Hi3D V1.0 เปิดซอร์สโค้ดวันนี้แล้ว สิ่งที่รีโปพิสูจน์ได้ และสิ่งที่ยังพิสูจน์ไม่ได้

เมื่อวันที่ 23 ตุลาคม 2026 มีรีโพซิทอรี GitHub ชื่อ hi3d-official/Hi3Dv1.0 ปรากฏขึ้นพร้อมคอมมิตหกรายการ แท็กหนึ่งรายการ และบันทึกการเผยแพร่ที่ระบุว่า "เผยแพร่โค้ด inference และเอกสารประกอบของ Hi3D v1.0" ในวันเดียวกันนั้น ไฟล์ runtime แปดไฟล์ก็ไปปรากฏบน Hugging Face และ Hi3D V1.0 — โมเดลที่เดิมรู้จักในชื่อ Sparc3D — กลายเป็นดาวน์โหลดได้และใช้เชิงพาณิชย์ได้ การประกาศดังกล่าว ซึ่งมีอยู่เพียงเท่านั้น ได้ออกมาในรูปแบบข่าวประชาสัมพันธ์ภายใต้พาดหัวว่า "Hi3D V1.0 เปิดซอร์ส: โมเดล AI 3D โอเพนซอร์สตัวแรกที่ผ่านการตรวจสอบในสภาพแวดล้อมการผลิต" สิ่งที่ไม่ได้ถูกเผยแพร่ออกมาคือตาราง benchmark ไม่มีตัวเลขใดในรีโพซิทอรีที่บอกว่าโมเดลนี้ดีกว่าเมชหยาบที่มันขัดเกลาอยู่มากเพียงใด และยังไม่มีบุคคลที่สามรายใดเผยแพร่ตัวเลขดังกล่าวเลย ช่องว่างนั้นคือเรื่องราว

หกคอมมิตและแปดไฟล์

รีโพซิทอรีนี้เล็กพอที่จะอ่านจบได้ภายในบ่ายเดียว ซึ่งเป็นข้อเท็จจริงที่มีประโยชน์ข้อแรกเกี่ยวกับรีโพซิทอรีนี้ มันมีโค้ดสำหรับการอนุมาน เดโม ข้อจำกัดของ Docker เอกสาร และ sparc3d แพ็กเกจ Python โดยไม่มีโค้ดสำหรับการฝึก ไม่มีฮาร์เนสสำหรับการประเมิน ไม่มี benchmark splits หรือเมชสำหรับเปรียบเทียบที่อยู่เบื้องหลังแผนภูมิในข่าวประชาสัมพันธ์ ผู้เขียนระบุไว้ตรง ๆ ใน README ว่า นี่คือรีลีสสำหรับการอนุมาน ไม่ใช่แพ็กเกจสำหรับการทำซ้ำ

น้ำหนักโมเดลประกอบด้วยแปดไฟล์: ดัชนีโมเดล, คอนฟิก scheduler, คอนฟิก VAE และ model.safetensors รวมถึง transformer_512 และ transformer_1024 คอนฟิกและน้ำหนัก ตัวโหลดจะอ่าน JSON และ safetensors และจะไม่เรียกใช้ Python จากรีโพซิทอรีโมเดลหรือ unpickle checkpoint ซึ่งเป็นแพตเทิร์นที่ปลอดภัยกว่าและน่าสังเกตสำหรับผู้ที่ต้องดูแลความปลอดภัยของห่วงโซ่อุปทาน conditioning encoder สองตัว — facebook/dinov2-large และ openai/clip-vit-large-patch14 — เป็นดาวน์โหลดแยกต่างหากและมีสัญญาอนุญาตของตนเอง

ไม่มีการเผยแพร่จำนวนพารามิเตอร์ ไม่ปรากฏใน README ไม่ปรากฏบนการ์ดโมเดล และไม่ปรากฏในข่าวประชาสัมพันธ์ คุณสามารถอนุมานขนาดได้จากขนาดไฟล์หากดาวน์โหลดมา แต่ผู้จำหน่ายไม่ได้ระบุตัวเลขไว้ และบทความนี้จะไม่สร้างตัวเลขขึ้นมาเอง

