Hi3D V1.0 今日開源。這個儲存庫證明了什麼，又沒有證明什麼

2026 年 10 月 23 日，一個名為 hi3d-official/Hi3Dv1.0 的 GitHub 儲存庫出現，帶有六次提交、一個標籤，以及一則寫著「發布 Hi3D v1.0 推論程式碼與文件」的發布說明。同一天，八個執行期檔案登上 Hugging Face，而 Hi3D V1.0——這個前身為 Sparc3D 的模型——開始可供下載並可商業使用。這項公告——如果算得上公告的話——是以新聞稿形式發布，標題為「Hi3D V1.0 開源：首個經生產驗證的開源 AI 3D 模型」。沒有隨之發布的是基準測試表。儲存庫裡沒有任何數字能告訴你，這個模型比它所細化的粗略網格好多少，而目前也尚無第三方發表過這樣的數字。這個落差正是故事所在。

六個提交與八個檔案

這個儲存庫小到一個下午就能讀完，而這是關於它的第一個有用事實。它包含推論程式碼、一個示範、Docker 限制條件、文件，以及 sparc3d Python 套件。它不包含訓練程式碼、評估框架、基準測試切分，也不包含新聞稿圖表背後的比較網格。作者在 README 中直接說明：這是推論版本的釋出，而非重現套件。

權重共有八個檔案：一個模型索引、一個排程器設定、一個 VAE 設定，以及model.safetensors，再加上transformer_512與transformer_1024的設定與權重。載入器會讀取 JSON 與 safetensors，不會執行模型儲存庫中的 Python，也不會對檢查點進行 unpickle，這是較安全的做法，值得任何必須清理供應鏈的人留意。兩個條件編碼器——facebook/dinov2-large與openai/clip-vit-large-patch14——屬於獨立下載項目，並各自附帶自身的授權條款。

官方並未公布參數數量。無論是 README、模型卡，還是新聞稿，都找不到這個數字。如果你下載檔案，可以從檔案大小推估規模，但廠商並沒有給出數字，本文也不會自行捏造一個。

管線如何處理你的圖片

Hi3D V1.0 並不是大多數人所指的那種圖像轉 3D 生成器。它是一個精修階段。你給它一張物件的參考影像，以及同一個物件的粗略網格，它就會回傳解析度更高的網格。影像會作為條件，作用於一個定義在取自粗略網格之座標上的稀疏流；管線會取樣稀疏潛在向量，透過自剪枝稀疏 VAE 解碼，擷取表面，再將該表面重新體素化，以支援下一輪處理。

共有三次處理，而你要求的解析度會決定實際執行幾次：

• 512³ — 單次執行，64³ 結構化網格，512³ 稀疏擷取，transformer_512

• 1024³ — 兩道處理，加入 128³ 結構網格、1024³ 擷取，transformer_1024

• 1536³ — 三次處理，加入 192³ 結構網格、1536³ 擷取，transformer_1024

每一輪預設會執行 25 次排程器更新。README 對於「1536³」的含義相當謹慎：它指的是名目上的稀疏座標與擷取網格，既不是密集的 1536³ 潛在張量，也不是固定的三角形數量。這項區別很重要，因為新聞稿說「有效稀疏網格解析度高達 1536³」，這說法準確，但很容易被理解成比實際更密集的東西。

輸出是一個 trimesh.Trimesh，以及所達到的解析度。它會重新置中並正規化至單位最大半徑，因此原始世界座標與絕對尺度已不復存在。批次大小為一。沒有紋理、材質或頂點顏色。如果你的下一步需要真實世界尺寸——列印床、CAD 組裝、碰撞外殼——你得手動重新縮放與重新定向。

90% 這個數字沒有分母

新聞稿提出四項量化主張。訓練資料從約 50 萬個精選 3D 資產增加到 200 萬個。幾何可達到有效的 1536³ 稀疏網格。該模型回報 90% 的切片成功率。而且它聲稱「在報告的評估中，多視角保真度與細節豐富度分數最高」。

