Hi3D V1.0 został dziś udostępniony jako open source. Co dowodzi to repozytorium, a czego nie

23 października 2026 r. pojawiło się repozytorium GitHub o nazwie hi3d-official/Hi3Dv1.0 z sześcioma commitami, jednym tagiem i notą wydania o treści „Udostępnienie kodu wnioskowania i dokumentacji Hi3D v1.0”. Tego samego dnia na Hugging Face trafiło osiem plików środowiska uruchomieniowego, a Hi3D V1.0 — model wcześniej znany jako Sparc3D — stał się dostępny do pobrania i wykorzystania komercyjnego. Ogłoszenie, jeśli można je tak nazwać, ukazało się jako komunikat prasowy pod nagłówkiem „Hi3D V1.0 przechodzi na open source: pierwszy zweryfikowany produkcyjnie otwartoźródłowy model AI 3D”. Nie opublikowano natomiast tabeli wyników porównawczych. W repozytorium nie ma liczby, która mówiłaby, o ile lepszy jest ten model od zgrubnej siatki, którą dopracowuje, i żadna strona trzecia jeszcze takiej nie opublikowała. Ta luka to cała historia.

Sześć commitów i osiem plików

Repozytorium jest wystarczająco małe, aby przeczytać je w jedno popołudnie, co jest pierwszym użytecznym faktem na jego temat. Zawiera kod wnioskowania, demonstrację, ograniczenia Dockera, dokumentację oraz sparc3d pakiet Python. Nie zawiera kodu treningowego, harnessu ewaluacyjnego, podziałów benchmarków ani siatek porównawczych kryjących się za wykresami z komunikatu prasowego. Autorzy mówią to wprost w README: to wydanie do wnioskowania, a nie pakiet do reprodukcji.

Wagi to osiem plików: indeks modelu, konfiguracja schedulera, konfiguracja VAE oraz model.safetensors, a także transformer_512 i transformer_1024 — konfiguracje i wagi. Loader odczytuje pliki JSON i safetensors; nie wykonuje kodu Pythona z repozytorium modelu ani nie odpakowuje checkpointów przez unpickle, co jest bezpieczniejszym wzorcem i warto to odnotować dla każdego, kto musi oczyścić łańcuch dostaw. Dwa enkodery warunkowania — facebook/dinov2-large i openai/clip-vit-large-patch14 — są osobnymi plikami do pobrania i mają własne licencje.

Liczba parametrów nie została opublikowana. Ani w README, ani na karcie modelu, ani w komunikacie prasowym. Możesz wywnioskować skalę na podstawie rozmiarów plików, jeśli je pobierzesz, ale dostawca nie podał żadnej liczby, a ten artykuł jej nie wymyśli.

Co pipeline robi z Twoim obrazem

Hi3D V1.0 nie jest generatorem obrazu na 3D w tym sensie, w jakim rozumie to większość ludzi. To etap udoskonalania. Podajesz mu obraz referencyjny obiektu oraz zgrubną siatkę tego samego obiektu, a on zwraca siatkę o wyższej rozdzielczości. Obraz warunkuje rzadki przepływ zdefiniowany na współrzędnych pobranych ze zgrubnej siatki; potok próbkuje rzadkie reprezentacje utajone, dekoduje je przez samoprzycinający się rzadki VAE, wyodrębnia powierzchnię, a następnie ponownie wokselizuje tę powierzchnię, aby obsłużyć kolejny przebieg.

Są trzy przebiegi, a żądana rozdzielczość decyduje, ile z nich zostanie uruchomionych:

• 512³ — jedno przejście, siatka strukturalna 64³, rzadka ekstrakcja 512³, transformer_512

• 1024³ — dwa przebiegi, dodając siatkę strukturalną 128³, ekstrakcję 1024³, transformer_1024

• 1536³ — trzy przebiegi, dodanie siatki strukturalnej 192³, ekstrakcja 1536³, transformer_1024

Każdy przebieg domyślnie wykonuje 25 aktualizacji schedulera. README starannie wyjaśnia, co oznacza „1536³”: to nominalna rzadka siatka współrzędnych i ekstrakcji, a nie gęsty tensor utajony 1536³ i nie stała liczba trójkątów. To rozróżnienie ma znaczenie, ponieważ komunikat prasowy mówi o „efektywnej rozdzielczości rzadkiej siatki wynoszącej do 1536³”, co jest poprawne, ale łatwo odczytać jako coś gęstszego, niż to w rzeczywistości jest.