สิ่งที่ไปป์ไลน์ทำกับรูปภาพของคุณ

Hi3D V1.0 ไม่ใช่ตัวสร้างภาพเป็น 3D ในความหมายที่คนส่วนใหญ่เข้าใจ มันเป็นขั้นตอนการปรับแต่งให้ละเอียดขึ้น คุณป้อนภาพอ้างอิงของวัตถุและเมชหยาบของวัตถุเดียวกันให้มัน แล้วมันจะคืนค่าเป็นเมชที่มีความละเอียดสูงขึ้น ภาพจะทำหน้าที่เป็นเงื่อนไขให้กับ sparse flow ที่นิยามบนพิกัดซึ่งนำมาจากเมชหยาบ ไปป์ไลน์จะสุ่มตัวอย่าง sparse latents ถอดรหัสผ่าน sparse VAE ที่ prune ตัวเองได้ ดึงพื้นผิวออกมา แล้วทำ revoxelise พื้นผิวนั้นเพื่อรองรับรอบถัดไป

มีสามพาส และความละเอียดที่คุณขอจะเป็นตัวกำหนดว่าจะทำงานกี่พาส:

• 512³ — รอบเดียว, กริดโครงสร้าง 64³, การสกัดแบบเบาบาง 512³, transformer_512

• 1024³ — สองรอบ โดยเพิ่มกริดเชิงโครงสร้าง 128³ และการสกัดที่ 1024³transformer_1024

• 1536³ — สามรอบ โดยเพิ่มกริดโครงสร้าง 192³, การสกัด 1536³, transformer_1024

โดยค่าเริ่มต้น แต่ละพาสจะรันการอัปเดต scheduler 25 ครั้ง README ระมัดระวังเรื่องความหมายของ “1536³”: มันเป็นกริดพิกัดแบบ sparse และกริดสำหรับการสกัดในเชิงนามเท่านั้น ไม่ใช่เทนเซอร์แฝงแบบหนาแน่นขนาด 1536³ และไม่ใช่จำนวนสามเหลี่ยมที่คงที่ ความแตกต่างนี้สำคัญ เพราะข่าวประชาสัมพันธ์ระบุว่า “ความละเอียดของ sparse-grid ที่มีผลได้สูงถึง 1536³” ซึ่งถูกต้อง แต่ทำให้อ่านแล้วเข้าใจได้ง่ายว่า dense กว่าที่เป็นจริง

ผลลัพธ์คือ trimesh.Trimesh และความละเอียดที่ทำได้ โดยจะถูกจัดให้อยู่กึ่งกลางใหม่และปรับให้เป็นมาตรฐานให้มีรัศมีสูงสุดเป็นหนึ่งหน่วย ดังนั้นพิกัดโลกเดิมและขนาดสัมบูรณ์จึงหายไป ขนาดแบตช์เป็นหนึ่ง ไม่มีพื้นผิว วัสดุ หรือสีของจุดยอด หากขั้นตอนถัดไปของคุณต้องใช้มิติในโลกจริง — เช่นแท่นพิมพ์ ชุดประกอบ CAD หรือเปลือกการชน — คุณกำลังปรับขนาดและปรับทิศทางใหม่ด้วยมือ

ตัวเลข 90% ไม่มีตัวส่วน

ข่าวประชาสัมพันธ์ระบุข้อกล่าวอ้างเชิงปริมาณสี่ข้อ ข้อมูลสำหรับฝึกเติบโตจากแอสเซต 3D ที่คัดสรรแล้วประมาณ 500,000 ชิ้นเป็นสองล้านชิ้น เรขาคณิตเข้าถึงกริดเบาบางขนาด 1536³ ที่มีประสิทธิผล โมเดลรายงานอัตราความสำเร็จในการสไลซ์ 90% และอ้างว่า "มีคะแนนความเที่ยงตรงหลายมุมมองและความสมบูรณ์ของรายละเอียดสูงสุดในการประเมินที่รายงาน"

