騰訊釋出 Hunyuan3D-Buffalo 1.0：生成、理解與編輯全包了

以往拿 AI 做 3D 資產的人，最頭疼的往往不是怎麼生成出來，而是生成之後怎麼辦。

你要麼用 A 工具生成一個整體模型，發現細節不對，只能導進 Blender 一刀一刀手工改；要麼想把模型的某個部件換掉，卻發現整個模型是一整坨網格，根本拆不開。

騰訊混元團隊最近放出的 Hunyuan3D-Buffalo 1.0，想解決的正是這個斷層。他們做了一個統一的 3D 多模態框架，把 3D 的生成、理解、指令編輯和零件拆解，全部塞進了同一個系統裡。

動動嘴皮子改模型，還能一鍵拆零件

大多數現有的 3D 工具都各管一攤，生成模型的不管理解，做編輯的又很難兼顧生成質量。Buffalo 1.0 的做法是用一個統一的底層架構把各環節打通。

它的骨幹是一個叫 Hunyuan3D-VLM 的視覺語言模型，用來連線自然語言和 3D 表徵，專門處理 3D 問答、空間定位和任務理解。後面再掛上 Hunyuan3D DiT 擴散模組，專門負責出高精度的 3D 資產。

在實際演示中，這種指令式編輯顯得很直觀。比如給它一個現成模型，輸入一句指令把頭變成牛頭，模型頭部的網格和貼圖就會按提示替換，而身體其他部位保持原樣。

你還可以對它說移除船帆，它就能精準識別出船帆所在的部件並直接刪掉。又或者給一隻青蛙戴上眼鏡，給機器人的兩隻手同時裝上帶尖刺的護手。

更有意思的是它的部件級拆解能力。你可以通過文字語義把任意一個 3D 模型拆成獨立的零部件，在介面裡既能看完整拼裝效果，也能一鍵炸開成各個零件散落的爆炸圖。

為什麼重要

在我們看來，Buffalo 1.0 踩中了 3D 生成領域最迫切的痛點：可控性與可用性。

對遊戲美術、獨立開發者或 3D 列印玩家來說，以前 AI 生成的 3D 模型往往是觀賞性大於實用性，一旦某處變形就得全盤推倒重來。如果真能通過自然語言定向修改區域性、甚至直接拆分出零件，AI 3D 資產才算真正跨進了實際生產管線。

從行業角度看，3D 賽道的競爭已經從比拼誰生成的網格更精緻，轉向了端到端的工程化閉環。騰訊把生成、編輯與理解整合到同一個 VLM 加 DiT 的管線裡，看起來是在逼對手放棄單點修補的工具形態，向全流程多模態平臺靠攏。

這種統一架構也並非沒有潛在代價。多工強行塞進同一個底座，對上下文理解和空間定位精度的要求極高。如果語言指令理解稍有偏差，區域性修改就容易誤傷相鄰網格，或者把不該拆的部位切斷。官方已經在專案主頁註明即將開原始碼和權重，實際工程表現到底能不能扛住複雜工業模型的考驗，還得等程式碼釋出後見分曉。