儲存庫中只看得到前兩項。兩百萬這個數字出現在模型卡上，作為專案報告的說法；1536³ 這個數字之所以算真實，是因為管線會接受該請求，且設定檔確實存在。90% 切片這個數字在儲存庫中完全找不到。沒有任何定義說明切了什麼、用了哪個切片器、失敗模式是什麼，或基準是什麼。「最高多視圖保真度」在公開資料中沒有分數、沒有比較集，也沒有方法論。那些是廠商回報的數字，而誠實的解讀是它們尚未經查證，而不是它們錯了。

缺少評估框架，正是這件事之所以重要的原因。讀者無法取得該儲存庫、執行所報告的比較，並核對結果。獨立複現必須從重建基準測試開始，而那是另一個專案。對僅供推論的發布而言，這並不罕見，但這確實意味著，這個模型的第一份認真評審將來自擁有列印農場或資產管線的人，而不是來自排行榜。

這個儲存庫比發行版更誠實。

讀一讀限制說明部分，浮現出的整體情況會比標題所呈現的更有用。以下是廠商自己的說法，經改述：

• 僅限幾何。不含紋理、材質或頂點顏色，且批次大小為一。

• 必須使用粗略網格。模型會細化結構，但不會從影像憑空生成初始表面。

• 粗網格誤差依然存在。若輸入輪廓有誤，細化反而會讓錯誤的形狀變得更尖銳。

• 從參考圖像中隱藏的幾何結構會以合理方式補全，而非精確重建。這對主視覺素材來說沒問題，但對量測來說則很糟。

• 正規化步驟會捨棄絕對尺度與世界座標。

• 種子不是網格雜湊值。GPU 稀疏卷積與注意力機制不具位元級確定性，因此同一個種子可能產生不同的網格。

• 完整的 1536³ 階梯僅在 96 GB 的 NVIDIA H20 上驗證過。較小顯卡上的記憶體用量與可行性則明確尚未確立。

• 沒有 CPU 推論路徑，且 flash-attn 沒有備援的注意力實作。

• 若無法達到所要求的解析度，管線會引發錯誤，而不會默默回傳較低的解析度。

• README 指出，標稱解析度與幾何細節並不保證適合下游應用。那是整份文件裡最重要的一行。

開源，附帶成長條款

這份授權條款稱為《Hi3D Open License Agreement Version 1.0》。它不是 MIT、Apache-2.0，也不是任何經 OSI 核准的文本；官方頁面完全未指明任何授權條款，因此儲存庫才是權威來源。允許商業使用。條件才是耐人尋味之處。

如果相關產品或服務的每月活躍使用者超過 200,000 名，或每月營收超過 1,000,000 美元，被授權人必須在 60 天內通知 Hi3D 並申請另行簽訂的書面授權。商業整合必須顯示 "Powered by Hi3D 1.0"，並在支援的情況下連結至官方網站。若獨立輸出不含任何 Hi3D 素材或衍生作品，其本身不會觸發品牌標示、散布或規模授權義務。現有的 Apache-2.0 與 MIT 條款對其涵蓋的原始及第三方部分仍然有效，且 DINOv2、CLIP、Hunyuan 及其他元件仍依其各自條款辦理。

對業餘愛好者或製作素材的代理商而言，這幾乎沒什麼限制。對把精修功能放在某個端點後面的 SaaS 來說，這是一份在特定規模設有觸發點的授權，外加署名要求。200,000-MAU 這條門檻，對消費級設計工具來說並不算龐大。任何打算打造這類工具的人，都應該在整合前讀完協議，而不是等成長曲線出現後才讀。