มีเพียงสองรายการแรกเท่านั้นที่มองเห็นได้ในรีโพซิทอรี ตัวเลขสองล้านปรากฏอยู่บนการ์ดโมเดลในฐานะข้อกล่าวอ้างในรายงานโครงการ ส่วนตัวเลข 1536³ นั้นเป็นจริงในแง่ที่ไปป์ไลน์ยอมรับคำขอและมีไฟล์คอนฟิกอยู่จริง ตัวเลขการสไลซ์ 90% ไม่ปรากฏที่ใดในรีโพเลย ไม่มีคำนิยามว่าสไลซ์อะไร ใช้ตัวสไลเซอร์ใด โหมดความล้มเหลวคืออะไร หรือเบสไลน์คืออะไร "ความเที่ยงตรงหลายมุมมองสูงสุด" มาพร้อมกับคะแนนศูนย์ ชุดเปรียบเทียบศูนย์ และระเบียบวิธีศูนย์ในเอกสารสาธารณะ เหล่านั้นเป็นตัวเลขที่ผู้ขายรายงาน และการอ่านอย่างตรงไปตรงมาคือตัวเลขเหล่านั้นยังไม่ได้รับการตรวจสอบ ไม่ใช่ผิด

การไม่มีชุดเครื่องมือสำหรับประเมินผลคือเหตุผลที่เรื่องนี้สำคัญ ผู้อ่านไม่สามารถนำรีโพซิทอรีไปรันการเปรียบเทียบที่รายงานไว้และตรวจสอบผลลัพธ์ได้ การทำซ้ำอย่างอิสระจะต้องเริ่มจากการสร้างเบนช์มาร์กขึ้นใหม่ ซึ่งเป็นโครงการที่แตกต่างออกไป นั่นไม่ใช่เรื่องแปลกสำหรับการเปิดตัวแบบ inference-only แต่หมายความว่าการรีวิวอย่างจริงจังครั้งแรกของโมเดลนี้จะมาจากคนที่มีฟาร์มเครื่องพิมพ์หรือไปป์ไลน์แอสเซ็ต ไม่ใช่จากลีดเดอร์บอร์ด

รีโปซื่อตรงกว่าตัวรีลีส

อ่านส่วนข้อจำกัด แล้วจะเห็นภาพที่มีประโยชน์กว่าสิ่งที่พาดหัวให้ไว้ นี่คือถ้อยคำของผู้ขายเองโดยถอดความมา:

• เฉพาะเรขาคณิต ไม่มีเท็กซ์เจอร์ วัสดุ หรือสีจุดยอด และขนาดแบทช์เป็นหนึ่ง

• จำเป็นต้องมีเมชแบบหยาบ โมเดลจะปรับแต่งโครงสร้าง แต่จะไม่สร้างพื้นผิวเริ่มต้นขึ้นมาจากภาพ

• ข้อผิดพลาดจากเมชหยาบยังคงอยู่ หากภาพเงาอินพุตไม่ถูกต้อง การปรับแต่งให้ละเอียดขึ้นอาจทำให้รูปทรงที่ผิดพลาดคมชัดยิ่งขึ้น

• เรขาคณิตที่ถูกซ่อนจากภาพอ้างอิงจะถูกเติมเต็มอย่างสมเหตุสมผล ไม่ได้ถูกสร้างขึ้นใหม่แบบตรงทั้งหมด ซึ่งเหมาะสำหรับ hero asset แต่ไม่ดีสำหรับการวัด

• มาตราส่วนสัมบูรณ์และพิกัดโลกจะถูกตัดทิ้งในขั้นตอนการทำให้เป็นมาตรฐาน

• Seeds ไม่ใช่ mesh hash การ convolution แบบ sparse และ attention บน GPU ไม่ได้ deterministic ในระดับบิต ดังนั้น seed เดียวกันอาจสร้าง mesh ที่แตกต่างกันได้

• ลำดับขั้น 1536³ แบบเต็มได้รับการตรวจสอบยืนยันเฉพาะบน NVIDIA H20 ขนาด 96 GB เท่านั้น ส่วนการใช้หน่วยความจำและความเป็นไปได้บนการ์ดขนาดเล็กกว่านั้นยังไม่ได้รับการยืนยันอย่างชัดเจน

• ไม่มีเส้นทางการทำ inference บน CPU และ flash-attn ไม่มี implementation ของ attention แบบสำรอง

