一句話就能生成「我的世界」，騰訊發佈混元3D世界模型，繼續開源｜WAIC2025

2025/07/27

•

在 2025 世界人工智慧大會（WAIC）現場，騰訊正式發佈並開源了「混元 3D 世界模型 1.0」。

什麼是世界模型，它的能力聽起來頗具革命性，只需輸入一句話或一張圖，就能在幾分鐘內生成一個完整、可 360° 沉浸式漫遊的 3D 世界。

這是業界首個開源可沉浸漫遊、可互動、可模擬的世界生成模型，為遊戲開發、VR、數字內容創作等領域帶來了全新的可能性。

使用者可以用一句自然語言描述，快速生成一個360度、可互動、可匯出的 3D 場景，並匯入遊戲、模擬或視覺引擎中使用。

與此同時，騰訊混元還宣佈了一系列後續開源計畫，包括多模態理解模型、遊戲視覺模型，以及適用於邊緣裝置的端側大語言模型（0.5B、1.8B、4B、7B），覆蓋從 3D 世界生成到小模型部署的完整生態鏈條。

這一次，騰訊不僅把 3D 內容生成從「生成一個物體」升級到「生成一個世界」，還希望以開放原始碼的方式，撬動整個 3D AIGC 創作生態。

混元 3D 世界模型 1.0 是騰訊混元大模型體系下的最新成果，它不再侷限於生成單個 3D 物體，而是首次支援完整三維世界的生成。這種「世界等級」的生成能力，主要體現在下面幾個方面。

一鍵生成 360 度全景世界

混元模型可基於一句文字描述或一張圖像輸入，生成一個 360 度沉浸式的三維場景。例如，你只需輸入「一個破舊的加油站，夜晚下著雨，遠處有霓虹燈」，它就能建構出加油站主體、環境、天空光照、閃電等元素構成的完整空間。

使用者可在其中進行 360° 視角切換、自由環視，視覺體驗接近 VR 世界，且支援匯出為全景貼圖用於虛擬展示。

可漫遊、可互動的 3D 世界

除了能看，還能動。混元世界模型支援建構「可行走」的場景地圖。生成的世界不僅是封閉空間和固定視角，也支援在場景中自由漫遊，體驗類似遊戲或虛擬現實的互動感。

通過 WASD 鍵控制角色走動、滑鼠拖動切換視角，在模型生成的三維空間中自由探索，幾乎可視為一座「即生成、即漫遊」的虛擬世界。

支援物理模擬與二次編輯

騰訊自研的層次化場景表徵演算法使得前景、中景、遠景分層生成。不僅生成視覺效果逼真的世界場景，生成的每一部分，即場景內的元素都可以被獨立編輯或物理模擬。

前景物體可單獨選中、繫結骨骼或加入行為邏輯；

天空與地形支援替換或個性化渲染；

可載入至 Unreal Engine（UE）、Blender、Unity 等引擎進行物理模擬與動畫植入。

此外，模型輸出為標準 mesh 檔案，符合行業通用規範，可直接被用於遊戲開發、影視特效製作、教育模擬、工業訓練等場景。

與全球領先的開源模型相比，混元 3D 世界模型 1.0 在文生世界、圖生世界的美學質量和指令遵循能力等關鍵維度均全面超越當前 SOTA 的開源模型。

這一模型今天正式發佈並開源，使用者既可在官網使用，也可在 Hugging Face 上部署模型本地運行。騰訊強調，這是首個支援物理模擬、CG 管線可用的開源世界模型。

創造一個既宏大又真實，既穩定又富於變化的 3D 世界，技術難度極高。目前，行業內主要有兩條技術路線：

純 3D 生成：優點是空間結構穩定，但受限於高品質 3D 資料的稀缺，生成的多樣性和創造力不足。

純 2D 視訊生成（如 Google 基礎世界模型 Genie）：優點是互動和動態效果豐富，但缺乏三維空間的穩定性約束。你往前走再回頭，場景可能已經「面目全非」，無法建構一個邏輯自洽的世界。

騰訊混元團隊選擇了一條更聰明、也更複雜的「2D+3D 結合」的混合路線，取長補短。

「我們對前景物體用 3D 的方式做，中景用 2.5D，遠景用 2D。這樣就兼顧了互動性和生成的多樣性。」騰訊混元 3D 負責人郭春超在媒體採訪中解釋道。

這種分層生成的策略，叫做「語意層次化 3D 場景表徵及生成演算法」，該演算法將複雜 3D 世界解構為不同語意層級，實現前景與背景、地面與天空的智能分離。最終讓混元世界模型在保證空間穩定性的同時，也擁有了由 2D 大模型帶來的豐富想像力。

這樣一個「世界生成器」究竟能用在何處？它的出現又將如何改變行業？

對於遊戲開發者而言，這是前所未有的生產力革命。傳統的遊戲場景搭建，需要建模師耗費數周甚至數月的時間手動完成。現在，只需一句指令，就能快速生成一個高品質的場景原型，用於前期的玩法驗證。

這能極大地縮短開發周期，降低試錯成本。同時，模型生成的各種道具、建築也能作為基礎素材，大大提升資產生產效率。

對於普通 3D 愛好者和內容創作者，它則徹底拉低了創作的門檻。你不需要懂複雜的三維建模軟體，也能創造屬於自己的虛擬世界，並將其匯入到 Vision Pro 等裝置中沉浸式體驗。

而從更宏大的視角看，世界模型是通向具身智能和通用人工智慧（AGI）的關鍵路徑。無論是自動駕駛汽車，還是未來的家庭服務機器人，都需要在一個模擬的「世界」中進行大量的訓練，去理解物理規律，學習如何與環境互動。

郭春超也坦言，目前世界模型在具身智能領域的應用還處於非常初級的階段，但其潛力是巨大的。相比於約束條件更多、場景相對單一的自動駕駛，具身智能需要面對的環境（如室內、港口、咖啡廳）要複雜得多，這正是世界模型需要攻克的難題。

開源，與世界共建「世界」

從發佈之初，騰訊就宣佈將混元世界模型 1.0 開源。這在行業內是相當罕見的，尤其是對於這樣一個具備核心競爭力的模型。

對此，騰訊混元 3D 負責人郭春超在與媒體交流時表示，開放原始碼的核心目的是與社區共建，加速技術迭代。在大模型領域，如果只是單兵作戰，是很難把一個事情給做大的。

在 WAIC 上，騰訊還表示，在LMArena Vision榜單拿下國內第一的多模態理解模型混元-large-vision，以及專為遊戲場景最佳化的互動式遊戲視訊生成框架混元GameCraft等也將於近期對外開源

通過開源，騰訊不僅能為廣大開發者和企業提供強大的工具，也能從社區獲得寶貴的反饋，發現模型的問題和新的應用方向，形成一個正向循環的生態。

從最初的 3D 物體生成，到如今的 3D 世界生成，再到未來對「世界」的理解和互動，騰訊混元正在一步一個腳印地探索 AIGC 的終極形態。

雖然距離真正創造齣電影《頭號玩家》中那個無限細節、無限可能的「綠洲」還很遙遠，但混元世界模型的發佈，無疑讓我們看到了一個激動人心的開端：一個任何人都能創造、擁有和分享自己虛擬世界的時代，正在加速到來。 (APPSO)