Hi3D V1.0 blev öppen källkod idag. Vad repot bevisar – och vad det inte bevisar

Den 23 oktober 2026 dök ett GitHub-repositorium med namnet hi3d-official/Hi3Dv1.0 upp med sex commits, en tagg och en versionsnotis med texten "Ge ut inferenskoden och dokumentationen för Hi3D v1.0." Samma dag lades åtta runtime-filer upp på Hugging Face, och Hi3D V1.0 – modellen som tidigare hette Sparc3D – blev nedladdningsbar och kommersiellt användbar. Tillkännagivandet, sådant det nu var, kom i form av ett pressmeddelande under rubriken "Hi3D V1.0 blir öppen källkod: Den första produktionsvaliderade AI-3D-modellen med öppen källkod." Det som inte gick ut var en benchmarktabell. Det finns ingen siffra i repositoriet som talar om hur mycket bättre den här modellen är än det grova mesh som den förfinar, och ingen tredje part har ännu publicerat någon sådan. Det gapet är historien.

Sex commits och åtta filer

Repositoriet är tillräckligt litet för att läsas på en eftermiddag, vilket är det första användbara faktumet om det. Det innehåller inferenskod, en demo, Docker-begränsningar, dokumentation och sparc3d Python-paketet. Det innehåller inte träningskod, utvärderingsramverket, benchmark-uppdelningar eller jämförelsemesharna bakom pressmeddelandets diagram. Författarna säger det direkt i README: detta är en inferensrelease, inte ett reproduktionspaket.

Vikterna är åtta filer: ett modellindex, en scheduler-konfiguration, en VAE-konfiguration och model.safetensors, plus transformer_512 och transformer_1024-konfigurationer och vikter. Laddaren läser JSON och safetensors och kör inte Python från modellförrådet eller avpicklar checkpoints, vilket är det säkrare mönstret och värt att notera för alla som måste säkra en leveranskedja. Två konditioneringsencoders – facebook/dinov2-large och openai/clip-vit-large-patch14 – är separata nedladdningar och har sina egna licenser.

Inget antal parametrar publiceras. Inte i README, inte på modellkortet, inte i pressmeddelandet. Du kan sluta dig till skalan från filstorlekarna om du laddar ner dem, men leverantören har inte satt någon siffra på det, och den här artikeln kommer inte att hitta på någon.

Vad pipelinen gör med din bild

Hi3D V1.0 är inte en bild-till-3D-generator i den betydelse de flesta menar. Det är ett förfiningssteg. Du ger den en referensbild av ett objekt och ett grovt mesh av samma objekt, och den returnerar ett mesh med högre upplösning. Bilden betingar ett glest flöde definierat på koordinater hämtade från det grova meshen; pipelinen samplar glesa latenter, avkodar dem genom en självbeskärande gles VAE, extraherar en yta och revoxeliserar sedan den ytan för att stödja nästa pass.

Det finns tre pass, och upplösningen du begär avgör hur många som körs:

• 512³ — ett pass, 64³ strukturellt rutnät, 512³ gles extraktion, transformer_512

• 1024³ — två pass, med ett 128³ strukturellt rutnät tillagt, 1024³-extrahering, transformer_1024

• 1536³ — tre pass, lägger till ett 192³ strukturellt rutnät, 1536³-extraktion, transformer_1024

Som standard kör varje pass 25 scheduler-uppdateringar. README är noga med vad ”1536³” betyder: det är ett nominellt gles koordinat- och extraktionsrutnät, inte en tät 1536³ latent tensor och inte ett fast triangelantal. Den distinktionen spelar roll eftersom pressmeddelandet säger ”effektiv upplösning för glesa rutnät på upp till 1536³”, vilket är korrekt men lätt att läsa som något tätare än det är.

Utdata är en trimesh.Trimesh och den uppnådda upplösningen. Den är omcentrerad och normaliserad till enhetlig maximal radie, så de ursprungliga världskoordinaterna och den absoluta skalan är borta. Batchstorleken är ett. Det finns inga texturer, material eller vertexfärger. Om ditt nästa steg behöver en verklig dimension – en utskriftsbädd, en CAD-sammansättning, ett kollisionshölje – skalar och orienterar du om för hand.

Siffran 90 % har ingen nämnare

Pressmeddelandet innehåller fyra kvantitativa påståenden. Träningsdata växte från cirka 500 000 till två miljoner kurerade 3D-tillgångar. Geometrin når ett effektivt glesraster (sparse grid) på 1536³. Modellen uppger en framgångsgrad på 90 % för slicening. Och den hävdar att den har ”de högsta poängen för flervy-återgivning och detaljrikedom i den rapporterade utvärderingen”.

