Hi3D V1.0 vs Hunyuan3D WorldClaw: un singolo asset fatto bene o un mondo approssimativo

Una scena Hunyuan3D WorldClaw non è un unico modello 3D. È terreno, edifici, vegetazione, veicoli e personaggi, ciascuno ricostruito come mesh separata, collocato su un paesaggio generato e poi ispezionato da un agente di visione che rimanda le regioni difettose per la riparazione. Hi3D V1.0 non costruisce mondi. Prende una mesh grossolana e un'immagine di riferimento e impiega una GPU da 96 GB per rendere più nitida la geometria di quell'unico oggetto. Il confronto quindi non è scena contro scena. È throughput contro fedeltà, e i due sistemi si trovano sui lati opposti della stessa linea di produzione.

Cosa serve a WorldClaw prima di poter costruire un mondo

WorldClaw è il framework agentico di Tencent Hunyuan per trasformare un singolo prompt testuale in un mondo 3D ampio, esplorabile e modificabile. Il paper "WorldClaw: Agentic 3D Open-World Generation at Scale" è apparso su arXiv con il numero 2608.05248 il 7 agosto 2026, e la pagina del progetto e il repository GitHub sono seguiti la stessa settimana. L'architettura si articola in quattro fasi:

• Analisi dell'intento e pianificazione della scena — due agenti basati su modelli linguistici interpretano il prompt. Uno estrae solo i vincoli indicati dall'utente; l'altro completa i dettagli omessi dal prompt. Il documento indica Claude Opus 4.8 per questa fase.

• Generazione globale del terreno — una mappa di layout semantica e campi di altezza sensibili alla regione producono uno scheletro continuo del terreno con materiali, rocce e vegetazione assegnati per regione.

• Generazione regionale di oggetti — regioni dettagliate vengono renderizzate in compositi 2D vincolati al terreno, segmentate in istanze con GPT-Image-2 e SAM3D, ricostruite come singole mesh 3D tramite Hunyuan3D e ricollocate sul terreno.

• Affinamento basato sul rendering — un agente di visione esegue il rendering della scena da più punti di vista, cerca oggetti fluttuanti, interpenetrazioni, scale errate e pose errate, corregge la regione problematica ed esegue di nuovo il rendering finché non supera il controllo. L'assemblaggio avviene in Blender tramite MCP.

È questa terza fase quella che conta qui. Ogni oggetto in una scena WorldClaw è una ricostruzione image-to-3D separata. Una scena con duecento oggetti distinti equivale a duecento generazioni di mesh, ciascuna condizionata su un composito 2D segmentato e ciascuna con la fedeltà che il modello di ricostruzione sottostante riesce a produrre. Il limite visivo della scena è determinato dall'asset peggiore al suo interno, e la valutazione del framework stesso non lo misura. Il paper riporta confronti qualitativi affiancati con SynCity, WorldGen di Meta, MajutsuCity e Marble di World Labs — nessun FID, nessun punteggio CLIP, nessuno studio utente e nessuna metrica di fedeltà per oggetto.

Che cosa apporterebbe Hi3D, e che cosa no

Hi3D V1.0, rilasciato il {{1}}23 ottobre 2026{{/1}}, è un modello di raffinamento basato su Sparc3D. Forniscigli un'immagine di riferimento di un oggetto e una mesh grezza dello stesso oggetto, e campiona progressivamente latenti sparsi, li decodifica tramite un VAE sparso con auto-pruning ed estrae una superficie a risoluzione più alta. I tre passaggi portano la griglia strutturale a {{2}}64³, 128³ e 192³{{/2}} e la griglia di estrazione sparsa a {{3}}512³, 1024³ e 1536³{{/3}}, con {{4}}25 aggiornamenti dello scheduler per passaggio{{/4}}. Elabora un oggetto alla volta.

La corrispondenza con la terza fase di WorldClaw è ovvia sulla carta. WorldClaw dispone già di un composito 2D segmentato per ogni oggetto e produce già una mesh tramite Hunyuan3D. Sono esattamente i due input che Hi3D richiede: un'immagine di riferimento e una mesh grezza. Rifinire ogni oggetto prima che venga posizionato aumenterebbe il dettaglio geometrico degli asset che determinano la qualità dei primi piani della scena.