運行所需

這是僅限 Linux 的原始碼安裝版本。需要 Python 3.10、CUDA 運算能力 8.0 以上的 NVIDIA GPU，以及版本介於 12.0 到 12.5 且與已安裝的 PyTorch 相符的 CUDA toolkit。README 中的實測配置為 Python 3.10.12、PyTorch 2.5.0 搭配 CUDA 12.4，以及 96 GB H20。安裝時會拉取 flash-attn 2.7.4.post1（停用建置隔離）、spconv-cu120，以及鎖定版本的 constraints 檔案。沒有 PyPI wheel，也沒有預先建置的專案套件。

離線使用需要精修權重、DINOv2 與 CLIP 的本機副本。用於產生粗略網格的選用示範轉接器採用騰訊的Hunyuan3D-2 mini，該模型必須另行取得，並保留其本身的授權條款。核心精修腳本不會匯入 Hunyuan，且可接受您提供的任何粗略網格；對於已有生成器的生產流程而言，這是更有用的模式。

安裝說明中有兩項實用警告。 flash-attn 必須在 PyTorch 之後建置，而且若建置失敗，並沒有備援方案。記憶體卸載雖可使用，但不保證能將 GPU 佔用量降到最低，也不能與單純的 .to("cuda") 併用。如果你希望能在 24 GB 的工作站顯示卡上執行，儲存庫並未聲稱可以，而唯一實測的配置是其四倍。

什麼不在盒子裡？

Hi3D V1.0 沒有託管的 API。Hugging Face 模型卡表示，該模型「未由任何 Inference Provider 部署」，而官方網站的下载按鈕指向本地部署。廠商頁面連結的免費示範 Space 是試用版，不是附有價目表的端點。該公司的商業產品是另一個模型：Hi3D v3.0；網站將其描述為具備 2048³ 體素級幾何、最高 8K 貼圖，並可透過線上工作區存取。v1.0 是開源的那個；v3.0 是該公司販售的那個。

沒有託管端點並不是批評。這是一項部署層面的事實，會改變這個月誰能使用這個模型：擁有 96 GB GPU 和 Linux 機器的團隊可以；想把影像傳送到 API 的團隊則不行，除非它自行建置這項服務，或等待別人來做。

路由器適用之處，以及不適用之處

OrcaRouter 不提供 Hi3D V1.0，也完全不提供 3D 模型。其目錄涵蓋文字、視覺、影片、嵌入與語音模型。本文任何內容都不應被解讀為聲稱可透過我們的端點呼叫網格生成器。

精修管線外圍的那一層則是另一回事。對以影像為條件的網格來說，最直觀的品質檢查方式就是視覺檢查：從三、四個角度算繪出結果，再請視覺模型判斷輪廓、局部細節與多視角一致性是否與參考相符。這是一種 LLM 形式的呼叫，而這類呼叫正好受益於能試用多個模型，卻不必簽三份合約。OrcaRouter 把超過 200 個模型放在同一個 API 後面，零加價，並具備供應商服務品質下降時的自動容錯移轉；其模型融合模式讓一組模型共同回答同一項檢查，而不是把品管關卡全押在單一模型上。3D 工作留在本地端；圍繞它的判斷則不必量身打造。

什麼會改變這項評估？

三件事，按實用性排序。使用指定切片器的列印測試、明訂的失敗判準與基準值，能將 90% 的主張變成買家可用的數字。在超過一顆 GPU 上，於 512³、1024³ 與 1536³ 的延遲與記憶體表，能告訴團隊 96 GB 需求是驗證產物還是硬性下限。而與其起始粗網格進行的獨立比較，將回答精細化模型唯一重要的問題：第二階段實際增加了多少細節，以及以多少瑕疵為代價？

在那之前，站得住腳的總結範圍有限但實用。Hi3D V1.0 是一個真實、可下載、可商用的精修模型，附有異常坦率的限制說明章節、隨企業規模調整的授權條款，而且除了作者自身提供的資料外，沒有已發表的證據。對於已經能生成粗略網格並擁有 GPU 的團隊來說，這足以在本週進行一次實驗。對其他人而言，這是一個前景可期、但證據仍待補上的發布。