Hi3D V1.0: Sex commits i repot, "produktionsvaliderad" i skarp drift

Den 23 oktober 2026 dök Hi3D V1.0 upp på GitHub med sex commits, en enda tagg och åtta viktfiler. Inom ett dygn spreds samma utgåva via nyhetsbyråer med en rubrik som kallade den ”den första produktionsvaliderade AI-3D-modellen med öppen källkod”. Båda påståendena är sanna. Bara ett av dem går att kontrollera, och klyftan mellan dem är det mest användbara som en potentiell användare kan förstå om den här utgåvan.

Repot förtjänar uppmärksamhet på sina egna villkor. Hi3D V1.0 är den fortsättning på Sparc3D som släppts med öppen källkod, arbetet från NeurIPS 2025 om 3D-representation med glesa rutnät. Det är inte en text-till-3D-generator. Du ger den en referensbild och ett grovt mesh som redan finns, och den returnerar ett tätare mesh. Den skillnaden avgör huruvida släppet över huvud taget är användbart för dig, så det är värt att säga innan några kvalitetssiffror: om du letade efter något som förvandlar en mening till ett objekt är det här fel artefakt.

Vad finns egentligen i arkivet?

Utgåvan är endast för inferens. Koden samplar glesa latenter, avkodar dem genom en självbeskärande gles VAE och extraherar ett mesh; modellstegen kör tre pass vid nominella strukturella rutnät på 64³, 128³ och 192³, vilket ger glesa extraktionsrutnät märkta 512³, 1024³ och 1536³. En körning på 512³ använder ett pass, 1024³ använder två och 1536³ använder tre, med 25 scheduler-uppdateringar per pass. Utdata är enbart geometri: inga texturer, inga material, inga vertexfärger, batchstorlek ett, och resultatet centreras om och normaliseras till enhetsradie, vilket förkastar absolut skala.

Det som saknas spelar lika stor roll som det som finns. Det finns ingen träningskod, ingen utvärderingsrigg, inga benchmark-uppdelningar och inga jämförelsemesh. Python-paketet behåller det gamla namnet – sparc3d, med en Sparc3DPipeline-ingångspunkt – vilket är en användbar påminnelse om att detta är forskningskodbasen med en ny etikett snarare än ett nytt bygge. Den valfria demoadaptern är byggd på Tencents Hunyuan3D-2 mini och har sin egen licens, separat från Hi3D:s.

Beroendelistan är kort och obeveklig: Linux, Python 3.10, ett NVIDIA-grafikkort med beräkningskapacitet 8.0 eller högre, CUDA 12.0–12.5 matchat mot PyTorch-bygget, och flash-attn utan någon reservväg. Det finns ingen CPU-inferens. Konfigurationen som Hi3D mätte mot var en enda 96 GB H20, och förvaret anger att 1536³ endast validerades på den GPU:n. DINOv2-large och CLIP-ViT-L/14 laddas ner separat vid körning.

"Produktionsvaliderad" är en fras, inte en mätning

Pressmeddelandet definierar inte termen. Dess angivna grund är att teamet "testade det i verkliga produktionsarbetsflöden för att förbättra dess praktiska användbarhet" innan det släpptes som öppen källkod. Det är en beskrivning av intern dogfooding, vilket är en rimlig sak för ett företag att göra och en svag sak att sätta i en rubrik. Det finns ingen namngiven kund, inget antal driftsättningar, inga data om felfrekvens och ingen tredje part inblandad. Pressmeddelandet citerar inte heller någon: det namnger en mediekontakt och tillskriver ingen person något uttalande.

Det här är inte en skandal. Det är så leverantörers lanseringar fungerar, och Hi3D är långt ifrån den värsta syndaren. Men frasen fyller en särskild funktion här. "Produktionsvaliderad" får läsaren att anta att oberoende produktionsanvändning har observerats och mätts. Det som lanseringen stöder är snävare: leverantören använde sin egen modell i sina egna arbetsflöden. Det är olika påståenden, och bara det andra finns dokumenterat.

Samma återhållsamhet bör gälla för kvalitetssiffrorna. Den engelskspråkiga utgåvan säger att modellen uppnådde "högsta poäng för flerbildstrohet och detaljrikedom i den rapporterade utvärderingen" utan att trycka siffrorna. Kinesiskspråkig rapportering om samma lansering anger dem: flerbildstrohet 0,75, detaljrikedom 0,841, en mänsklig preferenspoäng på 85,9 % och en påstådd slicing-passgrad på cirka 90 % mot 7–17 % för ospecificerade vanliga modeller vid 1536³. Var och en av dessa är leverantörsrapporterade. Ingen har en oberoende replikering, och arkivet kan inte reproducera dem eftersom utvärderingsramverket inte skickades med.

Siffran 90 % för slicing är den man bör ta med en nypa salt. Den anger ingen slicer, inga testmeshar, ingen definition av vad som räknas som ett misslyckande och ingen baslinjemodell som namnges i den engelska versionen. Den kan mycket väl vara korrekt. I dagsläget är den inte bevis för något som en köpare kan agera på.

Antalet som faktiskt ändrades: 500 000 till 2 000 000

Under kvalitetspåståendena ligger släppets mest konkreta påstående. Hi3D säger att träningsdata växte från ungefär 500 000 kurerade 3D-tillgångar till omkring två miljoner. Det är en fyrdubbling jämfört med Sparc3D-baslinjen, och till skillnad från preferenspoängen är det ett påstående med en tydlig referent: en räkning av tillgångar som teamet säger sig ha kurerat.

