Hi3D V1.0 tornou-se código aberto hoje. O que o repositório comprova e o que não comprova

Em 23 de outubro de 2026, apareceu um repositório do GitHub chamado hi3d-official/Hi3Dv1.0 com seis commits, uma tag e uma nota de lançamento com o texto "Código de inferência e documentação do Hi3D v1.0." No mesmo dia, oito arquivos de runtime chegaram ao Hugging Face, e Hi3D V1.0 — o modelo anteriormente conhecido como Sparc3D — tornou-se disponível para download e para uso comercial. O anúncio, tal como foi, veio como um comunicado de imprensa sob o título "Hi3D V1.0 se torna open source: o primeiro modelo de IA 3D open source validado em produção." O que não saiu foi uma tabela de benchmark. Não há número no repositório que diga o quanto este modelo é melhor do que a malha grosseira que ele refina, e nenhum terceiro publicou um até agora. Essa lacuna é a história.

Seis commits e oito arquivos

O repositório é pequeno o suficiente para ser lido em uma tarde, o que é o primeiro fato útil sobre ele. Ele contém código de inferência, uma demonstração, restrições de Docker, documentação e o pacote Python sparc3d. Ele não contém código de treinamento, a infraestrutura de avaliação, divisões de benchmark ou as malhas de comparação por trás dos gráficos do comunicado à imprensa. Os autores dizem isso diretamente no README: esta é uma versão de inferência, não um pacote de reprodução.

Os pesos são oito arquivos: um índice de modelo, uma configuração de scheduler, uma configuração de VAE e model.safetensors, além de transformer_512 e transformer_1024 configurações e pesos. O carregador lê JSON e safetensors e não executa Python do repositório de modelos nem faz unpickle de checkpoints, que é o padrão mais seguro e vale a pena observar para quem precisa lidar com uma cadeia de suprimentos. Dois codificadores de condicionamento — facebook/dinov2-large e openai/clip-vit-large-patch14 — são downloads separados e trazem suas próprias licenças.

Nenhuma contagem de parâmetros é publicada. Nem no README, nem no cartão do modelo, nem no comunicado à imprensa. Você pode inferir a escala a partir dos tamanhos dos arquivos se baixá-los, mas o fornecedor não divulgou um número, e este artigo não vai inventar um.

O que o pipeline faz com sua imagem

Hi3D V1.0 não é um gerador de imagem para 3D no sentido que a maioria das pessoas quer dizer. É um estágio de refinamento. Você fornece a ele uma imagem de referência de um objeto e uma malha grosseira do mesmo objeto, e ele retorna uma malha de resolução mais alta. A imagem condiciona um fluxo esparso definido em coordenadas obtidas da malha grosseira; o pipeline amostra latentes esparsos, decodifica-os por meio de um VAE esparso com autopoda, extrai uma superfície e então revoxeliza essa superfície para dar suporte à próxima passagem.

Há três passagens, e a resolução que você solicita determina quantas serão executadas:

• 512³ — uma passada, grade estrutural de 64³, extração esparsa de 512³, transformer_512

• 1024³ — duas passagens, adicionando uma grade estrutural de 128³, extração de 1024³, transformer_1024

• 1536³ — três passagens, adicionando uma grade estrutural de 192³, extração de 1536³, transformer_1024

Cada passagem executa 25 atualizações do agendador por padrão. O README é cuidadoso quanto ao significado de "1536³": trata-se de uma grade nominal de coordenadas esparsas e de extração, não de um tensor latente denso de 1536³ e nem de uma contagem fixa de triângulos. Essa distinção importa porque o comunicado à imprensa diz "resolução efetiva de grade esparsa de até 1536³", o que é preciso, mas é fácil de ler como algo mais denso do que realmente é.

A saída é um trimesh.Trimesh e a resolução alcançada. Ele é recentralizado e normalizado para raio máximo unitário, portanto as coordenadas de mundo originais e a escala absoluta foram perdidas. O tamanho do lote é um. Não há texturas, materiais ou cores de vértice. Se o seu próximo passo precisar de uma dimensão do mundo real — uma mesa de impressão, uma montagem CAD, um casco de colisão — você está redimensionando e reorientando manualmente.

O número de 90% não tem denominador.

O comunicado de imprensa faz quatro afirmações quantitativas. Os dados de treinamento cresceram de aproximadamente 500.000 para dois milhões de ativos 3D curados. A geometria atinge uma grade esparsa efetiva de 1536³. O modelo relata uma taxa de sucesso de fatiamento de 90%. E afirma "as pontuações mais altas de fidelidade multivisão e riqueza de detalhes na avaliação relatada".