Endast de två första är synliga i repot. Siffran två miljoner förekommer på modellkortet som ett påstående i en projektrapport; siffran 1536³ är verklig i den meningen att pipelinen accepterar begäran och konfigurationerna finns. Siffran 90 % för skivning förekommer ingenstans i repot. Det finns ingen definition av vad som skivades, vilken skivare som användes, vilka fellägena var eller vad baslinjen var. "Högsta trohet över flera vyer" kommer utan poäng, utan jämförelseset och utan metodik i det offentliga materialet. Det är leverantörsrapporterade siffror, och den ärliga tolkningen är att de är overifierade, inte att de är fel.

Avsaknaden av ett utvärderingsramverk är anledningen till att detta spelar roll. En läsare kan inte hämta förvaret, köra den rapporterade jämförelsen och kontrollera resultatet. Oberoende replikering skulle behöva börja med att bygga om benchmarken, vilket är ett annat projekt. Det är inte ovanligt för en utgåva som endast är avsedd för inferens, men det innebär att den första seriösa granskningen av den här modellen kommer att komma från någon med en utskriftsfarm eller en asset-pipeline, inte från en resultattavla.

Repot är mer ärligt än releasen

Läs avsnittet om begränsningar så framträder en mer användbar bild än vad rubriken ger. Det här är leverantörens egna ord, omformulerade:

• Endast geometri. Inga texturer, material eller vertexfärger, och batchstorleken är ett.

• En grov mesh är obligatorisk. Modellen förfinar strukturen; den skapar inte en första yta från en bild.

• Fel i grovmaskiga nät kvarstår. Om ingångssilhuetten är felaktig kan förfiningen göra en felaktig form skarpare.

• Geometri som döljs i referensbilden kompletteras på ett rimligt sätt, inte rekonstrueras exakt. Det är okej för en hero-asset och dåligt för en mätning.

• Absolut skala och världskoordinater kastas bort av normaliseringssteget.

Seeds är inte mesh-hashar. GPU-baserad gles konvolution och attention är inte bitvis deterministiska, så samma seed kan producera ett annat mesh.

• Den fullständiga 1536³-stegen har endast validerats på ett 96 GB NVIDIA H20. Minnesanvändning och genomförbarhet på mindre kort är uttryckligen inte fastställda.

• Det finns ingen CPU-inferensväg, och flash-attn har ingen reservimplementation för attention.

• Om den begärda upplösningen inte kan uppnås utlöser pipeline ett fel i stället för att tyst returnera något lägre.

• README säger att nominell upplösning och geometrisk detalj inte garanterar lämplighet för en nedströmsapplikation. Det är den viktigaste raden i dokumentet.

Öppen källkod, med en tillväxtklausul

Licensen heter Hi3D Open License Agreement Version 1.0. Den är inte MIT, Apache-2.0 eller någon OSI-godkänd text, och den officiella sidan namnger inte någon licens alls, så repositoriet är den auktoritativa källan. Kommersiell användning är tillåten. Villkoren är det intressanta.

Om en relaterad produkt eller tjänst överskrider 200 000 månatliga aktiva användare eller 1 000 000 USD i månatlig intäkt måste licensinnehavaren meddela Hi3D och ansöka om en separat skriftlig licens inom 60 dagar. Kommersiella integrationer måste visa "Powered by Hi3D 1.0" och länka till den officiella webbplatsen där det stöds. Fristående utdata som inte innehåller några Hi3D-material eller derivat utlöser inte i sig själva varumärkes-, distributions- eller skalningslicensskyldigheterna. Befintliga Apache-2.0- och MIT-villkor gäller fortfarande för de ursprungliga och tredjepartsdelar de omfattar, och DINOv2, CLIP, Hunyuan och andra komponenter behåller sina egna villkor.

För en hobbyist eller en byrå som skapar tillgångar är det nära nog obegränsat. För en SaaS som lägger förfining bakom en endpoint är det en licens med en fälla vid en viss storlek, plus ett krav på attribuering. Gränsen på 200 000 MAU är inte enorm för ett designverktyg för konsumenter. Den som planerar att bygga ett sådant bör läsa avtalet före integrationen, inte efter tillväxtkurvan.

Vad som krävs för att springa

Detta är en utgåva endast för Linux som installeras från källkod. Python 3.10, ett NVIDIA-grafikkort med beräkningskapacitet 8.0 eller nyare och en CUDA-verktygssats mellan 12.0 och 12.5 som matchar det installerade PyTorch. Den uppmätta konfigurationen i README är Python 3.10.12, PyTorch 2.5.0 med CUDA 12.4 och en H20 på 96 GB. Installationen hämtar flash-attn 2.7.4.post1 med byggisolering inaktiverad, spconv-cu120 och en låst constraints-fil. Det finns ingen PyPI-wheel och inget förbyggt projektpaket.

