Hi3D V1.0 vs Hunyuan3D WorldClaw: Satu Aset Dikerjakan dengan Baik, atau Dunia Secara Kasar

Sebuah Hunyuan3D WorldClaw scene bukanlah satu model 3D. Ini adalah medan, bangunan, vegetasi, kendaraan, dan karakter, yang masing-masing direkonstruksi sebagai mesh terpisah, ditempatkan pada lanskap yang dihasilkan, lalu diperiksa oleh agen visi yang mengirim area bermasalah kembali untuk diperbaiki. Hi3D V1.0 tidak membangun dunia. Ini mengambil satu mesh kasar dan satu gambar referensi serta menghabiskan GPU 96 GB untuk membuat geometri objek tunggal itu lebih tajam. Karena itu, perbandingannya bukanlah scene versus scene. Ini adalah throughput versus fidelitas, dan kedua sistem berada di sisi berlawanan dari jalur produksi yang sama.

Apa yang dibutuhkan WorldClaw sebelum dapat membangun dunia

WorldClaw adalah kerangka kerja agentic Tencent Hunyuan untuk mengubah satu prompt teks menjadi dunia 3D yang besar, dapat dijelajahi, dan dapat diedit. Makalah berjudul "WorldClaw: Agentic 3D Open-World Generation at Scale" muncul di arXiv dengan nomor 2608.05248 pada 7 Agustus 2026, dan halaman proyek serta repositori GitHub menyusul pada minggu yang sama. Arsitektur ini berjalan dalam empat tahap:

• Analisis niat dan perencanaan adegan — dua agen model bahasa mengurai prompt. Satu agen hanya mengekstrak batasan yang dinyatakan pengguna; agen lainnya mengisi detail yang tidak disebutkan dalam prompt. Makalah tersebut menyebut Claude Opus 4.8 untuk tahap ini.

• Pembuatan terrain global — peta tata letak semantik dan height field yang sadar wilayah menghasilkan kerangka terrain yang kontinu dengan material, batu, dan vegetasi yang ditetapkan berdasarkan wilayah.

• Pembuatan objek regional — wilayah terperinci dirender menjadi komposit 2D yang dibatasi medan, disegmentasi menjadi instans dengan GPT-Image-2 dan SAM3D, direkonstruksi sebagai mesh 3D individual melalui Hunyuan3D, dan ditempatkan kembali ke medan.

• Penyempurnaan berbasis render — agen visi merender scene dari berbagai sudut pandang, mencari objek yang melayang, interpenetrasi, skala dan pose yang salah, memperbaiki area yang bermasalah, lalu merender ulang hingga lolos. Perakitan dilakukan di Blender melalui MCP.

Tahap ketiga itulah yang penting di sini. Setiap objek dalam adegan WorldClaw merupakan rekonstruksi gambar-ke-3D yang terpisah. Adegan dengan dua ratus properti berbeda berarti dua ratus pembuatan mesh, masing-masing dikondisikan pada komposit 2D tersegmentasi dan masing-masing membawa tingkat kesetiaan yang mampu dihasilkan oleh model rekonstruksi yang mendasarinya. Batas atas visual adegan ditentukan oleh aset terburuk di dalamnya, dan evaluasi milik kerangka kerja itu sendiri tidak mengukur hal tersebut. Makalah ini melaporkan perbandingan kualitatif berdampingan terhadap SynCity, WorldGen milik Meta, MajutsuCity, dan Marble milik World Labs — tanpa FID, tanpa skor CLIP, tanpa studi pengguna, dan tanpa metrik kesetiaan per objek.

Apa yang akan Hi3D kontribusikan, dan apa yang tidak

Hi3D V1.0, yang dirilis pada 23 Oktober 2026, adalah model penyempurnaan yang dibangun di atas Sparc3D. Berikan gambar referensi suatu objek dan mesh kasar dari objek yang sama, lalu model ini secara bertahap mengambil sampel laten renggang, mendekodenya melalui VAE renggang yang memangkas sendiri, dan mengekstrak permukaan beresolusi lebih tinggi. Ketiga lintasan membawa grid struktural ke 64³, 128³, dan 192³ serta grid ekstraksi renggang ke 512³, 1024³, dan 1536³, dengan 25 pembaruan penjadwal per lintasan. Model ini menjalankan satu objek dalam satu waktu.

Kesesuaian dengan tahap ketiga WorldClaw jelas secara teori. WorldClaw sudah memiliki komposit 2D tersegmentasi untuk setiap objek dan sudah menghasilkan mesh melalui Hunyuan3D. Itu persis dua input yang diinginkan Hi3D: gambar referensi dan mesh kasar. Memperhalus setiap objek sebelum ditempatkan akan meningkatkan detail geometris aset yang menentukan kualitas close-up adegan.