Apenas os dois primeiros estão visíveis no repositório. O número de dois milhões aparece no cartão do modelo como uma alegação de relatório de projeto; o número 1536³ é real no sentido de que o pipeline aceita a solicitação e as configurações existem. O número de 90% de fatiamento não aparece em lugar nenhum do repositório. Não há definição do que foi fatiado, qual fatiador foi usado, quais foram os modos de falha ou qual era a linha de base. “Maior fidelidade multivisão” vem sem pontuações, sem conjunto de comparação e sem metodologia no material público. Esses são números relatados pelo fornecedor, e a leitura honesta é que eles não são verificados, não que estão errados.

A ausência de um harness de avaliação é o motivo pelo qual isso importa. Um leitor não consegue pegar o repositório, executar a comparação relatada e verificar o resultado. Uma replicação independente teria de começar reconstruindo o benchmark, o que é um projeto diferente. Isso não é incomum para uma versão apenas de inferência, mas significa que a primeira revisão séria deste modelo virá de alguém com uma farm de impressão ou um pipeline de assets, não de um ranking.

O repositório é mais honesto do que a versão lançada.

Leia a seção de limitações e surge um quadro mais útil do que a manchete sugere. Estas são as próprias palavras do fornecedor, parafraseadas:

• Apenas geometria. Sem texturas, materiais ou cores de vértices, e o tamanho do lote é um.

• Uma malha grosseira é obrigatória. O modelo refina a estrutura; ele não inventa uma primeira superfície a partir de uma imagem.

• Erros de malha grosseira persistem. Se a silhueta de entrada estiver errada, o refinamento pode tornar uma forma errada mais nítida.

• A geometria oculta na imagem de referência é completada de forma plausível, não reconstruída com exatidão. Isso é aceitável para um recurso de destaque, mas inadequado para uma medição.

• A escala absoluta e as coordenadas de mundo são descartadas pela etapa de normalização.

• Sementes não são hashes de malha. Convolução esparsa e atenção em GPU não são determinísticas bit a bit, então a mesma semente pode produzir uma malha diferente.

• A escada completa de 1536³ só foi validada em uma NVIDIA H20 de 96 GB. O uso de memória e a viabilidade em placas menores não estão explicitamente estabelecidos.

• Não há caminho de inferência em CPU, e flash-attn não possui implementação de atenção de fallback.

• Se a resolução solicitada não puder ser atingida, o pipeline gera um erro em vez de retornar silenciosamente algo inferior.

• O README diz que resolução nominal e detalhe geométrico não garantem adequação para uma aplicação downstream. Essa é a frase mais importante do documento.

Código aberto, com uma cláusula de crescimento

A licença chama-se Hi3D Open License Agreement Version 1.0. Não é MIT, Apache-2.0 nem qualquer texto aprovado pela OSI, e a página oficial não nomeia licença alguma, portanto o repositório é a fonte autoritativa. O uso comercial é permitido. As condições são a parte interessante.

Se um produto ou serviço relacionado exceder 200 000 utilizadores ativos mensais ou USD 1 000 000 em receita mensal, o licenciado deve notificar a Hi3D e solicitar uma licença escrita separada no prazo de 60 dias. As integrações comerciais devem apresentar «Powered by Hi3D 1.0» e incluir uma ligação ao site oficial quando tal for suportado. Os resultados autónomos que não contenham materiais ou derivados da Hi3D não acionam, por si só, as obrigações de marca, distribuição ou licença por escala. Os termos existentes Apache-2.0 e MIT permanecem em vigor para as partes originais e de terceiros que abrangem, e DINOv2, CLIP, Hunyuan e outros componentes mantêm os seus próprios termos.

Para um entusiasta ou uma agência que produz assets, isto está quase irrestrito. Para um SaaS que coloca o refinamento atrás de um endpoint, é uma licença com um gatilho num determinado tamanho, além de um requisito de atribuição. A fasquia de 200 000 MAU não é enorme para uma ferramenta de design para consumidores. Quem tencione construir um deve ler o acordo antes da integração, não depois da curva de crescimento.

