Hi3D V1.0 против Hunyuan3D WorldClaw: один ассет, сделанный хорошо, или мир, сделанный грубо

Сцена Hunyuan3D WorldClaw — это не одна 3D-модель. Это рельеф, здания, растительность, транспортные средства и персонажи; каждый реконструируется как отдельная сетка, размещается на сгенерированном ландшафте, а затем проверяется агентом компьютерного зрения, который отправляет проблемные области на исправление. Hi3D V1.0 не строит миры. Он берёт одну грубую сетку и одно референсное изображение и задействует GPU с 96 ГБ, чтобы повысить детализацию геометрии этого единственного объекта. Поэтому это сравнение не «сцена против сцены». Это пропускная способность против точности, и две системы находятся на противоположных сторонах одной и той же производственной линии.

Что нужно WorldClaw, прежде чем он сможет построить мир

WorldClaw — это агентный фреймворк Tencent Hunyuan для превращения одного текстового запроса в большой, исследуемый и редактируемый 3D-мир. Статья «WorldClaw: Agentic 3D Open-World Generation at Scale» появилась на arXiv под номером 2608.05248 7 августа 2026 года, а страница проекта и репозиторий GitHub — на той же неделе. Архитектура работает в четыре этапа:

• Анализ намерений и планирование сцены — два агента на основе языковых моделей разбирают запрос. Один извлекает только те ограничения, которые явно указал пользователь; другой восполняет детали, которые в запросе остались недосказанными. Для этого этапа в статье указана модель Claude Opus 4.8.

• Глобальная генерация рельефа — семантическая карта компоновки и высотные поля с учётом регионов создают непрерывный каркас рельефа с материалами, камнями и растительностью, назначаемыми по регионам.

• Генерация объектов местности — детализированные области рендерятся в 2D-композиты с привязкой к рельефу, сегментируются на отдельные инстансы с помощью GPT-Image-2 и SAM3D, реконструируются как отдельные 3D-меши посредством Hunyuan3D и размещаются обратно на рельефе.

• Уточнение на основе рендеринга — агент компьютерного зрения рендерит сцену с нескольких ракурсов, ищет висящие в воздухе объекты, взаимопроникновения, неверный масштаб и неверное положение, исправляет проблемную область и повторно рендерит, пока не пройдёт проверку. Сборка выполняется в Blender через MCP.

Именно третий этап здесь и важен. Каждый объект в сцене WorldClaw — это отдельная реконструкция image-to-3D. Сцена с двумя сотнями различных объектов — это двести генераций мешей, каждая обусловлена сегментированным 2D-композитом и каждая обладает той точностью, которую способна обеспечить лежащая в основе модель реконструкции. Визуальный потолок сцены задаёт худший ассет в ней, и собственная оценка фреймворка этого не измеряет. В статье приводятся качественные сравнения бок о бок с SynCity, WorldGen от Meta, MajutsuCity и Marble от World Labs — без FID, без CLIP-оценки, без пользовательского исследования и без метрики точности для каждого объекта.

Что Hi3D мог бы внести, а что — нет

Hi3D V1.0, выпущенная 23 октября 2026 года, — это модель уточнения, построенная на Sparc3D. Передайте ей эталонное изображение объекта и грубую сетку того же объекта, и она постепенно сэмплирует разреженные латентные представления, декодирует их через разреженный VAE с самоотсечением и извлекает поверхность более высокого разрешения. Три прохода доводят структурную сетку до 64³, 128³ и 192³, а сетку разреженного извлечения — до 512³, 1024³ и 1536³, при 25 обновлениях планировщика на проход. Она обрабатывает один объект за раз.

Соответствие третьему этапу WorldClaw на бумаге очевидно. У WorldClaw уже есть сегментированный 2D-композит для каждого объекта, и он уже создаёт сетку с помощью Hunyuan3D. Это ровно те два входных данных, которые нужны Hi3D: референсное изображение и грубая сетка. Уточнение каждого объекта до его размещения повысило бы геометрическую детализацию ассетов, которые определяют качество сцены при крупном плане.

