la plus coûteuse du pipeline par le nombre d’objets dans la scène.

Le numéro qu’aucune des deux pages ne vous donne

Il est impossible de chiffrer cette composition à partir des éléments publiés, et c’est là le constat pratique le plus important de cette comparaison.

Hi3D ne publie aucune latence en temps réel. Le README fournit des mises à jour du planificateur, des décomptes de passes et un GPU mesuré, mais pas de secondes par objet en 512³, 1024³ ou 1536³. WorldClaw ne publie pas non plus de temps de reconstruction par objet. La déclaration de calcul de l’article concerne l’ensemble du système sur 4× H20, et non le coût marginal d’un objet supplémentaire. Sans ces deux chiffres, l’arithmétique qui détermine si le raffinement est abordable — objets par scène × secondes par objet × heures GPU — ne peut pas être réalisée à partir des sources.

Ce qu'on peut dire, c'est la forme du coût. Le réglage 512³ de Hi3D effectue une passe ; 1024³ en effectue deux ; 1536³ les effectue toutes les trois. Chaque passe correspond à 25 mises à jour du planificateur. Une résolution plus élevée apporte du détail et coûte des passes. La taille de lot est de un, si bien que le coût évolue linéairement avec le nombre d'objets et ne peut pas être amorti sur un lot. Si une scène WorldClaw contient des dizaines d'objets principaux et des centaines d'éléments de décor en arrière-plan, un pipeline judicieux raffinerait les objets principaux et laisserait l'arrière-plan au stade grossier — une décision qui exige précisément le temps par objet qu'aucun des deux projets n'a publié.

Cinq dimensions qui les distinguent vraiment

• Unité de travail — Hi3D V1.0 un objet vs Hunyuan3D WorldClaw une scène ouverte contenant de nombreux objets

• Sortie — Hi3D V1.0, un maillage purement géométrique, contre Hunyuan3D WorldClaw, des maillages éditables et texturés assemblés dans Blender

• Entrée — Hi3D V1.0 une image de référence plus un maillage grossier vs Hunyuan3D WorldClaw une invite textuelle ouverte

• Code et poids — Hi3D V1.0 téléchargeable dès aujourd’hui sous la licence Hi3D Open License 1.0, contre Hunyuan3D WorldClaw : un README et un article, pas de code, pas de poids, pas d’API, pas de tarification

• Éléments de preuve — Hi3D V1.0 : aucun benchmark numérique par rapport à Hunyuan3D WorldClaw, uniquement des comparaisons qualitatives, pas de FID, pas de CLIP, pas d’étude utilisateur

La disponibilité décide du trimestre.

L'un d'eux est un outil et l'autre est un document de conception.

Hi3D V1.0 peut être cloné, installé et exécuté dès aujourd'hui. Il nécessite Linux, Python 3.10, CUDA 12.0 à 12.5, un GPU de capacité de calcul 8.0 et une compilation depuis les sources de flash-attn, et l'échelle complète 1536³ n'a été validée que sur un H20 de 96 Go. La licence autorise l'utilisation commerciale, sous réserve d'une notification et d'une licence distincte dès qu'un produit dépasse 200 000 utilisateurs actifs mensuels ou 1 000 000 USD de revenus mensuels, ainsi qu'une obligation d'attribution pour les intégrations commerciales. Les poids sont huit fichiers sur Hugging Face. Il n'existe pas de point de terminaison hébergé — la fiche du modèle indique qu'il n'est déployé par aucun fournisseur d'inférence — et la v3.0 commerciale de l'entreprise, avec des voxels 2048³ et des textures 8K, est un produit distinct vendu via sa propre plateforme.

WorldClaw ne peut aujourd'hui être exécuté par personne en dehors de Tencent. Le dépôt GitHub contient un dossier assets, un .gitignore et un README. Il n'y a ni implémentation, ni checkpoint, ni API, ni tarification, et une issue demandant le code est restée sans réponse. L'article est suffisamment détaillé pour réimplémenter l'architecture et la page du projet est une bonne démonstration, mais ni l'un ni l'autre ne constitue une dépendance que vous pouvez intégrer à votre planning. Si vous construisez un générateur de monde, WorldClaw est un plan qui vaut la peine d'être lu ; ce n'est pas un composant que vous pouvez appeler.

Cette asymétrie est la réponse pratique à ce duel. Une équipe qui a besoin d’une meilleure géométrie d’objet ce mois-ci peut utiliser Hi3D. Une équipe qui a besoin de la capacité au niveau scène de WorldClaw ce mois-ci doit la construire, et l’article est la seule chose que Tencent ait publiée qui aide.

Où atterrit la facture des LLM

L'architecture de WorldClaw est d'une honnêteté inhabituelle quant à l'emplacement des appels coûteux. La planification de la scène, l'extraction des contraintes de l'utilisateur, le comblement des détails omis par le prompt et l'exécution de la critique visuelle qui décide de ce qu'il faut re-rendre sont tous des appels de langage ou de vision-langage. Le framework les achemine vers des modèles de pointe plutôt que d'entraîner les siens. C'est un pari délibéré : l'orchestration plutôt que l'entraînement, avec une qualité bornée par des composants que vous ne contrôlez pas.

C'est aussi la couche que couvre OrcaRouter. La reconstruction 3D reste sur vos GPU et ne fait pas partie de ce que nous proposons — le catalogue comprend des modèles de texte, de vision, de vidéo, d'embedding et vocaux, pas de géométrie. Le planificateur et le critique, c'est une autre histoire. Mettre plus de 200 modèles derrière une seule API signifie que le planificateur et le critique n'ont pas besoin de contrats, de clés et de domaines de défaillance séparés ; le prix catalogue du fournisseur est répercuté à 0 % de marge, de sorte qu'une modification tarifaire d'un fournisseur atteint le point de terminaison le jour même ; le basculement automatique empêche un fournisseur dégradé de bloquer un monde en pleine génération ; et le DSL de routage compose plusieurs modèles en un seul appel, ce qui est précisément la nature d'une boucle planification puis critique. Pour un pipeline dont le coût par scène est dominé par des appels d'agents répétés, cette surface de contrôle compte davantage que n'importe quel choix de modèle individuel.

Qui devrait agir, et sur quoi ?

Si votre goulot d'étranglement est la qualité d'un actif individuel — une pièce imprimable, un modèle de produit, un accessoire vedette —, Hi3D V1.0 est disponible dès maintenant et l'expérience est peu coûteuse à démarrer, à condition de posséder un GPU de 96 Go et de disposer déjà d'un maillage grossier. Lisez la section sur les limites avant le communiqué de presse : le modèle affine la structure, il ne corrige pas une silhouette erronée et ne fournit aucune texture.

Si votre goulot d’étranglement est l’assemblage de scènes, WorldClaw est le système le plus ambitieux et le moins disponible. Sa contribution est architecturale : une boucle d’agent coarse-to-fine avec un critique fondé sur le rendu, et une affirmation claire que c’est à l’étape de reconstruction des objets que la fidélité par asset se gagne ou se perd. La prochaine expérience évidente consiste à placer un raffineur comme Hi3D derrière cette étape et à mesurer si la qualité en gros plan de la scène s’améliore suffisamment pour justifier les passes supplémentaires. Personne n’a publié cette mesure, et tant que quelqu’un ne le fait pas, la comparaison reste une hypothèse sur une chaîne de production plutôt qu’un résultat.