混元 3D 世界模型 1.0

是什么

混元 3D 世界模型 1.0（HunyuanWorld 1.0）是腾讯混元团队的世界生成模型，于 2025 年 7 月 26 日发布，同时公开了技术报告 ^[1]。它以一段文字或一张图像为输入，输出的是一个可以走进去的沉浸式三维世界，而不是单个物体或一张平面图片。腾讯将其称为首个开源的、具备仿真能力的沉浸式 3D 世界生成模型 ^[1]。

它的产物不是一段封闭的视频或一张渲染图：场景支持网格（mesh）导出，场景中的物体之间是彼此分离的表示，这正是能够对单个物体进行操作与交互的原因 ^[1]。

怎么做

一个关键设计是使用 360° 全景（panoramic）代理表示 ^[1]。模型并不直接预测三维几何，而是先生成一张覆盖观察者四周完整视野的全景图，再在这个中间表示之上构建三维世界。全景图之所以适合作为中间步骤，是因为它已经把整个场景绕了一整圈，几何可以从完整的环绕视角中提取，而不必依赖一个狭窄的单机位视角。

技术报告称，该框架以语义分层（semantically layered）的 3D 网格表示为核心 ^[2]。也就是说，场景被组织成一份带有语义含义的网格，地面、物体与周边环境不是一张无法区分的表面。再加上解耦的物体表示，生成出来的世界才能被编辑和交互，而不只是被观看 ^[1]。

开源版本基于 Flux 构建 ^[1]。

发布的权重

这次发布包含四个检查点：PanoDiT-Text、PanoDiT-Image、PanoInpaint-Scene 和 PanoInpaint-Sky ^[1]。从名称可以看出分工：其中两个分别以文字和图像为条件，另外两个是补全（inpainting）模块，一个面向场景，一个面向天空。

用在哪里

技术报告的摘要把虚拟现实、物理仿真、游戏开发和互动内容创作列为目标应用 ^[2]。这些用途有一个共同要求，是普通图片满足不了的：结果必须是一个能进入、能改动的空间。作者还表示，根据他们自己的实验，该模型取得了当前最好的性能 ^[2]。

之后的版本

这条产品线推进得很快。面向 4090 等消费级显卡的量化版本 HunyuanWorld-1.0-lite 于 2025 年 8 月 15 日推出 ^[1]。此后陆续发布了 2025 年 9 月 2 日的 HunyuanWorld-Voyager、2025 年 10 月 22 日的 HunyuanWorld-1.1（又称 WorldMirror），以及 2025 年 12 月 18 日面向实时世界创建的 HunyuanWorld-1.5（又称 WorldPlay）^[1]。HY-World-2.0 于 2026 年 4 月 16 日发布 ^[1]。

技术报告本身最早于 2025 年 7 月 29 日提交到 arXiv ^[2]。

在发展中的位置

这次发布把一整套世界生成流程以开放权重的形式放了出来，并且用明确命名的检查点把「文字驱动」与「图像驱动」的生成，同「场景补全」与「天空补全」区分开来 ^[1]。从面向消费级硬件的量化精简版，到面向实时的模型，这条版本序列勾出的是一条清晰的路线：从在大型机器上较慢地生成世界，走向在普通显卡上生成，并最终走向实时生成 ^[1]。