• หากไม่สามารถไปถึงความละเอียดที่ร้องขอได้ ไปป์ไลน์จะแจ้งข้อผิดพลาด แทนที่จะส่งคืนค่าที่ต่ำกว่าโดยไม่แจ้งให้ทราบ

• เอกสาร README ระบุว่า ความละเอียดตามที่ระบุไว้และรายละเอียดทางเรขาคณิตไม่ได้เป็นการรับประกันความเหมาะสมสำหรับการนำไปใช้ในงานปลายทาง นั่นคือประโยคที่สำคัญที่สุดในเอกสารนี้

โอเพนซอร์ส พร้อมข้อกำหนดเกี่ยวกับการเติบโต

ใบอนุญาตนี้มีชื่อว่า Hi3D Open License Agreement Version 1.0 ไม่ใช่ MIT, Apache-2.0 หรือข้อความใด ๆ ที่ OSI ให้การรับรอง และหน้าอย่างเป็นทางการไม่ได้ระบุชื่อใบอนุญาตเลย ดังนั้น repository จึงเป็นแหล่งข้อมูลอ้างอิงที่เชื่อถือได้ อนุญาตให้ใช้งานเชิงพาณิชย์ได้ ส่วนเงื่อนไขเป็นส่วนที่น่าสนใจ

หากผลิตภัณฑ์หรือบริการที่เกี่ยวข้องมีผู้ใช้งานที่ใช้งานต่อเดือนเกิน 200,000 ราย หรือมีรายได้ต่อเดือนเกิน 1,000,000 ดอลลาร์สหรัฐ ผู้ได้รับใบอนุญาตต้องแจ้ง Hi3D และยื่นขอใบอนุญาตเป็นลายลักษณ์อักษรแยกต่างหากภายใน 60 วัน การผสานรวมเชิงพาณิชย์ต้องแสดง "Powered by Hi3D 1.0" และลิงก์ไปยังเว็บไซต์ทางการในกรณีที่รองรับ ผลลัพธ์แบบสแตนด์อโลนที่ไม่มีวัสดุหรืออนุพันธ์ของ Hi3D ไม่ก่อให้เกิดภาระผูกพันด้านการแสดงแบรนด์ การเผยแพร่ หรือใบอนุญาตตามขนาดโดยตัวมันเอง ข้อกำหนด Apache-2.0 และ MIT ที่มีอยู่ยังคงมีผลบังคับใช้สำหรับส่วนที่เป็นต้นฉบับและส่วนของบุคคลที่สามที่ข้อกำหนดเหล่านั้นครอบคลุม และ DINOv2, CLIP, Hunyuan และส่วนประกอบอื่น ๆ ยังคงใช้ข้อกำหนดของตนเอง

สำหรับคนทำงานอดิเรกหรือเอเจนซีที่สร้างแอสเซ็ต ข้อกำหนดนี้แทบจะไม่จำกัดอะไรเลย สำหรับ SaaS ที่ให้บริการปรับแต่งผ่านเอนด์พอยต์ นี่คือสัญญาอนุญาตที่มีกับดักเมื่อถึงขนาดหนึ่งโดยเฉพาะ พร้อมข้อกำหนดเรื่องการให้เครดิต เส้นแบ่งที่ 200,000 MAU ไม่ถือว่ามากสำหรับเครื่องมือออกแบบสำหรับผู้บริโภค ใครก็ตามที่วางแผนจะสร้างเครื่องมือแบบนี้ควรอ่านข้อตกลงก่อนการผสานรวม ไม่ใช่หลังจากเส้นการเติบโตพุ่งขึ้นแล้ว

สิ่งที่ต้องใช้ในการรัน

นี่คือรีลีสที่ติดตั้งจากซอร์สและใช้ได้กับ Linux เท่านั้น ต้องใช้ Python 3.10, NVIDIA GPU ที่มีความสามารถในการประมวลผล 8.0 ขึ้นไป และชุดเครื่องมือ CUDA เวอร์ชัน 12.0 ถึง 12.5 ที่ตรงกับ PyTorch ที่ติดตั้งไว้ การกำหนดค่าที่วัดได้ใน README คือ Python 3.10.12, PyTorch 2.5.0 พร้อม CUDA 12.4 และ H20 ขนาด 96 GB การติดตั้งจะดึง flash-attn 2.7.4.post1 โดยปิด build isolation, spconv-cu120 และไฟล์ constraints ที่กำหนดเวอร์ชันตายตัว ไม่มี wheel บน PyPI และไม่มีแพ็กเกจโปรเจกต์ที่สร้างสำเร็จรูปมาให้