Wynikiem jest trimesh.Trimesh oraz osiągnięta rozdzielczość. Jest on ponownie wyśrodkowany i znormalizowany do jednostkowego maksymalnego promienia, więc oryginalne współrzędne świata i bezwzględna skala zniknęły. Rozmiar partii wynosi jeden. Brak tekstur, materiałów i kolorów wierzchołków. Jeśli następny krok wymaga rzeczywistego wymiaru — stołu drukarki, złożenia CAD, otoczki kolizyjnej — musisz ręcznie przeskalować i zmienić orientację.

Liczba 90% nie ma mianownika.

Komunikat prasowy zawiera cztery twierdzenia ilościowe. Dane treningowe wzrosły z około 500 000 do dwóch milionów wyselekcjonowanych zasobów 3D. Geometria osiąga efektywną rzadką siatkę 1536³. Model deklaruje 90% skuteczności podziału na warstwy. Twierdzi też, że uzyskał „najwyższe wyniki wierności wielowidokowej i bogactwa szczegółów w raportowanej ewaluacji”.

Tylko pierwsze dwie są widoczne w repozytorium. Liczba dwóch milionów pojawia się na karcie modelu jako twierdzenie z raportu projektowego; liczba 1536³ jest realna w tym sensie, że potok akceptuje żądanie i konfiguracje istnieją. Liczba 90% dotycząca cięcia nie pojawia się nigdzie w repozytorium. Nie ma definicji tego, co zostało pocięte, którego slicera użyto, jakie były tryby awarii ani jaki był punkt odniesienia. „Najwyższa wierność wielowidokowa” nie ma żadnych wyników, zestawu porównawczego ani metodologii w materiałach publicznych. To liczby raportowane przez dostawcę, a uczciwa interpretacja jest taka, że są niezweryfikowane, a nie że są błędne.

Brak zestawu narzędzi ewaluacyjnych jest powodem, dla którego ma to znaczenie. Czytelnik nie może wziąć repozytorium, uruchomić raportowanego porównania i sprawdzić wyniku. Niezależna replikacja musiałaby zacząć się od odtworzenia benchmarku, co jest osobnym projektem. Nie jest to nic niezwykłego w przypadku wydania wyłącznie do wnioskowania, ale oznacza, że pierwsza poważna recenzja tego modelu będzie pochodzić od kogoś dysponującego farmą drukarek lub pipeline’em zasobów, a nie z rankingu.

Repozytorium jest bardziej szczere niż wydanie.

Przeczytaj sekcję ograniczeń, a wyłoni się bardziej użyteczny obraz niż ten, który daje nagłówek. To są własne słowa dostawcy, sparafrazowane:

• Tylko geometria. Bez tekstur, materiałów ani kolorów wierzchołków, a rozmiar partii wynosi jeden.

• Zgrubna siatka jest obowiązkowa. Model doskonali strukturę; nie wymyśla pierwszej powierzchni na podstawie obrazu.

• Błędy związane z grubą siatką utrzymują się. Jeśli kontur wejściowy jest nieprawidłowy, proces udokładniania może jedynie wyostrzyć błędny kształt.

• Geometria niewidoczna w obrazie referencyjnym jest uzupełniana w wiarygodny sposób, a nie odtwarzana dokładnie. To jest w porządku w przypadku zasobu głównego, ale złe w przypadku pomiaru.

• Bezwzględna skala i współrzędne świata są odrzucane przez etap normalizacji.

• Ziarna nie są hashami siatki. Rzadkie konwolucje i mechanizmy uwagi na GPU nie są deterministyczne bitowo, więc to samo ziarno może wygenerować inną siatkę.

