「牛来」将彻底成为过去式！Hi3D重塑三维模型新高度，V1.0正式开源|三维模型|旗舰基座模型

编辑｜冷猫

自从电影《牛来》现象级爆火，那只造型粗糙、通体发黄的小牛，就成了不少人提起三维建模时的第一反应。

导演一句「纯手搓」，更是意外唤醒了网友们的建模之魂。有人跃跃欲试，也有人忍不住调侃：如今随便让 AI 生成一个 3D 模型，恐怕都比「牛来」精致得多。

玩笑归玩笑，如今的 AI 三维生成，究竟已经进化到了什么程度？不妨先来看两组对比，感受一下 AI 建模如今的精细程度。

原图 / ChatGPT6 模型生成 / Hi3D Agent 生成

这些结果，来自于数美万物自研的三维生成模型 Hi3D V3.0，正将几何与外观表达推进到一个无比精细的尺度。实现了行业首创 2048³ 名义几何细化分辨率，最高 8K 纹理输出。 Hi3D V3.0 的三维模型生成能力远远超越通用模型 GPT-6 。

从这两组案例不难看出，Hi3D V3.0 在高复杂度结构和动物毛发这两大三维建模难题上，展现出了相当惊艳的表现。浅浮雕细腻的凹凸起伏、相邻零件之间清晰的结构边界、动物毛发自然生长的形态…… 这些看似不起眼的细节，恰恰是三维建模中最考验功力的地方。一件三维作品的精致感与真实感，往往就藏在这些细节之中。

而在自研模型持续向前迭代的同时，数美万物将经过生产验证的 Hi3D V1.0 模型带向开源。

GitHub 链接：https://github.com/hi3d-official/Hi3Dv1.0
Hugging Face 体验链接：https://huggingface.co/spaces/ilcve21/Sparc3D
Hugging Face 代码权重链接：https://huggingface.co/hi3d-official/Hi3Dv1.0
官方项目链接：https://www.hi3d.ai/hi3d-1-0-open-source

如果说 Hi3D V3.0 展示了三维生成技术持续突破的可能性，那么 Hi3D V1.0 的开源，则让已经积累的技术成果，有机会走进更多开发者的实际工作流。

约 200 万个 3D 资产的训练规模、最高 1536³ 的有效稀疏表面提取网格分辨率，以及公开发布前经过真实用户工作流的验证，共同构成了 Hi3D V1.0 的技术基础。站在这一基础上，开发者可以进一步构建自己的创作工具、专业应用与业务流程，让 AI 三维生成的能力延伸到更多实际场景。

相信自此之后，「牛来」式的粗糙三维制作，将成为过去式。

持续提升模型能力，也让经过验证的成果被更多人使用 ——Hi3D V1.0 的开源计划，将数美万物的技术进展与更广泛的行业共创连接起来。

让精细几何，成为可以继续创作的基础

众所周知，图生三维的最大难题是：让模型从单张图片出发，生成一个从各个角度看都合理、细节足够丰富，而且能够真正用于后续创作的完整三维资产。要解决这个问题，需要从底层的几何表示和生成方式入手。

2025 年，Sparc3D 凭借高分辨率稀疏表示和稀疏卷积自编码管线，在 3D 几何建模领域获得了广泛关注。它的核心思路，是不把整个三维空间用密集的体素网格来表示，而只在预测的表面区域周围分配计算资源，用稀疏坐标上的特征来编码几何信息。

Sparc3D 管线示意图

Hi3D V1.0 在这个架构基础上做了三大工作。

第一，大幅扩大训练规模。训练使用的 3D 资产从 Sparc3D 此前约 50 万的规模，扩大至约 200 万，增长约四倍。为什么数据量这么关键？单图 3D 生成天然是一个欠约束问题，输入图像只提供了物体表面的部分信息，其余几何结构必须依靠模型从训练中学到的三维先验来推断。因此，扩大训练数据的规模和几何覆盖范围，有助于模型学习更多样的物体形态，提升对复杂结构和长尾样本的处理能力。