การใช้งานแบบออฟไลน์ต้องมีสำเนาในเครื่องของน้ำหนักการปรับละเอียด DINOv2 และ CLIP อะแดปเตอร์เดโมแบบเลือกใช้สำหรับสร้างเมชหยาบใช้ผลิตภัณฑ์ของ Tencent คือ Hunyuan3D-2 mini ซึ่งต้องจัดหาแยกต่างหากและมีสัญญาอนุญาตของตัวเอง สคริปต์การปรับละเอียดหลักไม่ได้นำเข้า Hunyuan และจะยอมรับเมชหยาบใดก็ตามที่คุณจัดหาให้ ซึ่งเป็นโหมดที่มีประโยชน์กว่าสำหรับไปป์ไลน์การผลิตที่มีตัวสร้างอยู่แล้ว

มีคำเตือนเชิงปฏิบัติสองข้ออยู่ในคำแนะนำการติดตั้ง flash-attn ต้องสร้างหลังจาก PyTorch และไม่มีทางเลือกสำรองหากสร้างไม่สำเร็จ มีการ offload หน่วยความจำให้ใช้ แต่ไม่รับประกันปริมาณหน่วยความจำ GPU ขั้นต่ำ และไม่สามารถใช้ร่วมกับแบบธรรมดา .to("cuda") ได้ หากคุณหวังว่าจะรันสิ่งนี้บนการ์ดเวิร์กสเตชัน 24 GB รีโพซิทอรีไม่ได้อ้างว่าคุณทำได้ และการกำหนดค่าที่วัดได้เพียงหนึ่งเดียวคือสี่เท่าของขนาดนั้น

อะไรที่ไม่อยู่ในกล่อง

ไม่มี API แบบโฮสต์สำหรับ Hi3D V1.0 การ์ดบน Hugging Face ระบุว่าโมเดลนี้ "ไม่ได้ถูกดีพลอยโดย Inference Provider รายใด" และปุ่มดาวน์โหลดบนเว็บไซต์ทางการก็ชี้ไปที่การดีพลอยแบบโลคัล Space สาธิตฟรีที่ลิงก์จากหน้าของผู้จำหน่ายเป็นเพียงเวอร์ชันทดลอง ไม่ใช่ปลายทาง API ที่มีตารางราคา ผลิตภัณฑ์เชิงพาณิชย์ของบริษัทเป็นอีกโมเดลหนึ่ง คือ Hi3D v3.0 ซึ่งเว็บไซต์อธิบายว่าเป็นเรขาคณิตระดับ voxel ขนาด 2048³ พร้อมพื้นผิวความละเอียดสูงสุดถึง 8K และเข้าถึงได้ผ่านเวิร์กสเปซออนไลน์ v1.0 เป็นเวอร์ชันเปิด ส่วน v3.0 เป็นเวอร์ชันที่บริษัทจำหน่าย

การไม่มี endpoint แบบโฮสต์ไม่ใช่คำวิจารณ์ แต่เป็นข้อเท็จจริงด้านการ deploy ที่เปลี่ยนว่าใครจะใช้โมเดลนี้ได้ในเดือนนี้: ทีมที่มี GPU ขนาด 96 GB และเครื่อง Linux ก็ทำได้ ส่วนทีมที่ต้องการส่งภาพไปยัง API ก็ทำไม่ได้ เว้นแต่จะสร้างบริการนั้นเองหรือรอให้คนอื่นสร้างให้