• Pełna drabinka 1536³ została zweryfikowana wyłącznie na karcie NVIDIA H20 o pamięci 96 GB. Zużycie pamięci i wykonalność na mniejszych kartach nie zostały wyraźnie ustalone.

• Nie ma ścieżki wnioskowania na CPU, a flash-attn nie ma zapasowej implementacji mechanizmu uwagi.

• Jeśli nie można osiągnąć żądanej rozdzielczości, potok zgłasza błąd, zamiast po cichu zwracać niższą wartość.

• W pliku README napisano, że nominalna rozdzielczość i szczegółowość geometryczna nie gwarantują przydatności do zastosowania docelowego. To najważniejsze zdanie w dokumencie.

Open source, z klauzulą wzrostu

Ta licencja nazywa się Hi3D Open License Agreement Version 1.0. Nie jest to MIT, Apache-2.0 ani żaden tekst zatwierdzony przez OSI, a oficjalna strona w ogóle nie podaje nazwy licencji, więc repozytorium jest źródłem autorytatywnym. Użytkowanie komercyjne jest dozwolone. Najciekawsza jest część dotycząca warunków.

Jeśli powiązany produkt lub usługa przekroczy 200 000 użytkowników aktywnych miesięcznie lub 1 000 000 USD miesięcznego przychodu, licencjobiorca musi powiadomić Hi3D i w ciągu 60 dni wystąpić o odrębną pisemną licencję. Komercyjne integracje muszą wyświetlać „Powered by Hi3D 1.0” oraz, tam gdzie jest to obsługiwane, zawierać odnośnik do oficjalnej witryny. Samodzielne wyniki, które nie zawierają materiałów Hi3D ani ich pochodnych, nie powodują same w sobie obowiązków w zakresie oznaczania marką, dystrybucji ani licencji zależnej od skali. Obowiązujące warunki Apache-2.0 i MIT pozostają w mocy dla objętych nimi części oryginalnych i części stron trzecich, a DINOv2, CLIP, Hunyuan i inne komponenty zachowują własne warunki.

Dla hobbysty lub agencji tworzącej zasoby jest to niemal nieograniczone. Dla SaaS, który udostępnia dopracowanie za endpointem, jest to licencja z mechanizmem wyzwalającym przy określonym rozmiarze oraz wymogiem atrybucji. Próg 200 000 MAU nie jest ogromny jak na konsumenckie narzędzie projektowe. Każdy, kto planuje takie zbudować, powinien przeczytać umowę przed integracją, a nie po krzywej wzrostu.

Co trzeba, żeby biegać

To wydanie jest przeznaczone wyłącznie dla systemu Linux i instalowane ze źródeł. Wymaga Pythona 3.10, karty GPU NVIDIA o zdolności obliczeniowej 8.0 lub nowszej oraz zestawu narzędzi CUDA w wersji od 12.0 do 12.5 zgodnego z zainstalowanym PyTorch. Zmierzona konfiguracja opisana w README to Python 3.10.12, PyTorch 2.5.0 z CUDA 12.4 oraz H20 o pojemności 96 GB. Instalacja pobiera flash-attn 2.7.4.post1 z wyłączoną izolacją kompilacji, spconv-cu120 oraz plik ograniczeń z przypiętymi wersjami. Nie ma pakietu wheel w PyPI ani wstępnie zbudowanego pakietu projektu.

Korzystanie w trybie offline wymaga lokalnych kopii wag doskonalenia, DINOv2 i CLIP. Opcjonalny adapter demonstracyjny służący do generowania siatki zgrubnej wykorzystuje należący do firmy Tencent Hunyuan3D-2 mini, który trzeba pozyskać osobno i który zachowuje własną licencję. Główny skrypt doskonalenia nie importuje Hunyuan i przyjmie dowolną dostarczoną siatkę zgrubną, co jest użyteczniejszym trybem w potoku produkcyjnym, który ma już generator.