Det är fortfarande inte granskningsbart. Repot tillhandahåller ingen datamanifest, ingen kategoriuppdelning, ingen lista över licensursprung eller några urvalsverktyg. Du kan inte kontrollera vad de extra 1,5 miljoner tillgångarna var, var de kom ifrån eller om de överlappar utvärderingsdatasetet. Påståendet är i princip kontrollerbart men i praktiken okontrollerat, vilket är den ärliga beskrivningen av de flesta avslöjanden av träningsdata i öppna utgåvor.

Det fyra gånger så mycket data rimligen ger är det som förfiningsmodeller är dåliga på: generalisering till objektkategorier som det grova nätet hanterar dåligt. Ett förfiningssteg som har sett mer av den långa svansen bör vara mindre benäget att hallucinera rimliga-men-felaktiga detaljer när indata är ovanlig. Det är en hypotes om beteende, inte en garanti, och sättet att testa den är på egna tillgångar snarare än på ett leverantörsdiagram.

Hur du kontrollerar det själv, billigt

Släppet är ovanligt lätt att falsifiera för en modell utan benchmark. Eftersom indata är ett grovt mesh plus ett foto kan du bygga en liten ärlig testuppsättning på en eftermiddag:

• Ta tjugo objekt som du redan har som skannade eller modellerade meshar. Försämra var och en till en avsiktligt grov version — decimera, jämna ut eller kör den genom vilken generator du än redan använder.

• Rendera en ren referensbild per objekt från en känd kamera, och behåll en andra vy som du aldrig visar modellen.

• Förfina vid 1024³ och 1536³ och sedan jämföra den undanhållna vyn med originalet. Du mäter om den extra detaljen är verklig, inte om den ser skarp ut.

• Poängsätt vattentäthet, manifoldhet och triangelantal innan någon slicer rör den. Om du ska skriva ut, slica med exakt den profil som du kommer att skriva ut med, och registrera misslyckanden i stället för framgångar – det är i misslyckandefallen som leverantörens siffra inte ger något svar.

• Se upp för skalningsförlust. Normalisering till enhetsradie innebär att modellen inte bevarar de verkliga dimensionerna på din indata, så alla utskriftsflöden behöver ett omskalningssteg som du ansvarar för.

Tjugo objekt kommer inte att ge något riktmärke. Det kommer att berätta för dig om den här modellen är värd hundra, och det är beslutet som de flesta team står inför den här veckan.

Licensen är öppen på samma sätt som en provperiod är gratis.

Vikterna och Hi3D:s egen kod omfattas av Hi3D Open License Agreement 1.0, som inte är en OSI-godkänd licens och inte bör beskrivas som öppen källkod utan den kvalificeringen. Kommersiell användning är tillåten. Två villkor gäller. En integration måste visa "Powered by Hi3D 1.0", och en produkt som överstiger 200 000 månatliga aktiva användare eller 1 000 000 USD i månatliga intäkter måste meddela Hi3D och förhandla om en separat licens inom 60 dagar.

För en forskargrupp eller ett internt verktyg är ingen av klausulerna bindande. För alla som bygger en kommersiell 3D-tjänst ovanpå dessa vikter är trösklarna tillräckligt låga för att man ska kunna planera för dem i stället för att överraskas av dem. De underliggande Sparc3D-delarna behåller sina ursprungliga Apache-2.0- och MIT-villkor, så licensen är ett lapptäcke: vissa filer är verkligen tillåtande, andra inte. Läs de filspecifika meddelandena innan du distribuerar vidare.

Den kommersiella produkten är något helt annat. Hi3D säljer v3.0, som beskrivs som 2048³-geometri med texturer upp till 8K. V1.0 är den äldre, öppna modellen med enbart geometri. Ingen bör tolka den här utgivningen som att företaget ger bort sin nuvarande produkt; det är den tidigare generationens förädlingssteg som ges bort.

Var en router passar, och var den ärligt talat inte gör det

OrcaRouter tillhandahåller inte 3D-geometrimodeller. Ingenting i den här artikeln bör tolkas som ett erbjudande att köra Hi3D V1.0 via vårt API, eftersom vi inte kan det. Pipelinen ovan körs på din GPU, annars körs den inte.

Den del av ett 3D-arbetsflöde som är multimodal är dock granskningsloopen. Att jämföra ett förfinat mesh mot sitt referensfoto, kontrollera om en rendering matchar briefen och skriva upp defekter från en turntable – det är visionsmodellarbete, och det är den del som teamen tenderar att improvisera sist. En nyckel för över 200 språk-, visions- och ljudmodeller innebär att QA-genomgången inte behöver någon egen upphandling, och automatisk failover håller ett granskningsjobb igång när en enskild leverantör försämras. Om du testar tre förfiningsinställningar på tjugo objekt är den dyra delen bedömningen, inte samplningen.

Vad skulle förändra den här bedömningen?

Tre saker, i fallande ordning efter användbarhet. En utgiven utvärderingsram med testmeshar och slicer-inställningarna skulle förvandla 90 % till ett tal som någon annan kan reproducera. Ett datamanifest skulle göra påståendet om två miljoner tillgångar kontrollerbart. En tredjepartskörning på annan hårdvara än en 96 GB H20 skulle fastställa huruvida 1536³ är en verklig driftpunkt eller en anekdot från en enda GPU.

Fram till dess är det korrekta förhållningssättet det som förvaret självt bjuder in till: ladda ner det, kör det på objekt du förstår och behandla varje rubriksatt procenttal som en hypotes. Hi3D V1.0 är en verklig, nedladdningsbar förfiningsmodell endast för inferens, med ett krävande hårdvarugolv och en licens som slutar vara gratis i stor skala. Det är en användbar lansering. Den är ännu inte en validerad sådan, vad nyhetsbyråtexten än säger.