จุดที่เราเตอร์เหมาะ และจุดที่มันไม่เหมาะ

OrcaRouter ไม่ให้บริการ Hi3D V1.0 และไม่ให้บริการโมเดล 3D เลย แคตตาล็อกประกอบด้วยโมเดลข้อความ วิชัน วิดีโอ embedding และเสียง ไม่มีส่วนใดในบทความนี้ที่ควรตีความว่าเป็นการอ้างว่าคุณสามารถเรียกใช้เครื่องสร้างเมชผ่าน endpoint ของเราได้

ชั้นที่อยู่รอบๆ ไปป์ไลน์การรีไฟน์นั้นเป็นอีกเรื่องหนึ่ง การตรวจสอบคุณภาพที่เห็นได้ชัดสำหรับเมชที่ปรับให้ตรงตามภาพคือการตรวจด้วยสายตา: เรนเดอร์ผลลัพธ์จากสามหรือสี่มุม แล้วถามโมเดลวิชันว่าซิลูเอต รายละเอียดเฉพาะจุด และความสอดคล้องข้ามหลายมุมมองตรงกับภาพอ้างอิงหรือไม่ นั่นคือการเรียกแบบ LLM และเป็นการเรียกที่ได้ประโยชน์จากการที่สามารถลองหลายโมเดลได้โดยไม่ต้องมีสัญญาถึงสามฉบับ OrcaRouter วางโมเดลกว่าสองร้อยโมเดลไว้เบื้องหลัง API เดียวด้วยมาร์กอัป 0% พร้อมด้วยการสลับไปใช้ระบบสำรองอัตโนมัติเมื่อผู้ให้บริการมีคุณภาพถดถอย และโหมดผสานโมเดลของมันช่วยให้คณะโมเดลร่วมกันตอบการตรวจสอบเดียวกัน แทนที่จะเดิมพันด่าน QA ไว้กับโมเดลเดียว งาน 3D ยังคงทำในเครื่อง ส่วนการตัดสินใจรอบๆ งานนั้นไม่จำเป็นต้องสร้างขึ้นเฉพาะ

อะไรจะทำให้การประเมินนี้เปลี่ยนไป

สามเรื่อง เรียงตามลำดับความเป็นประโยชน์ การทดสอบการพิมพ์ด้วย slicer ที่ระบุชื่อ เกณฑ์ความล้มเหลวที่กำหนดไว้อย่างชัดเจน และค่าฐานอ้างอิง จะเปลี่ยนคำกล่าวอ้าง 90% ให้เป็นตัวเลขที่ผู้ซื้อนำไปใช้ได้ ตารางเวลาแฝงและหน่วยความจำที่ 512³, 1024³ และ 1536³ บน GPU มากกว่าหนึ่งตัว จะบอกทีมว่าข้อกำหนด 96 GB เป็นเพียงผลพลอยได้จากกระบวนการตรวจสอบหรือเป็นขีดจำกัดขั้นต่ำที่แท้จริง และการเปรียบเทียบอย่างอิสระกับเมชหยาบที่เป็นจุดเริ่มต้น จะตอบคำถามเดียวที่สำคัญสำหรับโมเดลการปรับละเอียด นั่นคือขั้นที่สองเพิ่มรายละเอียดได้จริงมากน้อยเพียงใด และแลกมาด้วยอาร์ติแฟกต์ในต้นทุนเท่าใด

จนกว่าจะถึงตอนนั้น สรุปที่ยังป้องกันได้อย่างมีเหตุผลนั้นแคบแต่มีประโยชน์ Hi3D V1.0 เป็นโมเดลรีไฟน์เมนต์ที่ใช้งานได้จริง ดาวน์โหลดได้ และใช้เชิงพาณิชย์ได้ พร้อมส่วนข้อจำกัดที่ตรงไปตรงมาอย่างผิดปกติ สัญญาอนุญาตที่ปรับตามขนาดธุรกิจของคุณ และไม่มีหลักฐานที่เผยแพร่ใด ๆ นอกเหนือจากของทีมผู้เขียนเอง สำหรับทีมที่สร้างเมชหยาบอยู่แล้วและมี GPU เป็นของตัวเอง นั่นก็เพียงพอที่จะลองทดลองได้ในสัปดาห์นี้ สำหรับคนอื่น ๆ นี่คือการเปิดตัวที่มีแนวโน้มดี โดยยังต้องรอหลักฐานยืนยันกันต่อไป