O que é preciso para executar

Esta é uma versão somente para Linux, com instalação a partir do código-fonte. Python 3.10, uma GPU NVIDIA com capacidade de computação 8.0 ou mais recente, e um CUDA toolkit entre 12.0 e 12.5 que corresponda ao PyTorch instalado. A configuração medida no README é Python 3.10.12, PyTorch 2.5.0 com CUDA 12.4, e um H20 de 96 GB. A instalação baixa flash-attn 2.7.4.post1 com isolamento de build desativado, spconv-cu120 e um arquivo de restrições com versões fixadas. Não há wheel no PyPI nem pacote de projeto pré-compilado.

O uso offline requer cópias locais dos pesos de refinamento, do DINOv2 e do CLIP. O adaptador de demonstração opcional para gerar uma malha grosseira usa o Hunyuan3D-2 mini da Tencent, que deve ser obtido separadamente e mantém sua própria licença. O script de refinamento principal não importa o Hunyuan e aceitará qualquer malha grosseira que você fornecer, que é o modo mais útil para um pipeline de produção que já tem um gerador.

Há dois avisos práticos nas instruções de instalação. flash-attn precisa ser compilado depois do PyTorch, e não há alternativa se isso falhar. O offload de memória está disponível, mas não garante um consumo mínimo de GPU, e não pode ser combinado com um simples .to("cuda"). Se você esperava executar isso em uma placa de workstation de 24 GB, o repositório não afirma que é possível, e a única configuração medida é quatro vezes esse valor.

O que não está na caixa

Não existe uma API hospedada para o Hi3D V1.0. O card do Hugging Face informa que o modelo "não é implantado por nenhum Inference Provider", e o botão de download do site oficial aponta para a implantação local. O Space de demonstração gratuito vinculado na página do fornecedor é uma avaliação, não um endpoint com tabela de preços. O produto comercial da empresa é outro modelo: o Hi3D v3.0, que o site descreve como geometria em nível de voxel de 2048³ com texturas de até 8K e acesso por meio do workspace online. A v1.0 é a aberta; a v3.0 é a que a empresa vende.

A ausência de um endpoint hospedado não é uma crítica. É um fato de implantação que muda quem pode usar o modelo neste mês: uma equipe com uma GPU de 96 GB e uma máquina Linux pode; uma equipe que quer enviar uma imagem para uma API não pode, a menos que construa o serviço ela mesma ou espere que outra pessoa o faça.

Onde um router se encaixa e onde não

A OrcaRouter não oferece o Hi3D V1.0 e não oferece modelos 3D de forma alguma. O catálogo é composto por modelos de texto, visão, vídeo, embedding e fala. Nada neste artigo deve ser interpretado como uma alegação de que você pode chamar um gerador de malha por meio do nosso endpoint.

A camada ao redor de um pipeline de refinamento é uma questão diferente. A verificação de qualidade óbvia para uma malha condicionada por imagem é visual: renderizar o resultado de três ou quatro ângulos e perguntar a um modelo de visão se a silhueta, o detalhe local e a consistência entre múltiplas vistas correspondem à referência. Essa é uma chamada no formato de LLM, e é o tipo de chamada que se beneficia de poder testar vários modelos sem três contratos. O OrcaRouter coloca mais de 200 modelos por trás de uma única API com 0% de markup, com failover automático quando um provedor apresenta degradação, e seu modo de fusão de modelos permite que um painel de modelos responda à mesma inspeção em conjunto, em vez de apostar o gate de QA em um só. O trabalho 3D permanece local; a avaliação em torno dele não precisa ser sob medida.

O que mudaria esta avaliação?

Três coisas, por ordem de utilidade. Um teste de impressão com um fatiador identificado, um critério de falha declarado e uma linha de base transformaria a alegação de 90% num número que um comprador possa usar. Uma tabela de latência e memória a 512³, 1024³ e 1536³ em mais do que uma GPU diria às equipas se o requisito de 96 GB é um artefacto de validação ou um limite mínimo absoluto. E uma comparação independente com a malha grosseira de que partiu responderia à única questão que importa para um modelo de refinamento: quantos detalhes acrescenta realmente a segunda etapa, e a que custo em artefactos?

Até lá, o resumo defensável é estreito e útil. O Hi3D V1.0 é um modelo de refinamento real, disponível para download e utilizável comercialmente, com uma seção de limitações incomumente franca, uma licença que escala com o seu negócio e nenhuma evidência publicada além da dos próprios autores. Para uma equipe que já gera malhas grosseiras e tem a GPU, isso basta para realizar um experimento esta semana. Para todos os outros, é um lançamento promissor com as evidências ainda por vir.