Три ограничения мешают использовать это как обновление, которое можно внедрить без доработок.

Во-первых, Hi3D работает только с геометрией. Он не создаёт текстуры, материалы или цвета вершин, а выходные данные WorldClaw — это явно текстурированные, отдельно редактируемые меши, предназначенные для игрового движка. Hi3D улучшил бы силуэт и локальную детализацию поверхности, а затем передал бы ассет на этап текстурирования, который не предоставляет ни один из репозиториев. Мир, построенный из уточнённых, но не текстурированных мешей, — это не тот результат, который обещает WorldClaw.

Во-вторых, эталонное изображение должно показывать тот же объект. {{1}}Сегментация WorldClaw даёт вырезку изображения объекта внутри регионального композита, которая близка, но не идентична чистому эталону продукта.{{/1}} {{2}}Достаточно ли это хорошо — эмпирический вопрос, на который никто не ответил.{{/2}}

В-третьих, пропускная способность. Hi3D уточняет одну сетку за раз, а измеренная конфигурация — это H20 с 96 ГБ без CPU-пути и без пакетного режима. Согласно статье, WorldClaw уже работает на 4× H20. Добавление этапа уточнения для каждого объекта перед размещением умножает самую дорогую часть конвейера на число объектов в сцене.

Число, которое вам не даёт ни одна из страниц

Вы не можете оценить стоимость этого состава на основе опубликованных материалов, и это самый важный практический вывод в данном сравнении.

Hi3D не публикует данных о фактической задержке (wall-clock latency). В README приводятся обновления планировщика, количество проходов и измеренный GPU, но не секунды на объект при 512³, 1024³ или 1536³. WorldClaw также не публикует время реконструкции на объект. Утверждение о вычислениях в статье относится ко всей системе на 4× H20, а не к предельной стоимости ещё одного объекта. Без обоих чисел арифметику, которая решает, можно ли позволить себе уточнение, — объекты на сцену × секунды на объект × GPU-часы, — нельзя выполнить на основе имеющихся источников.

Что можно сказать — это структура затрат. Настройка 512³ в Hi3D выполняет один проход; 1024³ — два; 1536³ — все три. Каждый проход — это 25 обновлений планировщика. Более высокое разрешение даёт детализацию и стоит дополнительных проходов. Размер пакета равен единице, поэтому затраты растут линейно с числом объектов и не могут быть амортизированы по пакету. Если сцена WorldClaw содержит десятки ключевых объектов и сотни фоновых реквизитов, разумный конвейер уточнял бы ключевые объекты и оставлял фон на грубой стадии — решение, которое требует именно данных о времени выполнения для каждого объекта, а их не опубликовал ни один из проектов.

Пять параметров, которые действительно отличают их друг от друга

• Единица работы — Hi3D V1.0: один объект, тогда как Hunyuan3D WorldClaw: одна сцена открытого мира, содержащая множество объектов

• Результат — Hi3D V1.0: чисто геометрический меш в сравнении с редактируемыми текстурированными мешами Hunyuan3D WorldClaw, собранными в Blender

• Входные данные — Hi3D V1.0: референсное изображение плюс грубая сетка vs Hunyuan3D WorldClaw: один открытый текстовый запрос

• Код и веса — Hi3D V1.0 доступны для скачивания сегодня по лицензии Hi3D Open License 1.0, тогда как Hunyuan3D WorldClaw — это README и статья, без кода, без весов, без API, без цен.

• Доказательства — Hi3D V1.0: нет количественного бенчмарка в сравнении с Hunyuan3D WorldClaw, только качественные сравнения, без FID, без CLIP, без пользовательского исследования.

Доступность решает исход квартала

Одно из них — инструмент, а другое — проектный документ.