Tre limiti impediscono che sia un aggiornamento drop-in.

Innanzitutto, Hi3D è solo geometria. Non produce texture, materiali o colori per vertice, e l'output di WorldClaw è costituito esplicitamente da mesh texturizzate e modificabili singolarmente, pensate per un motore di gioco. Hi3D migliorerebbe la silhouette e il dettaglio locale della superficie per poi passare l'asset a una fase di texturing che nessuno dei due repository fornisce. Un mondo costruito con mesh rifinite ma non texturizzate non è il prodotto finale che WorldClaw promette.

{{1}}In secondo luogo,{{/1}} l'immagine di riferimento deve mostrare lo stesso oggetto. La segmentazione di WorldClaw fornisce un ritaglio dell'oggetto all'interno di un composito regionale, che è vicino ma non identico a un riferimento prodotto pulito. Se ciò sia sufficientemente buono è una questione empirica a cui nessuno ha risposto.

Terzo, il throughput. Hi3D rifinisce una mesh alla volta, e la configurazione misurata è una H20 da 96 GB senza percorso CPU e senza modalità batch. Secondo quanto riportato nel paper, WorldClaw gira già su 4× H20. Aggiungere una fase di rifinitura per oggetto prima del posizionamento moltiplica la parte più costosa della pipeline per il numero di oggetti nella scena.

Il numero che nessuna delle due pagine ti fornisce

Non è possibile determinare il costo di questa composizione sulla base del materiale pubblicato, e questo è il risultato pratico più importante di questo confronto.

Hi3D non pubblica alcuna latenza in tempo reale. Il README fornisce aggiornamenti dello scheduler, conteggi dei passaggi e una GPU misurata, ma non i secondi per oggetto a 512³, 1024³ o 1536³. Anche WorldClaw non pubblica tempi di ricostruzione per oggetto. La dichiarazione sui requisiti di calcolo del paper riguarda l'intero sistema su 4× H20, non il costo marginale di un ulteriore oggetto. Senza entrambi i numeri, l'aritmetica che decide se il refinement è sostenibile — oggetti per scena moltiplicati per secondi per oggetto moltiplicati per ore GPU — non può essere eseguita a partire dalle fonti.

Ciò che si può dire è la forma del costo. L'impostazione 512³ di Hi3D esegue una passata; 1024³ ne esegue due; 1536³ le esegue tutte e tre. Ogni passata corrisponde a 25 aggiornamenti dello scheduler. Una risoluzione più alta compra dettaglio e costa passate. La dimensione del batch è uno, quindi il costo scala linearmente con il numero di oggetti e non può essere ammortizzato su un batch. Se una scena di WorldClaw contiene dozzine di oggetti protagonisti e centinaia di oggetti di scena di sfondo, una pipeline sensata rifinirebbe i protagonisti e lascerebbe lo sfondo allo stadio grossolano — una decisione che richiede esattamente i tempi per oggetto che nessuno dei due progetti ha pubblicato.

Cinque dimensioni che li separano davvero

• Unità di lavoro — Hi3D V1.0 un oggetto vs Hunyuan3D WorldClaw una scena open-world contenente molti oggetti

• Output — Hi3D V1.0 una mesh di sola geometria rispetto a Hunyuan3D WorldClaw, mesh modificabili e texturizzate assemblate in Blender

• Input — Hi3D V1.0 un'immagine di riferimento più una mesh grezza vs Hunyuan3D WorldClaw un prompt testuale aperto

• Codice e pesi — Hi3D V1.0 scaricabile da oggi con la Hi3D Open License 1.0 vs Hunyuan3D WorldClaw: un README e un paper, nessun codice, nessun peso, nessuna API, nessun prezzo

• Evidenza — Hi3D V1.0 nessun benchmark numerico rispetto a Hunyuan3D WorldClaw, solo confronti qualitativi, nessun FID, nessun CLIP, nessuno studio utente

La disponibilità decide il trimestre

Uno di questi è uno strumento e l'altro è un documento di progettazione.

