腾讯混元3D世界模型Lite版发布：显存需求大降，3D建模步入平民化时代

8月15日，腾讯混元团队正式推出了3D世界模型的Lite版本。相比以往需要26GB以上显存的版本，这次通过引入动态FP8（8位浮点格式）量化技术，将显存需求大幅压缩至17GB以下，使得普通消费级显卡也能流畅运行该模型。

此前，腾讯混元3D世界模型的FP32版本虽然能完整保留所有细节，但显存占用极高——其参数规模可能超过十亿个，通常需要配备大容量显存的GPU来加速推理，因此消费级显卡根本无法支撑。

简单来说，FP32、FP16、FP8代表了不同的“精度等级”。过去采用高精度FP32技术时，虽然能实现极高的细节还原，却会占用大量显存，甚至可能保留一些非必要的细节（例如背景的天空贴图等并不需要如此高的精度）。

而此次动态FP8量化技术的核心，在于能够实时监控模型运行时的数据分布，并针对不同模块进行动态调整：大部分关键区域保持FP16精度，而像背景贴图等非关键部分则动态切换为FP8精度。

这一技术显著降低了显存占用，尽管在部分区域精度有所降低，但让个人用户也能轻松体验3D世界模型的魅力。

腾讯混元3D重塑3D建模流程

腾讯混元3D世界模型是行业首个开源可编辑的世界生成模型，能够根据用户提供的图片或文字描述，直接生成完整、可编辑且可交互的3D世界，可广泛应用于游戏开发、特效制作、教育仿真等场景。

图源：腾讯混元3D官网

与腾讯混元模型之前的3D模型AI生成功能相比，这次推出的3D世界模型生成的内容更加丰富，涵盖了环境风格、室内外场景、光线渲染等多个维度。传统3D场景开发耗时极长，仅一个主要建筑场景就可能花费数周甚至数月，而这种一键生成式场景带来的效率提升，完全超出了用户的预期。

那么，面对如此复杂的场景开发，混元3D世界模型是如何快速生成360°沉浸式视觉空间的呢？

从混元世界模型1.0的架构来看，全景世界图像生成技术作为连接文字、图片与3D世界的统一代理系统，会首先生成初始化世界的全景图，从而实现360°的全覆盖场景。

图源：腾讯混元3D官网 混元世界模型 1.0 的模型架构

随后，系统会将整个3D世界分解为不同的清晰层级，例如前景与背景、海洋与地面、地面与天空等，再基于这些层级进行3D世界重建，最终形成完整的3D世界模型。

相较于传统3D场景开发中每个细节都需要精雕细琢、消耗大量时间和人力的方式，这种一键生成式场景不仅能极大节省时间，还能输出标准化的可漫游3D Mesh资产，兼容Unity、Unreal Engine等主流开发工具。

而且，生成内容的精度已经达到可直接使用的水平：前景内的注意力区域细节表现到位，背景与前景分离清晰，未出现界限模糊或光影不协调的问题。

但在官网体验混元3D世界模型后会发现，它目前还无法完全还原文字描述中的所有要求，只能实现大致的场景需求、光影色调以及前景区域的细节。

例如，下图对应的文本要求中提到了机械世界、机器人等元素，但这些并未在生成的场景中体现。系统只是提取了与构建大体世界场景相关的词汇，如赛博废土风格、天空中红色的落日等，然后分离前景与背景——将“废弃的游乐场”解构为前景内容，红色落日作为背景天空内容，再基于这些层级重建3D世界场景，也就是说，它仅还原了场景的基本框架。

图源：腾讯混元3D官网

可以明显看出，混元3D世界模型目前尚无法满足用户的深度个性化需求，但已经能够初步构建出前景、背景以及简单的场景细节，在游戏开发等工作中可以节省大量时间。

此外，这种按需生成的3D世界模型对普通玩家来说也极具可玩性。直接输出3D Mesh资产带来了格式的统一和学习成本的降低，当AI能够完成场景解构和3D构建工作时，用户的主观创意就成为决定生成场景效果的关键因素。

3D模型起风了，25年走向平民化？

腾讯此次将混元3D世界模型适配到消费级显卡，意图非常明确——吸引广大开发者和创作者加入“腾讯混元3D”生态。该模型支持从3D模型到3D世界场景的全流程内容生成，用户能够借此创造属于自己的虚拟世界。

当前市面上，支持3D模型生成的AI大模型并不少见，如Tripo AI、Meshy AI、GENIE等。但众多厂商扎堆涌入3D化赛道，导致产品功能高度同质化，也从侧面反映出“将现实场景搬进虚拟世界”已成为各家的核心竞争点。

