騰訊開源 3D 世界模型 HY-World 2.0：直接輸出可編輯 3D 資產

HY-World 2.0 是騰訊混元團隊開源的多模態 3D 世界模型。它最直接的作用，就是把以前只能看、不能摸的 AI 生成影片，變成真正能塞進遊戲引擎和機器人模擬器裡的 3D 資產。

不管你給它一句文本提示詞、單張圖片、多角度圖片，還是一段隨手拍的影片，它都能直接生成網格（Mesh）或 3D 高斯潑濺（3DGS）資產，甚至支援帶真實物理碰撞的第一人稱與第三人稱角色漫遊。

它能做什麼

以往像 Genie 3、Cosmos 或者騰訊早期的 HY-World 1.5，走的大多是「畫素級影片生成」路線。說白了，那種世界模型更像是在即時播放一段影片，播完一分鐘就沒了，視角一晃還會瘋狂閃爍穿模，而且互動一次就得算一次，顯示卡算力開銷很大。

HY-World 2.0 換了一條完全不同的路子：它直接給你造一套可以永久儲存的 3D 資產。

生成出來的場景具備天生的 3D 一致性，你可以把它當成一個真正的「可玩遊戲關卡」，直接匯入到 Blender、Unity、Unreal Engine 或者輝達的 Isaac Sim 裡二次編輯。

場景不僅能看，還能走進去。它支援第一人稱漫遊和第三人稱角色操控，你在裡面逛街道、進房間，遇到牆壁和障礙物都會觸發真實的物理碰撞，不會憑空穿透。

除了從零生成，它還有一個核心本事是「真實世界重建」。隨手拍一段日常影片或者幾張照片餵給它，它能在單次前向推理中同時預測深度圖、表面法線、相機引數、密集點雲以及 3DGS 屬性，直接還原出一個可互動的數字孿生場景，推理解析度支援 5 萬到 50 萬畫素。

怎麼做到的與開源程度

HY-World 2.0 能做到一次性生成完整的 3D 場景，關鍵在於它的四階段流水線。

第一步由全景生成模組 HY-Pano 2.0 根據文本或單圖生成全景視野；第二步通過 WorldNav 進行相機軌跡規劃；第三步由 WorldStereo 2.0 進行大範圍的世界擴充套件；最後由約 12 億引數的前向重建模型 WorldMirror 2.0 搭配 3DGS 學習完成最終的 3D 資產合成。

在開源節奏上，團隊已經放出了技術報告以及部分核心程式碼與模型權重。其中用於多視角重建的 WorldMirror 2.0 模型權重與推理程式碼已開放，全景生成的 HY-Pano 2.0 與負責擴充套件的 WorldStereo 2.0 程式碼與權重也陸續上線。

你可以直接去 GitHub 倉庫（Tencent-Hunyuan/HY-World-2.0）獲取程式碼和 Hugging Face 權重，產品頁面也提供了線上試玩體驗。

為什麼重要

對獨立遊戲開發者、3D 場景美術師和具身智慧研究員來說，這個專案非常值得關注。

以往搭建一個具備物理碰撞的測試關卡或機器人模擬環境，需要大量手動建模與拓撲；HY-World 2.0 讓從一段文字或一段實拍影片一鍵匯出可用 3D 資產變成了現實，後續還能在 UE、Unity 裡繼續改，完全不浪費傳統管線的資產積累。

我們認為，騰訊這一步走得很務實。很多大廠的世界模型還在卷生成更逼真的連續畫素影片，但遊戲工業和機器人領域真正渴求的從來不是一段不能編輯的 MP4，而是能匯入引擎的網格和高斯點雲。HY-World 2.0 把世界模型拉回了生產力工具的軌道，雖然大場景精細度和拓撲質量可能仍需要人工後處理，但它確實給 3D 工作流提供了一條極具殺傷力的捷徑。