Offlineanvändning kräver lokala kopior av förfiningsvikterna, DINOv2 och CLIP. Den valfria demoadaptern för att generera ett grovt mesh använder Tencents Hunyuan3D-2 mini, som måste anskaffas separat och behåller sin egen licens. Kärnförfiningsskriptet importerar inte Hunyuan och accepterar vilket grovt mesh du än tillhandahåller, vilket är det mer användbara läget för en produktionspipeline som redan har en generator.

Två praktiska varningar finns i installationsanvisningarna. flash-attn måste byggas efter PyTorch, och det finns ingen reservlösning om det misslyckas. Minnesoffload är tillgängligt men garanterar inte ett minsta GPU-avtryck, och det kan inte kombineras med en vanlig .to("cuda"). Om du hoppades kunna köra detta på ett 24 GB arbetsstationskort, hävdar repot inte att du kan det, och den enda uppmätta konfigurationen är fyra gånger så stor.

Vad är inte i lådan

Det finns inget hostat API för Hi3D V1.0. På Hugging Face-kortet står det att modellen "inte distribueras av någon Inference Provider", och den officiella webbplatsens nedladdningsknapp pekar på lokal distribution. Den kostnadsfria demo-Spacen som länkas från leverantörens sida är en provversion, inte en slutpunkt med en prislista. Företagets kommersiella produkt är en annan modell: Hi3D v3.0, som webbplatsen beskriver som 2048³ voxel-nivågeometri med upp till 8K-texturer och åtkomst via onlinearbetsytan. v1.0 är den öppna; v3.0 är den som företaget säljer.

Att det inte finns någon hostad slutpunkt är ingen kritik. Det är ett driftsättningsfaktum som förändrar vem som kan använda modellen den här månaden: ett team med en 96 GB GPU och en Linux-maskin kan det; ett team som vill skicka en bild till ett API kan inte det, om det inte bygger tjänsten själv eller väntar på att någon annan gör det.

Var en router passar in, och var den inte gör det

OrcaRouter tillhandahåller inte Hi3D V1.0 och tillhandahåller inte 3D-modeller alls. Katalogen består av text-, visions-, video-, embedding- och talmodeller. Ingenting i den här artikeln bör tolkas som ett påstående att du kan anropa en meshgenerator via vår slutpunkt.

Lagret runt en förfiningspipeline är en annan sak. Den uppenbara kvalitetskontrollen för ett bildvillkorat mesh är visuell: rendera resultatet från tre eller fyra vinklar och fråga en visionsmodell om silhuetten, den lokala detaljnivån och konsistensen mellan vyerna matchar referensen. Det är ett LLM-likt anrop, och det är den typen av anrop som drar nytta av att kunna prova flera modeller utan tre avtal. OrcaRouter sätter fler än 200 modeller bakom ett enda API med 0 % påslag, med automatisk failover när en leverantör försämras, och dess modellfusionsläge låter en panel av modeller svara på samma inspektion tillsammans i stället för att satsa QA-grinden på en enda. 3D-arbetet stannar lokalt; bedömningen runt det behöver inte vara skräddarsydd.

Vad skulle förändra den här bedömningen?

Tre saker, i ordning efter användbarhet. Ett utskriftstest med en namngiven slicer, ett angivet felkriterium och en baslinje skulle förvandla 90-procentspåståendet till en siffra som en köpare kan använda. En tabell över latens och minne vid 512³, 1024³ och 1536³ på mer än en GPU skulle visa teamen om kravet på 96 GB är en valideringsartefakt eller ett absolut minimikrav. Och en oberoende jämförelse mot det grova nät som den utgick från skulle besvara den enda fråga som spelar roll för en förfiningsmodell: hur mycket detaljer det andra steget faktiskt tillför, och till vilket pris i artefakter?

Fram till dess är den försvarbara sammanfattningen snäv och användbar. Hi3D V1.0 är en verklig, nedladdningsbar och kommersiellt användbar förfiningsmodell med ett ovanligt uppriktigt avsnitt om begränsningar, en licens som skalas med din verksamhet och inga publicerade bevis utöver författarnas egna. För ett team som redan genererar grova meshmodeller och äger GPU:n räcker det för att göra ett experiment denna vecka. För alla andra är det en lovande lansering där bevisen ännu återstår.