在这些AI工具中，硅谷初创企业VAST于2024年发布的AI 3D基础模型Tripo AI，凭借其独特的产品结构脱颖而出。

与面向更广泛用户的腾讯混元3D不同，Tripo AI的定位更偏向专业创作者：用户进入页面后，可直接通过文字或图片生成3D模型，且可调节参数较为丰富——不仅支持当前主流AI 3D模型都具备的纹理生成功能，还能自动拆分模型部件，让每个部件可单独编辑；甚至支持为模型部件绑定基础动画并演示，尽管演示中偶尔会出现部件变形问题。总体而言，Tripo AI是一款功能成熟、可适应多场景的AI 3D工具。

图源：Tripo AI

同样在2024年推出的Meshy AI（由国内团队开发），虽然也支持通过文字、图像直接生成3D模型，但它的核心优势在于更完善的社区功能：用户可在社区内浏览其他创作者的3D模型作品，平台对模型的分类细致清晰，还标注了互动量、点赞数、是否支持3D打印等关键信息。这一设计让新手用户能直接下载现成的3D模型使用，同时也提升了社区的传播度与活跃度。

图源：Meshy AI

而由Luma AI推出的GENIE工具，除了支持文本转3D模型、多格式（如OBJ、FBX等）导出以适应不同场景外，最大亮点是提供了API接口——用户可通过该接口直接将视频内容转化为3D模型，形成了差异化的竞争力。

不难看出，上述产品均依靠自身特色在同类竞争中脱颖而出，腾讯混元3D也不例外。尽管其3D模型生成功能与其他工具相比优势不明显，但“高免费额度”是其核心吸引力：在混元AI 3D官网，每位用户每天可免费生成20次模型，次数用完后还能通过分享给好友重新获取。这种“以量换用户”的推广策略相当成功，在3D世界模型Lite版发布前，其社区模型下载量已突破230万次，成为全球最受欢迎的3D开源模型平台之一。

图源：腾讯混元AI

此次腾讯推出适配消费级显卡的混元3D世界模型Lite版，无疑将吸引更多创作者加入其生态。用户规模的增长，又将进一步推动模型迭代与应用场景拓展：以当下热门的VR眼镜为例，混元3D导出的3D世界模型文件可直接导入使用，用户只需拥有VR设备，就能随时随地沉浸在自己创建的虚拟场景中，实现生态与硬件的联动；同时，AI 3D基础模型能让普通用户轻松制作高度自定义的3D模型，与3D打印机等设备形成协同。

更重要的是，AI 3D化近乎“零学习成本”的特性，正推动其快速渗透到各行各业：在建筑规划、室内设计、电商展示等场景中，3D可视化内容比文字或传统图纸更易理解，工作人员无需复杂学习即可输出场景内容，大幅减少重复建模的时间；这种“虚拟模型+实体行业”的联动，既能提升用户粘性，又能通过高度自定义内容让用户产生归属感——种种趋势表明，3D模型在2025年必将走向大众化。

小雷认为，未来的AI 3D模型将进一步整合专业场景模型与创作风格，通过细分领域和使用场景吸引更多垂直用户，不断拓展生态边界并渗透到各类生活化场景中。

而这，正是本次3D模型平民化浪潮的核心意义——在现实与虚拟交融的今天，让每个人都拥有构建3D虚拟世界的能力。

3D模型普及，3D建模师会因此失业吗？

不过，网络上一直有一种观点，认为随着3D模型的普及，3D建模师可能会面临失业风险。对此，小雷却持不同看法。

不可否认，这类能快速生成3D模型的工具，必然会对行业带来冲击。AI模型“快速高效”的优势，确实是人类难以比拟的；但正如前文所说，当前的AI 3D模型尚无法实现真正的用户个性化——其生成的结果，本质上仍是基于大模型训练数据所产生的“模式化内容”。

而这类缺乏个性的内容，终究难以成为优秀的作品。无论是游戏建模还是建筑设计，真正能让人铭记的，永远是那些独具匠心的设计：是3D建模师反复打磨的细节，是为满足用户需求精心斟酌的巧思。因此小雷认为，以当前AI 3D模型的能力，想要完全取代3D建模师几乎不可能；相反，作为能高效执行重复性指令的工具，它更适合成为建模师提升工作效率的“得力助手”。

其实换个角度思考，这种“AI辅助创作”的模式，早已在各个行业中渗透。但受限于内容同质化的问题，AI往往只能停留在“重复的基础构建”环节。

这也正是雷科技在如今AI写作工具日益普及的今天，依然坚持原创的原因，小雷始终相信，真正有深度、有温度的优秀内容，绝不会因为AI的存在而失去光彩。