第二，引入更高分辨率的训练数据。在 Sparc3D 原有的 512³ 和 1024³ 层级基础上，Hi3D V1.0 新增了 1536³ 级别的训练数据。分辨率的提高，意味着模型可以在更细的空间尺度上学习和表达几何变化。比如，复杂装甲表面的浅浮雕、机械零件之间的细小缝隙、羽毛的层叠结构，以及曲面上细密的纹路，都需要足够的空间分辨能力，才能尽量保留其原本的结构。

值得说明的是，这里的 1536³ 是有效稀疏网格分辨率，实际的流模型并不直接存储一个密集的 1536³ 隐空间。在第一层级，隐特征分布在名义 64³ 结构网格的稀疏坐标集上，解码器通过三次可学习的 2× 扩展来提取几何细节。这意味着最终的表面重建在 512³ 有效分辨率上进行，而不需要承担密集高分辨率网格的计算成本。

第三，在真实生产环境中完成验证。在正式开源之前，Hi3D V1.0 对应的模型 checkpoint，在正式开源之前，已经进入面向真实用户的生产工作流，并接受实际使用场景的检验。技术报告中特别强调，Hi3D V1.0 不引入新的生成目标、解码器或表面表示方法，所有改进都在已有的 Sparc3D 框架内完成。

Hi3D V1.0 展示了一条颇具现实意义的技术路线：在成熟的几何生成架构上，通过数据规模与分辨率的持续扩展，进一步挖掘模型的能力上限。

几何的工程设计

那么，Hi3D V1.0 究竟如何在生成精细几何的同时，控制高分辨率计算带来的开销？答案藏在它的分阶段生成流程中。

整个管线分为两个阶段。第一阶段，一个上游模块根据输入图像生成粗网格，确立物体的全局结构。第二阶段，Sparc3D 的细化流程接手，它同时利用参考图像和粗网格：图像特征提供外观与形状线索，粗网格提供几何坐标基础。随后，稀疏流模型在这些坐标上生成隐特征，再由具有自修剪能力的稀疏 VAE 解码器逐级扩展，最后通过稀疏等值面提取，输出更加精细的三维网格。

这里最关键的设计，是生成模型不必直接处理一个庞大的高分辨率密集三维空间

Hi3D V1.0 设置了三个逐级提升的几何重建层级：

第一层级：在名义 64³ 结构网格的稀疏坐标上计算，最终提取 512³ 有效分辨率的几何表面。
第二层级：结构网格提升至 128³，对应 1024³ 的有效表面提取分辨率。
第三层级：进一步提升至 192³，对应最高 1536³ 的有效表面提取分辨率。

每个层级内部，解码器都通过三次可学习的 2 倍扩展，实现从结构网格到表面提取网格的 8 倍尺度提升。

这套分工让系统能够在保持高分辨率的同时控制计算成本。流变换器不需要直接维护一个密集的高维隐空间，而是在低维稀疏坐标上运作，通过解码器逐级放大。这也解释了为什么数据规模的扩展和分辨率层级的提升可以在同一个框架内完成，而不需要重新设计架构。

这套设计让高分辨率几何生成具备了更好的可扩展性。更重要的是，训练数据规模的扩大与分辨率的提高，恰好对应着三维生成中的两个不同问题。

数据规模决定模型能够学习多么丰富的几何形态，分辨率则影响模型能够表达多么精细的几何结构。

三维资产存在大量长尾结构，例如复杂的镂空、交错的薄壁部件和不对称的有机形态。由于训练样本有限，模型往往缺乏足够的几何先验，难以推断被遮挡的部分，容易出现结构坍塌或过度平滑。更大规模的训练数据，有助于模型学习更多样的几何形态，提高复杂结构的重建能力。

1536³ 有效分辨率的引入则针对另一个问题。高分辨率训练数据让模型能够学习到更精细的几何特征，区分真正的表面结构和噪声伪影。当一个薄壁部件或尖锐棱角在 512³ 分辨率下可能被量化误差吞噬时，1536³ 的训练信号为模型提供了更精确的监督。

