Hi3D V1.0 vs Hunyuan3D WorldClaw: 에셋 하나를 잘 만드는 것인가, 아니면 세계를 대충 만드는 것인가

하나의 Hunyuan3D WorldClaw 장면은 하나의 3D 모델이 아닙니다. 그것은 지형, 건물, 식생, 차량 및 캐릭터로 구성되며, 각각 별도의 메시로 재구성되어 생성된 풍경 위에 배치된 다음, 불량 영역을 수리로 되돌려 보내는 비전 에이전트에 의해 검사됩니다. Hi3D V1.0은 세계를 구축하지 않습니다. 하나의 거친 메시와 하나의 참조 이미지를 받아 96 GB GPU를 사용해 그 단일 객체의 형상을 더 선명하게 만듭니다. 따라서 이 비교는 장면 대 장면이 아닙니다. 그것은 처리량 대 충실도이며, 두 시스템은 동일한 생산 라인의 반대편에 위치합니다.

WorldClaw가 세계를 만들기 전에 필요한 것

WorldClaw는 Tencent Hunyuan의 에이전트 프레임워크로, 하나의 텍스트 프롬프트를 크고 탐험하며 편집할 수 있는 3D 세계로 만들어 줍니다. 논문 "WorldClaw: Agentic 3D Open-World Generation at Scale"은 2026년 8월 7일 arXiv에 2608.05248로 게재되었으며, 프로젝트 페이지와 GitHub 저장소도 같은 주에 공개되었습니다. 이 아키텍처는 네 단계로 작동합니다:

• 의도 분석 및 장면 기획 — 두 개의 언어 모델 에이전트가 프롬프트를 분석합니다. 하나는 사용자가 명시한 제약 조건만 추출하고, 다른 하나는 프롬프트에서 빠진 세부 사항을 채웁니다. 논문에서는 이 단계에 Claude Opus 4.8을 지정합니다.

• 글로벌 지형 생성 — 시맨틱 레이아웃 맵과 지역 인식 높이 필드가 재질, 암석, 식생이 지역별로 할당된 연속적인 지형 골격을 만들어냅니다.

• 지역 객체 생성 — 상세 영역은 지형 제약을 받는 2D 합성물로 렌더링되고, GPT-Image-2와 SAM3D를 사용해 인스턴스로 분할되며, Hunyuan3D를 통해 개별 3D 메시로 재구성된 후 지형 위에 다시 배치됩니다.

• 렌더링 기반 개선 — 비전 에이전트가 여러 시점에서 장면을 렌더링하고, 공중에 떠 있는 객체, 서로 관통하는 현상, 잘못된 스케일과 잘못된 포즈를 찾아 문제가 되는 영역을 수정한 뒤 통과할 때까지 다시 렌더링합니다. 조립은 MCP를 통해 Blender에서 이루어집니다.

여기서 중요한 것은 바로 세 번째 단계입니다. WorldClaw 장면의 모든 객체는 별도의 이미지-투-3D 재구성입니다. 서로 다른 소품이 200개 있는 장면은 200번의 메시 생성이며, 각 생성은 분할된 2D 합성 이미지를 조건으로 하고, 각각 기반 재구성 모델이 만들어낼 수 있는 충실도를 지닙니다. 장면의 시각적 상한은 그 안에서 가장 나쁜 자산에 의해 정해지지만, 프레임워크 자체의 평가는 이를 측정하지 않습니다. 논문은 SynCity, Meta의 WorldGen, MajutsuCity, World Labs의 Marble과의 정성적 나란히 비교를 보고하지만 — FID도, CLIP 점수도, 사용자 연구도, 객체별 충실도 지표도 없습니다.

Hi3D가 기여할 부분과 기여하지 않을 부분

Hi3D V1.0은 2026년 10월 23일에 출시된 Sparc3D 기반의 정제 모델입니다. 객체의 참조 이미지와 동일 객체의 거친 메시를 입력하면 희소 잠재 변수를 점진적으로 샘플링하고, 자기 가지치기 희소 VAE를 통해 이를 디코딩하여 더 높은 해상도의 표면을 추출합니다. 세 번의 패스에서 구조 그리드를 64³, 128³, 192³로, 희소 추출 그리드를 512³, 1024³, 1536³로 높이며, 패스당 25회의 스케줄러 업데이트를 수행합니다. 한 번에 하나의 객체만 처리합니다.

WorldClaw의 세 번째 단계와의 결합은 이론상 명백하다. WorldClaw는 이미 각 객체에 대해 분할된 2D 합성물을 보유하고 있으며, 이미 Hunyuan3D를 통해 메시를 생성한다. 이 둘은 바로 Hi3D가 요구하는 두 가지 입력, 즉 참조 이미지와 저해상도 메시와 정확히 일치한다. 각 객체를 배치하기 전에 정제하면 장면의 근접 품질을 좌우하는 에셋의 기하학적 디테일이 향상될 것이다.

세 가지 한계 때문에 그것은 그대로 대체할 수 있는 업그레이드가 되지 못한다.