Hi3D V1.0 può essere clonato, installato ed eseguito già oggi. Richiede Linux, Python 3.10, CUDA da 12.0 a 12.5, una GPU con compute capability 8.0 e una build dai sorgenti di flash-attn, e la scala completa 1536³ è stata validata solo su una H20 da 96 GB. La licenza consente l'uso commerciale, con l'obbligo di notifica e di licenza separata una volta che un prodotto supera i 200.000 utenti attivi mensili o 1.000.000 USD di ricavi mensili, e un obbligo di attribuzione per le integrazioni commerciali. I pesi sono otto file su Hugging Face. Non esiste un endpoint ospitato — la model card afferma che non è distribuito da alcun provider di inferenza — e la v3.0 commerciale dell'azienda, con voxel 2048³ e texture 8K, è un prodotto separato venduto tramite la sua piattaforma.

Oggi WorldClaw non può essere eseguito da nessuno al di fuori di Tencent. Il repository GitHub contiene una cartella assets, un file .gitignore e un README. Non esiste alcuna implementazione, nessun checkpoint, nessuna API e nessun prezzo, e una issue che chiede il codice è rimasta senza risposta. Il paper è sufficientemente dettagliato da permettere di reimplementare l'architettura e la pagina del progetto è una buona dimostrazione, ma nessuno dei due è una dipendenza che puoi pianificare. Se stai costruendo un generatore di mondi, WorldClaw è un blueprint che vale la pena leggere; non è un componente che puoi chiamare.

Quell'asimmetria è la risposta pratica al confronto. Un team che questo mese ha bisogno di una migliore geometria degli oggetti può usare Hi3D. Un team che questo mese ha bisogno della capacità a livello di scena di WorldClaw deve costruirsela, e il paper è l'unica cosa che Tencent abbia pubblicato che possa aiutare.

Dove ricade il conto dell'LLM

L'architettura di WorldClaw è insolitamente onesta su dove si trovano le chiamate costose. Pianificare la scena, estrarre i vincoli dell'utente, colmare i dettagli omessi dal prompt ed eseguire la critica visiva che decide cosa ri-renderizzare sono tutte chiamate linguistiche o vision-language. Il framework le indirizza a modelli frontier invece di addestrarne di propri. È una scommessa deliberata: orchestrazione invece di addestramento, con una qualità limitata da componenti che non controlli.

È anche il livello che OrcaRouter copre. La ricostruzione 3D resta sulle tue GPU e non è qualcosa che serviamo — il catalogo comprende modelli di testo, visione, video, embedding e voce, non geometria. Il planner e il critico sono un'altra storia. Mettere più di 200 modelli dietro un'unica APIsignifica che il planner e il critico non hanno bisogno di contratti separati, chiavi separate e domini di guasto separati; il prezzo di listino del provider viene trasferito con un ricarico dello 0%, quindi una variazione di prezzo del fornitore raggiunge l'endpoint lo stesso giorno; il failover automatico impedisce a un provider degradato di bloccare un mondo a metà generazione; e il DSL di routing compone diversi modelli in un'unica chiamata, che è esattamente ciò che è un ciclo plan-then-critique. Per una pipeline il cui costo per scena è dominato da chiamate ripetute agli agenti, quella superficie di controllo conta più di qualsiasi singola scelta di modello.

Chi dovrebbe agire, e su cosa

Se il tuo collo di bottiglia è la qualità di un singolo asset — un componente stampabile, un modello di prodotto, un prop protagonista — Hi3D V1.0 è ora disponibile e l'esperimento è economico da avviare, a condizione che tu possieda una GPU da 96 GB e abbia già una mesh grezza. Leggi la sezione sulle limitazioni prima del comunicato stampa: il modello affina la struttura, non corregge una silhouette errata e non restituisce alcuna texture.

Se il tuo collo di bottiglia è l'assemblaggio della scena, WorldClaw è il sistema più ambizioso e quello meno disponibile. Il suo contributo è architetturale: un ciclo di agente dal grossolano al fine con un critico basato sul rendering, e un'affermazione chiara che la fase di ricostruzione degli oggetti è dove si vince o si perde la fedeltà per asset. Il prossimo esperimento ovvio è mettere un refiner come Hi3D dietro quella fase e misurare se la qualità dei primi piani della scena migliora abbastanza da giustificare i passaggi extra. Nessuno ha pubblicato quella misurazione, e finché qualcuno non lo farà, il confronto resta un'ipotesi su una linea di produzione più che un risultato.