今天，腾讯正式发布并开源了混元3D世界模型2.0，简称HY-World 2.0。据介绍，这是一个多模态世界模型，能理解文字、图片、视频等多种输入，自动生成、重建和模拟3D世界，还支持导出Mesh、3DGS、点云等多种格式的3D资产，可以跟现有的游戏工作流无缝对接，用来快速生成游戏地图和关卡原型。



跟谷歌的Genie 3以及混元世界模型1.5不一样，那两款只能生成视频文件，而世界模型2.0的实用性更进一步：它能直接生成可以二次编辑的3D资产文件。这些生成的3D资产可以直接导入到游戏制作或者具身仿真引擎里，做到真正可玩、可用。

目前，世界模型2.0已经上线到腾讯混元3D创作引擎官网，用户可以申请使用。混元世界模型2.0支持文字、图片、视频多种输入方式。输入一段文字或者一张图片，模型就能精准解析复杂的语义，一键生成风格多样的可漫游世界。跟混元世界模型1.0相比，2.0的模型架构全面升级，画面的精细度和真实感都大幅提升。用户还可以自定义风格，按需生成真实风、漫画风、游戏风的3D空间。生成完成后，用户可以把资产导入到Unity、UE等引擎里进行二次编辑，大大降低了游戏地图的创作门槛。

模型还支持角色模式，用户可以操控角色在街道、建筑、场景里自由探索，没有时间限制，还有物理碰撞，就像在真实游戏里一样。同时，世界模型2.0还支持复刻真实3D场景。用户输入一段真实空间的视频或者多视角图片，模型就能构建出高精度的数字孪生空间。基于升级后的WorldMirror 2.0架构，模型支持任意尺寸的图像和视频输入，可以一次性预测密集点云、多视角深度图、表面法线以及相机参数，一次生成就能永久复用。未来像室内装修预览、城市规划、文化遗产保护这些场景，都可以靠这个能力快速构建和还原。

混元世界模型2.0以3D为主线，通过统一空间的理解、生成和重建架构，实现了SOTA级别的生成效果。跟其他世界模型相比，混元世界模型2.0在场景完整度（比如物体的侧面和背面）以及跟输入图片的匹配程度上表现更好。混元生成的3DGS与Mesh混合表征，也让用户可以开启角色模式，进行有真实物体碰撞的交互。