Tiga keterbatasan membuatnya tidak bisa menjadi peningkatan yang langsung dapat dipakai.

Pertama, Hi3D hanya geometri. Ini tidak menghasilkan tekstur, material, atau warna vertex, sedangkan keluaran WorldClaw secara eksplisit bertekstur, berupa mesh yang dapat diedit satu per satu yang ditujukan untuk mesin game. Hi3D akan meningkatkan siluet dan detail permukaan lokal lalu menyerahkan aset ke langkah pemberian tekstur yang tidak disediakan oleh kedua repositori tersebut. Dunia yang dibangun dari mesh yang telah disempurnakan tetapi tanpa tekstur bukanlah hasil yang dijanjikan WorldClaw.

Kedua, gambar referensi harus menunjukkan objek yang sama. Segmentasi WorldClaw menghasilkan potongan gambar objek di dalam komposit regional, yang mendekati tetapi tidak identik dengan referensi produk yang bersih. Apakah itu cukup baik merupakan pertanyaan empiris yang belum dijawab siapa pun.

Ketiga, throughput. Hi3D menyempurnakan satu mesh pada satu waktu, dan konfigurasi yang diukur adalah H20 96 GB tanpa jalur CPU dan tanpa mode batch. Menurut makalah, WorldClaw sudah berjalan pada 4× H20. Menambahkan tahap penyempurnaan per objek di depan penempatan mengalikan bagian pipeline yang paling mahal dengan jumlah objek dalam adegan.

Angka yang tidak diberikan oleh kedua halaman itu kepada Anda

Anda tidak dapat menghitung biaya komposisi ini dari materi yang dipublikasikan, dan itulah temuan praktis terpenting dalam perbandingan ini.

Hi3D tidak mempublikasikan latensi wall-clock. README menyediakan pembaruan penjadwal, jumlah pass, dan GPU terukur, tetapi bukan detik per objek pada 512³, 1024³, atau 1536³. WorldClaw juga tidak mempublikasikan waktu rekonstruksi per objek. Pernyataan komputasi dalam makalah tersebut adalah tentang keseluruhan sistem pada 4× H20, bukan tentang biaya marginal satu prop tambahan. Tanpa kedua angka tersebut, aritmetika yang menentukan apakah refinement terjangkau — objek per adegan dikali detik per objek dikali jam-GPU — tidak dapat dilakukan dari sumber-sumber tersebut.

Yang dapat dikatakan adalah bentuk biayanya. Pengaturan 512³ Hi3D menjalankan satu lintasan; 1024³ menjalankan dua; 1536³ menjalankan ketiganya. Setiap lintasan terdiri atas 25 pembaruan penjadwal. Resolusi yang lebih tinggi memberikan detail dan memakan lebih banyak lintasan. Ukuran batch adalah satu, sehingga biaya berskala linear dengan jumlah objek dan tidak dapat diamortisasi di seluruh batch. Jika sebuah scene WorldClaw berisi puluhan objek utama dan ratusan properti latar belakang, pipeline yang masuk akal adalah menyempurnakan objek utama dan membiarkan latar belakang pada tahap kasar — keputusan yang justru membutuhkan pengukuran waktu per objek yang belum dipublikasikan oleh kedua proyek.

Lima dimensi yang benar-benar membedakan mereka

• Satuan kerja — Hi3D V1.0 satu objek vs Hunyuan3D WorldClaw satu adegan dunia terbuka yang berisi banyak objek

• Keluaran — Hi3D V1.0 berupa mesh hanya geometri vs Hunyuan3D WorldClaw berupa mesh bertekstur yang dapat diedit dan dirakit di Blender

• Masukan — Hi3D V1.0 berupa gambar referensi plus mesh kasar vs Hunyuan3D WorldClaw berupa satu prompt teks terbuka

• Kode dan bobot — Hi3D V1.0 dapat diunduh hari ini di bawah Hi3D Open License 1.0, sedangkan Hunyuan3D WorldClaw hanya README dan paper, tanpa kode, tanpa bobot, tanpa API, tanpa harga

• Bukti — Hi3D V1.0 tidak memiliki tolok ukur numerik vs Hunyuan3D WorldClaw, hanya perbandingan kualitatif, tanpa FID, tanpa CLIP, tanpa studi pengguna

Ketersediaan menentukan kuartal

Salah satu dari ini adalah alat dan yang lainnya adalah dokumen desain.