W instrukcjach instalacji znajdują się dwa praktyczne ostrzeżenia. flash-attn musi zostać zbudowany po PyTorch i nie ma żadnego rozwiązania zapasowego, jeśli się to nie uda. Offload pamięci jest dostępny, ale nie gwarantuje minimalnego zużycia pamięci GPU i nie można go łączyć z prostym .to("cuda"). Jeśli liczono na uruchomienie tego na karcie stacji roboczej z 24 GB, repozytorium nie twierdzi, że jest to możliwe, a jedyna zmierzona konfiguracja ma czterokrotnie więcej.

Czego nie ma w pudełku?

Nie ma hostowanego API dla Hi3D V1.0. Karta modelu w Hugging Face mówi, że model „nie jest wdrażany przez żadnego Inference Provider”, a przycisk pobierania na oficjalnej stronie prowadzi do wdrożenia lokalnego. Darmowa przestrzeń demonstracyjna Space podlinkowana ze strony dostawcy to wersja próbna, a nie endpoint z cennikiem. Komercyjnym produktem firmy jest inny model: Hi3D v3.0, który strona opisuje jako geometrię na poziomie wokseli 2048³ z teksturami do 8K i dostępem przez internetowe środowisko pracy. v1.0 jest wersją otwartą; v3.0 to wersja, którą firma sprzedaje.

Brak hostowanego endpointu nie jest krytyką. To fakt wdrożeniowy, który zmienia, kto w tym miesiącu może korzystać z modelu: zespół z GPU o 96 GB pamięci i komputerem z Linuksem może; zespół, który chce wysłać obraz do API, nie może — chyba że sam zbuduje tę usługę albo poczeka, aż zrobi to ktoś inny.

Gdzie router pasuje, a gdzie nie

OrcaRouter nie udostępnia Hi3D V1.0 i w ogóle nie udostępnia modeli 3D. Katalog obejmuje modele tekstowe, wizyjne, wideo, embeddingowe i mowy. Niczego w tym artykule nie należy odczytywać jako twierdzenia, że można wywołać generator siatki przez nasz endpoint.

Warstwa wokół potoku udoskonalania to inna sprawa. Oczywista kontrola jakości siatki warunkowanej obrazem ma charakter wizualny: wyrenderuj wynik z trzech lub czterech kątów i zapytaj model wizyjny, czy sylwetka, lokalne szczegóły i spójność między widokami zgadzają się z referencją. To zapytanie w stylu LLM i właśnie takie zapytanie zyskuje na możliwości wypróbowania kilku modeli bez zawierania trzech umów. OrcaRouter udostępnia ponad 200 modeli za jednym API z 0% narzutu, z automatycznym przełączaniem awaryjnym, gdy dostawca ulega degradacji, a jego tryb fuzji modeli pozwala panelowi modeli wspólnie odpowiedzieć na tę samą inspekcję, zamiast opierać bramkę QA na jednym modelu. Praca 3D pozostaje lokalna; ocena wokół niej nie musi być szyta na miarę.

Co zmieniłoby tę ocenę?

Trzy rzeczy, w kolejności użyteczności. Test wydruku z nazwanym slicerem, określone kryterium niepowodzenia i punkt odniesienia zamieniłyby twierdzenie o 90% w liczbę, której kupujący może użyć. Tabela opóźnień i pamięci przy 512³, 1024³ i 1536³ na więcej niż jednym GPU powiedziałaby zespołom, czy wymóg 96 GB jest artefaktem walidacji, czy twardym progiem. A niezależne porównanie z grubą siatką, od której zaczęto, odpowiedziałoby na jedyne pytanie istotne dla modelu udokładniania: ile szczegółów faktycznie dodaje drugi etap i jakim kosztem artefaktów?

Do tego czasu możliwe do obrony podsumowanie jest wąskie i użyteczne. Hi3D V1.0 to prawdziwy, dostępny do pobrania, komercyjnie użyteczny model udoskonalania z wyjątkowo szczerą sekcją ograniczeń, licencją, która skaluje się wraz z Twoim biznesem, i bez opublikowanych dowodów poza tymi od samych autorów. Dla zespołu, który już generuje zgrubne siatki i dysponuje GPU, to wystarczy, by w tym tygodniu przeprowadzić eksperyment. Dla wszystkich pozostałych to obiecujące wydanie, którego dowody wciąż przed nami.