腾讯正式发布首个3D世界生成模型：全景生成、可漫游、可交互。(腾讯首款)#科技#混元#郭春超#技术#模型#创作

在生成式 AI 重塑 3D 内容创作流程的浪潮中，一场场技术革新正悄然改变游戏、美术、影视等产业的生产底座。

作为最受欢迎的 3D 开源模型之一，混元 3D 模型在 Hugging Face 平台下载量已超过 230 万，广受全球开发者认可。

在2025年7月27日的世界人工智能大会（WAIC）上，腾讯正式发布并开源了混元3D世界模型1.0，这是业界首个支持沉浸漫游、交互与仿真的开源世界生成模型。该模型隶属于腾讯混元大模型家族，旨在彻底改变3D内容创作模式。

传统3D场景构建需要专业团队耗费数周时间，而混元3D世界模型通过输入单句文字描述或一张图片，仅需几分钟即可生成可360度漫游、可编辑的完整3D虚拟场景。其核心目标是解决数字内容创作的高门槛和低效率问题，覆盖游戏开发、VR体验、数字孪生等领域的刚性需求。

腾讯首次将“1+3+N”AI应用全景图引入公众视野，该体系以混元大模型为核心引擎，而3D世界模型正是其多模态能力矩阵的关键组成部分。

腾讯公司副总裁蔡光忠在会上强调：“当前AI仍处于发展初级阶段，我们需要推动技术突破走向场景实践，让好用的AI出现在离用户和产业更近的地方。”

在今年 4 月的 2025 全球机器学习技术大会上，腾讯混元 3D 项目负责人郭春超接受 CSDN 专访时就提到：

腾讯混元 3D 系列模型正从“重建一个物体”到“生成一个场景”，再到“理解一个世界” 迈进，他们希望生成的不只是一个‘看起来像’的模型，而是一个创作者可以直接使用的可交付资产。

在短短几个月的时间，混元 3D 模型就实现了从单物体生成迈向完整场景的生成。

近日，郭春超老师在接受 CSDN 线上采访时表示：当前的核心目标是生成稳定、可信的三维场景，这是虚拟游戏与具身智能仿真等应用的基础。混元 3D 世界模型 1.0 的发布，标志着我们在“从物体到场景”这一阶段实现了初步突破。

下一步，他们将引入更多交互能力，如融合 VR、AR 等技术，进一步推动世界模型从“场景生成”迈向“世界理解”。

打开 3D 世界生成新维度：一句话创造可漫游的 3D 世界

作为业界首个开源、兼容 CG 工业生产管线的 3D 世界生成模型，混元 3D 世界模型 1.0 不仅面向科研圈、开发者和 AI 爱好者，更真正对接了游戏开发、物理仿真等高标准场景需求。

自研的层次化 3D 场景表征及生成算法，支持 3D Mesh 导出，在保证生成场景的逼真度和沉浸感的同时，兼容已有 CG 管线进行二次开发，如游戏开发、物理仿真、场景编辑等。

其核心能力亮点如下：

全景生成，一步成“世界”：相比以往模型只能生成“一个角落”的局部视角，混元支持直接构建完整的 360° 世界场景，四周内容连续、空间感强，具有更强沉浸感与拓展性。
结果可导出、可编辑，真正“能用”：模型输出的内容不仅是“看图”，而是结构化的 3D mesh 网格数据，可一键导出并无缝对接到 Blender、Unity、Unreal Engine 等主流工具中，真正走向 CG 生产环节。
此外，模型采用自研的“层次化 3D 场景生成算法”，将前景物体、背景地形、天空层等自动区分，使后续二次编辑更加灵活。
可交互，可漫游：与传统的 2D 全景图不同，混元生成的是“可探索”的 3D 世界。用户不仅可以原地观察，还可以在其中自由移动、视角切换，实现“人在场景中”的沉浸式体验。
多模态输入支持：支持“文字生成场景”“图像生成场景”等多种输入方式，适配创作者不同工作流程。

此外，腾讯混元团队也从定量角度评估混元世界模型 1.0 性能，针对 360° 全景与 3D 场景生成能力，与开源或者开放接口工作进行了对比，包括纹理细节、美学质量、指令遵循等评价维度，结果显示，混元世界模型 1.0 在生成质量上全面超过了 SOTA 开源模型。