Hi3D V1.0 dapat diklon, dipasang, dan dijalankan hari ini. Model ini memerlukan Linux, Python 3.10, CUDA 12.0 hingga 12.5, GPU dengan kemampuan komputasi 8.0, dan build sumber dari flash-attn, dan rangkaian 1536³ lengkap baru divalidasi pada H20 96 GB. Lisensinya mengizinkan penggunaan komersial, dengan persyaratan pemberitahuan dan lisensi terpisah setelah suatu produk melampaui 200.000 pengguna aktif bulanan atau USD 1.000.000 pendapatan bulanan, serta persyaratan atribusi untuk integrasi komersial. Bobotnya adalah delapan file di Hugging Face. Tidak ada endpoint yang dihosting — kartu model menyatakan bahwa model ini tidak diterapkan oleh penyedia inferensi mana pun — dan v3.0 komersial perusahaan, dengan voxel 2048³ dan tekstur 8K, adalah produk terpisah yang dijual melalui platformnya sendiri.

WorldClaw tidak dapat dijalankan oleh siapa pun di luar Tencent saat ini. Repositori GitHub berisi folder aset, sebuah .gitignore dan README. Tidak ada implementasi, tidak ada checkpoint, tidak ada API, dan tidak ada harga, dan issue yang meminta kode tidak terjawab. Makalahnya cukup rinci untuk mengimplementasikan ulang arsitektur dan halaman proyeknya merupakan demonstrasi yang baik, tetapi keduanya bukan dependensi yang dapat Anda jadwalkan. Jika Anda membangun generator dunia, WorldClaw adalah cetak biru yang layak dibaca; ini bukan komponen yang dapat Anda panggil.

Asimetri itu adalah jawaban praktis untuk perbandingan ini. Tim yang membutuhkan geometri objek yang lebih baik bulan ini dapat menggunakan Hi3D. Tim yang membutuhkan kemampuan tingkat adegan milik WorldClaw bulan ini harus membangunnya sendiri, dan makalah tersebut adalah satu-satunya yang telah diterbitkan Tencent yang membantu.

Ke mana tagihan LLM bermuara

Arsitektur WorldClaw luar biasa jujur tentang di mana pemanggilan yang mahal berada. Merencanakan adegan, mengekstrak batasan pengguna, mengisi detail yang dihilangkan prompt, dan menjalankan kritik visual yang menentukan apa yang akan dirender ulang—semuanya adalah pemanggilan bahasa atau bahasa-visi. Framework ini mengarahkannya ke model frontier alih-alih melatih modelnya sendiri. Itu adalah taruhan yang disengaja: orkestrasi di atas pelatihan, dengan kualitas yang dibatasi oleh komponen yang tidak Anda kendalikan.

Ini juga merupakan lapisan yang dicakup OrcaRouter. Rekonstruksi 3D tetap berada di GPU Anda dan bukan sesuatu yang kami sediakan — katalognya adalah model teks, visi, video, embedding, dan suara, bukan geometri. Perencana dan pengkritik adalah cerita yang berbeda. Menempatkan lebih dari 200 model di balik satu API berarti perencana dan pengkritik tidak memerlukan kontrak terpisah, kunci terpisah, dan domain kegagalan terpisah; harga daftar penyedia diteruskan dengan markup 0%, sehingga perubahan harga vendor mencapai endpoint pada hari yang sama; failover otomatis mencegah satu penyedia yang mengalami degradasi membuat sebuah dunia terhenti di tengah pembuatan; dan DSL perutean menyusun beberapa model menjadi satu panggilan, yang sebenarnya memang seperti itulah sebuah loop rencanakan-lalu-kritik. Untuk pipeline yang biaya per-scene-nya didominasi oleh panggilan agen yang berulang, permukaan kendali itu lebih penting daripada pilihan model tunggal mana pun.

Siapa yang harus bertindak, dan atas apa

Jika hambatan Anda adalah kualitas aset individual — komponen yang dapat dicetak, model produk, properti utama — Hi3D V1.0 tersedia sekarang dan eksperimennya murah untuk dimulai, asalkan Anda memiliki GPU 96 GB dan sudah memiliki mesh kasar. Baca bagian keterbatasan sebelum siaran pers: model ini menyempurnakan struktur, tidak memperbaiki siluet yang salah, dan tidak menghasilkan tekstur.

Jika hambatan Anda adalah perakitan adegan, WorldClaw adalah sistem yang lebih ambisius dan yang kurang tersedia. Kontribusinya bersifat arsitektural: loop agen dari kasar ke halus dengan kritikus berbasis render, dan pernyataan jelas bahwa tahap rekonstruksi objek adalah tempat fidelitas tiap aset ditentukan. Eksperimen berikutnya yang jelas adalah menempatkan refiner seperti Hi3D setelah tahap itu dan mengukur apakah kualitas close-up adegan meningkat cukup untuk membenarkan pass tambahan. Belum ada yang menerbitkan pengukuran itu, dan sampai ada yang melakukannya, perbandingan tersebut tetap merupakan hipotesis tentang lini produksi, bukan hasil.