Hi3D V1.0 можно клонировать, установить и запустить уже сегодня. Для него требуются Linux, Python 3.10, CUDA 12.0–12.5, GPU с вычислительной возможностью 8.0 и сборка flash-attn из исходников, а полная линейка 1536³ проверена только на H20 с 96 ГБ. Лицензия разрешает коммерческое использование с требованием уведомления и отдельной лицензии, как только продукт превысит 200 000 ежемесячных активных пользователей или 1 000 000 долларов США ежемесячной выручки, а также требует указания авторства для коммерческих интеграций. Веса — это восемь файлов на Hugging Face. Хостируемой конечной точки нет — в карточке модели сказано, что она не развёрнута ни одним провайдером инференса, — а коммерческая версия v3.0 компании с вокселями 2048³ и текстурами 8K представляет собой отдельный продукт, продаваемый через её собственную платформу.

Сегодня WorldClaw не может запустить никто за пределами Tencent. Репозиторий на GitHub содержит папку assets, .gitignore и README. Реализации нет, нет чекпоинта, нет API и нет тарифов, а issue с просьбой предоставить код остался без ответа. Статья достаточно подробна, чтобы воспроизвести архитектуру, а страница проекта — хорошая демонстрация, но ни то, ни другое не является зависимостью, которую можно запланировать. Если вы создаёте генератор миров, WorldClaw — это схема, которую стоит прочитать; это не компонент, который можно вызвать.

Эта асимметрия — практический ответ на это противостояние. Команда, которой в этом месяце нужна более качественная геометрия объектов, может использовать Hi3D. Команда, которой в этом месяце нужна возможность WorldClaw работать на уровне сцены, вынуждена создавать её самостоятельно, и статья — единственное, что Tencent опубликовал в помощь.

Куда ложится счёт за LLM

Архитектура WorldClaw необычайно честно показывает, где находятся дорогостоящие вызовы. Планирование сцены, извлечение ограничений пользователя, заполнение деталей, опущенных в запросе, и выполнение визуальной критики, определяющей, что нужно перерендерить, — всё это вызовы языковых или визуально-языковых моделей. Фреймворк направляет их к передовым моделям, а не обучает собственные. Это осознанная ставка: оркестрация вместо обучения, причём качество ограничено компонентами, которые вы не контролируете.

Это также слой, который покрывает OrcaRouter. 3D-реконструкция остаётся на ваших GPU и не входит в то, что мы предоставляем, — каталог включает модели для текста, изображений, видео, эмбеддингов и речи, а не геометрию. Планировщик и критик — совсем другое дело. Размещение более 200 моделей за одним API означает, что планировщику и критику не нужны отдельные контракты, отдельные ключи и отдельные домены отказа; прейскурантная цена провайдера передаётся с наценкой 0%, поэтому изменение цены поставщика доходит до эндпоинта в тот же день; автоматическое переключение при сбое не позволяет одному деградировавшему провайдеру застопорить мир посреди генерации; а DSL маршрутизации объединяет несколько моделей в один вызов — именно этим и является цикл «сначала план, затем критика». Для конвейера, в котором стоимость каждой сцены определяется повторяющимися вызовами агентов, эта поверхность управления важнее любого отдельного выбора модели.

Кто должен действовать и в отношении чего?

Если ваше узкое место — качество отдельного ассета (детали для печати, модели продукта, ключевого объекта), Hi3D V1.0 уже доступна, и начать эксперимент недорого — при условии, что у вас есть GPU на 96 ГБ и уже имеется грубая сетка. Прочитайте раздел об ограничениях до пресс-релиза: модель уточняет структуру, но не исправляет неправильный силуэт и не выдаёт текстуру.

Если ваше узкое место — сборка сцены, то WorldClaw — более амбициозная система и при этом менее доступная. Её вклад носит архитектурный характер: цикл агента от грубого к точному с критиком на основе рендеринга и ясное утверждение о том, что точность каждого ассета выигрывается или теряется на этапе реконструкции объектов. Очевидный следующий эксперимент — поставить уточняющую модель вроде Hi3D после этого этапа и измерить, достаточно ли улучшается качество сцены в крупном плане, чтобы оправдать дополнительные проходы. Никто не опубликовал такое измерение, и пока этого не сделает кто-то, сравнение остаётся гипотезой о производственной линии, а не результатом.