商用 3D 生成模型技术路线¶

本页按产品系列梳理当前几条主要商用 3D 资产生成系统的公开技术路线。这里的“技术路线”主要指以下几个层面：

几何表示采用何种中间表示
生成器使用何种训练范式
纹理、后处理与结构控制如何接入系统
系统中哪些部分有公开研究支撑，哪些部分仍停留在部署版本说明

材料来源按如下顺序处理：论文与附录、官方仓库/模型卡/API 文档、官方新闻稿或产品文档、第三方整理。若某个结论只来自后两类材料，文中会明确说明。

可核验信息概览¶

系列	公开研究支撑	已公开规模信息	几何表示	生成器范式	纹理与后处理	公开程度
Tripo	`TripoSG`、`SparseFlex / TripoSF`	TripoSG: `1.5B/4B`, `160 x A100`, `2M` 数据；Tripo 3.0: `20B`（新闻稿）	SDF latent + 稀疏表面表示	Rectified Flow Transformer	公开资料主要集中于几何，纹理细节较少	基线公开，部署版本闭源
Rodin / Hyper3D	`CLAY`、`BANG`	CLAY: `227M-1.5B`, `256 x A800`, `527K` 数据；Rodin Gen-2: `10B`（官方文档）	occupancy / neural field latent + part decomposition	latent diffusion + adapter / temporal attention	PBR、UV、法线、贴图处理	论文部分公开，部署版本闭源
Hunyuan3D	`Hunyuan3D 2.x`、`LATTICE`	2.1: Shape `3.3B` + Paint `2B`；LATTICE: `0.6B/1.9B/4.5B`；3.0: 约 `10B`（产品说明）	ShapeVAE -> VoxSet	DiT / Rectified Flow / hierarchical 3D-DiT	Paint PBR、重拓扑、多个服务入口	2.1 公开，后续版本多为闭源
Step1X-3D	`Step1X-3D`	Geometry `1.3B`, Texture `3.5B`, `96 x A800`, 约 `2M` 数据	VAE latent geometry	Rectified Flow DiT	基于 SD-XL 的纹理模块	代码与权重公开，数据部分公开
Seed3D	`Seed3D` 技术报告	`1.5B` DiT 主干；训练资源与数据规模未披露	未充分公开	DiT	多阶段资产流程，但公开细节有限	报告公开，系统闭源

1. 几何表示¶

从公开研究材料看，这些系统的几何表示大致可以分为三类。

1.1 SDF / field 路线及其扩展¶

TripoSG 仍然属于 SDF latent 路线，重点在于通过大规模数据治理与 Rectified Flow 将该路线做大。CLAY 则使用 occupancy / neural field 风格的 latent 表示，并将其扩展到资产级输出。二者都不属于 mesh-native 生成。

1.2 稀疏表面或稀疏结构表示¶

SparseFlex / TripoSF 的重点是稀疏表面表示，目标是支持高分辨率、开放表面与复杂拓扑。LATTICE / VoxSet 则在紧凑性与空间可定位性之间折中，试图弥补纯 set-based latent 的空间定位不足。

1.3 部件级结构表示¶

BANG 与前述路线不同，它并不主要讨论更换底层表面表示，而是将部件级结构关系、连续拆解轨迹与空间控制接入既有的资产生成骨干。因此，它改变的是系统的结构建模能力，而不是单纯的表面表示类别。

2. 生成器范式与训练资源¶

当前公开材料显示，大规模商用 3D 系统的几何生成器主要集中在两类：

latent diffusion / DiT
Rectified Flow Transformer

其中，训练资源公开较充分的代表包括：

TripoSG：Flow 模型 160 x A100，约 3 周；VAE 32 x A100，约 12 天
CLAY：最大模型 256 x A800，约 15 天
Step1X-3D：几何模块 96 x A800，两阶段训练，各 100K iterations
Hunyuan3D 2.1：公开了 Paint 训练约 180 GPU-days

相反，Rodin Gen-2、Hunyuan3D 3.0 与 Seed3D 的部署版本训练资源目前没有完整公开材料，因此无法与前述论文系统做同等粒度的训练成本比较。

3. 纹理、后处理与资产化¶

如果只讨论公开论文，学术模型往往在几何生成后停止；商用系统则通常将纹理、后处理和资产输出纳入主流程。

3.1 公开最充分的两条路线¶

Hunyuan3D：Shape / Paint 显式解耦，纹理模块单独建模。
CLAY：几何生成之后继续进行 quad mesh、UV 和 PBR 材质生成。

3.2 以模块复用为主的路线¶

Step1X-3D：纹理部分直接采用经过微调的 2D 生成模型。

3.3 公开不足的路线¶

Tripo 与 Seed3D 的公开材料更多集中在几何表示、训练规模或推理速度，纹理细节相对较少。

从研究角度看，纹理与后处理恰恰是商用系统与单篇几何论文差异最大的部分，因为它们直接决定输出是否接近可使用的 3D 资产，而不是仅供评测的几何结果。

4. 结构控制¶

在已公开资料中，Rodin 的结构控制研究支撑最完整，因为 BANG 明确研究了：

部件级拆解
exploded dynamics
轨迹跟踪
基于 bbox、surface region 与 2D ROI 的区域控制

Hunyuan3D 的服务侧出现了 Part、Polygen 一类模块，但其论文级细节公开程度不如 BANG。Tripo、Step1X-3D、Seed3D 当前公开材料则主要围绕几何生成与资产输出本身，结构控制信息较少。

5. 研究定位¶

这些系统虽然被称为“商用 3D 模型”，但从公开资料看，它们主要解决的是视觉资产生成问题，而不是参数化 CAD 建模问题。其共同特征包括：

输入通常是文本、图像、草图或多视图图像
输出通常是 mesh、贴图、法线或可进一步重拓扑的 3D 资产
评价指标主要围绕视觉质量、几何保真度、可编辑性与推理效率

因此，从研究分类看，这些系统更适合被置于“面向内容生产的 3D 资产生成系统”这一语境下讨论，而不应与参数化 CAD、约束求解或程序化建模混为一类。若要看后者，可参考基于代码 / 脚本的 3D 生成。