七个典型区域的局部几何细节对比。来源：技术报告

两个方向的改进叠加在一起，更广泛的几何经验加上更高精度的细节学习共同构成了 Hi3D V1.0 的核心竞争力。

质量的评测逻辑

三维资产不能只按一张渲染图来评价，正面相似度也无法代表完整的三维质量。

围绕这一思路，研究团队在传统的图像语义一致性指标之外，进一步从三个维度评估生成结果。

首先是多视角几何一致性（MV Fidelity）。研究者将生成资产从正面、背面、左侧、右侧、顶部和底部六个标准视角进行渲染，考察物体在不同方向下是否保持结构合理，同时检查零件缺失、悬浮碎片、重复几何等缺陷。这项测试考验的是模型对完整三维结构的理解，而不仅是对输入图片的复现能力。

其次是几何细节丰富度（Detail Richness）。这部分评估尽量排除纹理和材质的干扰，使用灰模渲染与表面法线图，检查细微表面起伏、结构层次、小型零件的保留情况，以及输入图像不可见区域的几何细节。

最后是面向实际应用的几何可用性。研究团队还关注网格中是否存在脱离主体的碎片、表面边界缺陷，以及壁厚不足等问题，并通过切片成功率等指标观察模型与后续 3D 打印流程的兼容程度。

这套更加全面的评测方式，也让 Hi3D V1.0 的优势有了具体的数据支撑。在技术报告列出的九种方法对比中，Hi3D V1.0 取得了0.75 的多视角几何一致性得分，以及 0.841 的几何细节丰富度得分，两项指标均为表中最高。

不同模型在几何分辨率、多视角保真度（MVF）、几何细节丰富度（DR）及切片成功率（SSR）四项指标上的定量对比。来源：技术报告

此外，研究团队还设计了一套包含 562 组人类判断的用户偏好研究，将 Hi3D V1.0 与 Pixal3D、TRELLIS.2、Hi3DGen、TripoSG 等代表性 Image-to-3D 方法进行对比。评估维度明确跳出了单一的正面相似度，重点关注以下几个方面：

未见视角的几何完整性：旋转到侧面、背面、底部后，模型的结构是否仍然合理
薄壁和细小结构的保留：武器刃部、角色饰品、机械部件等容易丢失的细节
局部几何细节的组织方式：表面特征是以真实几何结构呈现，还是退化为纹理噪声
下游生产兼容性：生成的网格能否直接用于切片、编辑、3D 打印等实际流程

结果显示，在 562 次判断中，Hi3D V1.0 获得了 469 次胜出、28 次平局和 65 次落后。按照胜出计 1 分、平局计 0.5 分的规则计算，综合人类偏好得分达到了 85.9%

用户偏好分数。来源：技术报告

持续迭代，三维世界的创作新形态

从最初追求更高的几何精度，到完善纹理与结构，再到打通模型生成后的实际应用环节，Hi3D 已经走过三次大版本演进，技术路线也愈发清晰。

V1.0 聚焦高精度几何生成，将有效稀疏表面提取分辨率提升至最高 1536³，让复杂结构与细微几何的还原更加精确。
V2.0 将能力延伸至几何与纹理一体化生成，引入遮挡区域智能补全、去光照处理等技术，进一步改善模型的结构完整性与材质表现。
V3.0 则将几何重建分辨率推向 2048³，继续提升复杂结构、局部细节和纹理质量。同时，智能拆件、多色打印、自动摆盘等配套能力不断完善，让生成的三维模型更容易进入真实创作与生产流程。

而在智能体时代，光有强大的模型还不够。如何将模型能力组织起来，让 AI 真正理解创作意图、调用专业工具，并完成一系列复杂任务，正在成为新的竞争焦点。

沿着这一方向，数美万物又推出了 Hi3D Agent。

Hi3D Agent 是「Creator-First 3D Agent」，方向盘始终在创作者手里，AI 负责踩油门。这一思路与当下流行的 Vibe Coding 有异曲同工之妙。后者让普通人通过自然语言就能开发软件，而 Hi3D Agent 则将类似的体验带入三维创作，探索一条「Vibe Creation」的新路径。

Hi3D Agent 由大语言模型理解自然语言目标、安排任务，再组织 Hi3D 专业模型与相关工具执行生成和处理。其探索方向覆盖已有资产调整、角色动画处理，以及拆件与打印准备等，让创作者可以围绕作品继续推进后续步骤。