첫째, Hi3D는 지오메트리 전용입니다. 텍스처, 재질, 버텍스 컬러를 전혀 생성하지 않으며, WorldClaw의 출력은 게임 엔진용으로 명시적으로 텍스처가 입혀진 개별 편집 가능한 메시입니다. Hi3D는 실루엣과 국부 표면 디테일을 개선한 뒤 해당 자산을 어느 저장소도 제공하지 않는 텍스처링 단계로 넘길 것입니다. 개선되었지만 텍스처가 없는 메시로 구축한 세계는 WorldClaw가 약속하는 결과물이 아닙니다.

둘째, 참조 이미지는 동일한 객체를 보여야 합니다. WorldClaw의 분할은 지역 합성 이미지 내부의 객체를 잘라낸 이미지 크롭을 제공하는데, 이는 깨끗한 제품 참조 이미지와 가깝지만 동일하지는 않습니다. 그것이 충분히 좋은지 여부는 아무도 답하지 않은 경험적 질문입니다.

셋째, 처리량입니다. Hi3D는 한 번에 하나의 메시를 정제하며, 측정된 구성은 CPU 경로와 배치 모드가 없는 96GB H20입니다. 논문에 따르면 WorldClaw는 이미 4× H20에서 실행됩니다. 배치 앞에 객체별 정제 단계를 추가하면 파이프라인에서 가장 비용이 큰 부분이 장면의 객체 수만큼 배가됩니다.

어느 페이지도 알려주지 않는 숫자

공개된 자료만으로는 이 구성의 비용을 산출할 수 없으며, 이 점이 이 비교에서 가장 중요한 실무적 발견입니다.

Hi3D는 월클록 지연 시간을 공개하지 않는다. README는 스케줄러 업데이트, 패스 수, 측정된 GPU를 제공하지만 512³, 1024³, 1536³에서 객체당 초 단위는 제공하지 않는다. WorldClaw도 객체당 재구성 시간을 공개하지 않는다. 논문의 연산 관련 서술은 4× H20에서의 전체 시스템에 관한 것이지, 소품 하나를 더 추가할 때의 한계 비용에 관한 것이 아니다. 두 수치가 모두 없으면, 리파인먼트가 감당 가능한지 결정하는 산술 — 장면당 객체 수 × 객체당 초 × GPU 시간 — 을 출처만으로 수행할 수 없다.

말할 수 있는 것은 비용의 형태다. Hi3D의 512³ 설정은 한 번의 패스를 실행하고, 1024³는 두 번, 1536³는 세 번 모두 실행한다. 각 패스는 25회의 스케줄러 업데이트다. 더 높은 해상도는 디테일을 얻는 대신 패스 비용을 치른다. 배치 크기는 1이므로 비용은 객체 수에 선형으로 비례하며 배치 전체에 걸쳐 분산될 수 없다. WorldClaw 장면에 수십 개의 히어로 객체와 수백 개의 배경 소품이 포함되어 있다면, 합리적인 파이프라인은 히어로 객체를 정교화하고 배경은 거친 단계에 그대로 두는 것일 텐데 — 이는 어느 프로젝트도 공개하지 않은 객체별 타이밍을 정확히 필요로 하는 결정이다.

실제로 이들을 구분하는 다섯 가지 차원

• 작업 단위 — Hi3D V1.0은 단일 객체, Hunyuan3D WorldClaw는 여러 객체를 포함하는 하나의 오픈 월드 장면

• 출력 — Hi3D V1.0은 지오메트리만 있는 메시인 반면, Hunyuan3D WorldClaw는 Blender에서 조립된 편집 가능한 텍스처 메시입니다.

• 입력 — Hi3D V1.0: 참조 이미지 + 거친 메시 vs Hunyuan3D WorldClaw: 개방형 텍스트 프롬프트 하나

• 코드 및 가중치 — Hi3D V1.0은 Hi3D Open License 1.0에 따라 오늘부터 다운로드 가능 vs Hunyuan3D WorldClaw는 README와 논문만 있고 코드, 가중치, API, 가격 책정은 없음

• 근거 — Hi3D V1.0은 Hunyuan3D WorldClaw 대비 수치 벤치마크가 없고, 정성적 비교만 있으며, FID 없음, CLIP 없음, 사용자 연구 없음

가용성이 분기를 결정한다

이 중 하나는 도구이고 다른 하나는 설계 문서입니다.

Hi3D V1.0은 오늘 복제하여 설치하고 실행할 수 있습니다. Linux, Python 3.10, CUDA 12.0~12.5, 컴퓨트 능력 8.0 GPU, 그리고 flash-attn의 소스 빌드가 필요하며, 전체 1536³ 래더는 96GB H20에서만 검증되었습니다. 라이선스는 상업적 사용을 허용하며, 제품이 월간 활성 사용자 200,000명 또는 월간 매출 미화 1,000,000달러를 초과하면 통지 및 별도 라이선스 요건이 적용되고, 상업적 통합에는 출처 표시 요건이 있습니다. 가중치는 Hugging Face에 있는 8개 파일입니다. 호스팅 엔드포인트는 없으며 — 모델 카드에 따르면 어떤 추론 제공업체에서도 배포되지 않습니다 — 회사의 상업용 v3.0은 2048³ 복셀과 8K 텍스처를 갖춘 별도 제품으로 자체 플랫폼을 통해 판매됩니다.

