4月16日，騰訊發布混元3D世界模型2.0，並同步在GitHub、Hugging Face等平台開源。這款模型能夠根據文字、圖片、視頻輸入，直接生成可編輯、可交互的3D場景，並支持導出Mesh、3DGS、點雲等格式，與Unity、UE等遊戲引擎對接，用於快速產出遊戲地圖、模擬環境等資產。
相比上一代1.5版本以及谷歌的Genie 3，混元2.0的核心變化在於輸出形式的升級。此前行業內的世界模型大多生成一段可播放的視頻，而2.0版生成的是具備物理碰撞、可自由漫遊、且能二次修改的3D世界。
用戶輸入一段描述或一張圖片後，模型會產出一個包含人物、物體、環境的完整空間，支持角色模式下的交互探索。騰訊將其總結為從「捏物體」到「造世界」的跨越。
技術上，混元世界模型2.0採用統一框架處理空間理解、生成和重建。其中HY-Pano-2.0模塊無需相機參數，即可從普通圖片生成360度全景；空間Agent結合視覺語言模型與導航網格，為漫遊路徑規劃；HY-WorldStereo保證新生成區域與既有場景在幾何和視覺上保持銜接。
WorldMirror 2.0則能從視頻或多視角圖片中重建真實3D場景，一次性輸出點雲和相機參數。底層採用3DGS與Mesh混合表徵，兼顧真實感與可編輯性。
據騰訊公布的評測，混元2.0在場景完整度以及對輸入圖片的遵循度上，優於李飛飛創立的WorldLabs旗下的Marble模型。開源策略使得開發者可以免費獲取模型代碼和權重，普通用戶也能通過混元3D官網在線體驗。
值得注意的是，3D生成領域並非只有騰訊在推進。谷歌Genie 3在2026年1月開放體驗，可生成可探索的虛擬環境；Meta的MuseSpark專註實時3D場景生成；Stability AI的Stable Fast 3D主打從單張圖0.5秒內生成模型；OpenAI的Shap-E也在持續迭代。
各家的技術側重有所不同，谷歌和Meta更強調實時交互與沉浸感，Stability AI追求生成速度，而騰訊此次發布的2.0版本則將重點放在了輸出資產的可編輯性以及與現有工業工作流的銜接上，強調模型產出的內容能夠直接用於遊戲開發和模擬任務。
一個開放的問題是，隨著AI生成3D資產的門檻不斷降低，遊戲、影視、數字孿生等行業的生產流程會發生多大程度的變化。
開源模式能否真正讓中小團隊受益，還是說最終仍會形成少數大廠主導的工具生態，這還需要更多實際應用案例來觀察。
［本文作者i黑馬，i黑馬原創。如需轉載請聯繫微信公眾號（ID:iheima）授權，未經授權，轉載必究。］