현재 텐센트 외부에서는 누구도 WorldClaw를 실행할 수 없습니다. GitHub 저장소에는 assets 폴더, .gitignore 및 README가 포함되어 있습니다. 구현도, 체크포인트도, API도, 가격 정책도 없으며, 코드를 요청하는 이슈는 답변 없이 남아 있습니다. 논문은 아키텍처를 재구현하기에 충분히 상세하고 프로젝트 페이지는 좋은 데모이지만, 둘 다 일정에 넣을 수 있는 의존성은 아닙니다. 세계 생성기를 만들고 있다면 WorldClaw는 읽어볼 가치가 있는 청사진이지만, 호출할 수 있는 컴포넌트는 아닙니다.

그 비대칭성이 이 맞대결에 대한 실질적인 해답이다. 이번 달에 더 나은 객체 지오메트리가 필요한 팀은 Hi3D를 사용할 수 있다. 이번 달에 WorldClaw의 장면 수준 역량이 필요한 팀은 그것을 직접 구축해야 하며, Tencent가 공개한 것 중 도움이 되는 유일한 자료는 그 논문뿐이다.

LLM 청구서가 도착하는 곳

WorldClaw의 아키텍처는 비용이 많이 드는 호출이 어디에서 발생하는지 이례적으로 솔직하게 드러낸다. 장면을 계획하고, 사용자의 제약 조건을 추출하고, 프롬프트가 생략한 세부 사항을 채우고, 무엇을 다시 렌더링할지 결정하는 시각적 비평을 실행하는 일은 모두 언어 또는 비전-언어 호출이다. 이 프레임워크는 이를 자체 모델로 훈련하는 대신 프런티어 모델로 라우팅한다. 이는 의도적인 베팅이다. 즉, 훈련보다 오케스트레이션을 택하는 것이며, 품질은 통제할 수 없는 구성 요소에 의해 제한된다.

이것은 OrcaRouter가 담당하는 계층이기도 합니다. 3D 재구성은 여러분의 GPU에 그대로 남아 있으며 우리가 서비스로 제공하는 것이 아닙니다 — 카탈로그는 텍스트, 비전, 비디오, 임베딩, 음성 모델이고 기하학은 아닙니다. 플래너와 크리틱은 사정이 다릅니다. 200개가 넘는 모델을 하나의 API 뒤에 두는 것은 플래너와 크리틱이 별도의 계약, 별도의 키, 별도의 장애 도메인을 필요로 하지 않는다는 뜻입니다. 공급자의 정가가 0% 마크업으로 그대로 전달되므로 벤더 가격 변경이 같은 날 엔드포인트에 반영됩니다. 자동 페일오버는 성능이 저하된 공급자 하나가 생성 도중에 세계 전체를 멈춰 세우는 일을 막아줍니다; 그리고 라우팅 DSL은 여러 모델을 하나의 호출로 구성하는데, 플랜-앤-크리틱 루프란 바로 그러한 것입니다. 장면당 비용이 반복적인 에이전트 호출에 의해 좌우되는 파이프라인에서는, 이러한 제어 표면이 어떤 단일 모델 선택보다 더 중요합니다.

누가 행동해야 하며, 무엇에 대해 행동해야 합니까?

개별 에셋의 품질—인쇄 가능한 부품, 제품 모델, 히어로 프롭—이 병목이라면, Hi3D V1.0은 지금 이용 가능하며, 96 GB GPU를 보유하고 이미 거친 메시가 있다면 실험을 저렴하게 시작할 수 있습니다. 보도 자료를 보기 전에 제한 사항 섹션을 읽어 보십시오. 이 모델은 구조를 정교화할 뿐 잘못된 실루엣을 바로잡지 않으며, 텍스처를 반환하지도 않습니다.

장면 조립이 병목이라면, WorldClaw는 더 야심찬 시스템이자 더 이용하기 어려운 시스템이다. 이 시스템의 기여는 아키텍처에 있다. 렌더 기반 크리틱을 갖춘 coarse-to-fine 에이전트 루프와, 에셋별 충실도가 결정되는 단계가 바로 객체 재구성 단계라는 분명한 진술이다. 다음에 해볼 만한 실험은 Hi3D 같은 리파이너를 그 단계 뒤에 붙이고, 장면의 근접 품질이 추가 패스를 정당화할 만큼 개선되는지 측정하는 것이다. 아무도 그 측정 결과를 발표하지 않았으며, 누군가 발표하기 전까지 이 비교는 결과라기보다 생산 라인에 관한 가설로 남는다.