Hunyuan World 2.0 (3D-Weltmodell)

Deploye Tencent HY-World 2.0 — das erste Open-Source-SOTA-3D-Weltmodell — auf Clore.ai-GPUs für die Generierung von 3D-Szenen aus Text/Bild/Video

Veröffentlicht am 15. April 2026 — Tencent Hunyuan veröffentlicht HY-World 2.0, das erste vollständig Open-Source-SOTA-3D-Weltmodell. Dieser Leitfaden behandelt WorldMirror 2.0 (die ausgelieferte Rekonstruktionskomponente mit ~1,2 Mrd. Parametern). Schwester-Modelle HY-Pano 2.0 und WorldStereo 2.0 sind im offiziellen Repo als „demnächst verfügbar“ markiert — siehe die Roadmap unten.

HY-World 2.0 ist Tencents multimodales Weltmodell-Framework zum Rekonstruieren, Generieren und Simulieren vollständiger 3D-Szenen. Anders als Generatoren für einzelne Objekte nimmt HY-World Text, Einzel- oder Mehransichts-Bilder oder Video auf und gibt bearbeitbare Weltdarstellungen aus — Meshes, 3D-Gaussian-Splats, Punktwolken, Tiefenkarten, Oberflächennormalen und rekonstruierte Kameraparameter — bereit für den direkten Einsatz in Unity, Unreal oder Blender.

Die ersten öffentlichen Gewichte umfassen WorldMirror 2.0 (~1,2 Mrd. Parameter, BF16) — die Rekonstruktionshälfte des Stacks. Sie läuft auf einer einzelnen GPU mit ~12–24 GB VRAM und unterstützt flexible Auflösungen von 50K bis 500K Pixeln sowie FSDP-Multi-GPU-Sharding für größere Workloads. Eine Python-API (diffusers-Stil), CLI über torchrun, und eine Gradio-Demo sind direkt mit dabei. Ein ComfyUI-Node ist nicht noch nicht offiziell vorhanden — nur Community-Ports.

Alle Beispiele in diesem Leitfaden laufen auf GPU-Servern, die über das CLORE.AI-Marktplatz.

Wichtige Spezifikationen

Eigenschaft	Wert
Komponente	WorldMirror 2.0 (ausgeliefert); HY-Pano 2.0 + WorldStereo 2.0 demnächst verfügbar
Parameter	~1,2 Mrd. (BF16)
Eingabemodalitäten	Text · Einzelansichtsbild · Mehransichtsbilder · Video
Ausgabe	Mesh · 3D-Gaussian-Splat · Punktwolke · Tiefe · Normalen · Kameraparameter
VRAM	~12–24 GB auf einer einzelnen GPU; FSDP für Multi-GPU
Auflösungsbereich	50K – 500K Pixel (flexible Auflösung)
Lizenz	tencent-hy-world-2.0-community (benutzerdefiniert — siehe unten)
Veröffentlichung	2026-04-15

Lizenzhinweis: HY-World 2.0 wird unter einer benutzerdefinierten Community-Lizenz ausgeliefert (License.txt im Repository-Stammverzeichnis), nicht Apache 2.0 oder MIT. Die Bedingungen für die kommerzielle Nutzung unterscheiden sich von Tencents Hunyuan3D 2.1. Lies die vollständige Lizenz, bevor du etwas darauf basierend veröffentlichst.

Warum HY-World 2.0?

• Erstes Open-Source-SOTA-Weltmodell — keine geschlossenen Konkurrenten in dieser Kategorie

• Vollständige Szenenausgabe, nicht nur Meshes — Gaussian Splats + Geometrie + Kamera in einem Durchlauf

• Multimodale Eingaben — dieselbe Pipeline verarbeitet Text, Bilder und Video

• FSDP-bereit — Skalierung über 2–8 GPUs für hochauflösende oder Batch-Inferenz

• Bereit für Game-Engines — Ausgaben lassen sich direkt in Unity, Unreal und Blender übernehmen

---

Anforderungen

Multi-GPU-Rigs der 80GB-Klasse sind auf dem Clore.ai-Marktplatz nicht gelistet. Die größten heute gelisteten Systeme sind 4× RTX PRO 6000 Blackwell (je 96 GB, 380 GB gesamt) und 8–11× RTX 5090 (je 32 GB). Kapazitäten für A100 / H200 / B200 werden als Bare Metal auf Anfrage verkauft. Prüfe GPU-Preise & Verfügbarkeit bevor du eine Bereitstellung dimensionierst.

Komponente	Minimum	Empfohlen
GPU-VRAM	16 GB (RTX 4080 / 3090)	24–80 GB (RTX 4090 / A100 / H100)
System-RAM	32 GB	64–128 GB
Festplatte	80 GB	200 GB
CUDA	12.8+	12.8+
Python	3.10	3.10
PyTorch	2.4.0	2.4.0+

Der Multi-GPU-Modus erfordert ≥ 1 Eingabebild pro GPU. Bei einem einzelnen Referenzbild bleibe bei einer GPU und lass FSDP nur bei Batch- oder hochauflösenden Jobs greifen.

---

Option A — Schnellstart mit Docker + torchrun

Eine minimale docker-compose.yml für einen Clore.ai-Container (das offizielle Tencent-Image ist noch nicht veröffentlicht — hier wird die PyTorch-Basis verwendet und die Repository-Installation darin ausgeführt):

version: "3.8"
services:
  hyworld2:
    image: pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel
    ports:
      - "7860:7860"
    volumes:
      - ./workspace:/workspace
      - hf_cache:/root/.cache/huggingface
    working_dir: /workspace
    command: >
      bash -c "
        git clone https://github.com/Tencent-Hunyuan/HY-World-2.0 &&
        cd HY-World-2.0 &&
        pip install -r requirements.txt &&
        pip install flash-attn --no-build-isolation &&
        python -m hyworld2.worldrecon.gradio_app
      "
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    shm_size: "16gb"

volumes:
  hf_cache:

Führe einen Multi-GPU-Rekonstruktionsjob mit FSDP und BF16 aus:

torchrun --nproc_per_node=2 -m hyworld2.worldrecon.pipeline \\
    --input_path /workspace/input_images \\
    --use_fsdp --enable_bf16

---

Option B — Manuelle Python-API

# Klonen und installieren
git clone https://github.com/Tencent-Hunyuan/HY-World-2.0
cd HY-World-2.0
conda create -n hyworld2 python=3.10 -y
conda activate hyworld2
pip install torch==2.4.0 torchvision==0.19.0 --index-url https://download.pytorch.org/whl/cu128
pip install -r requirements.txt
pip install flash-attn --no-build-isolation

from hyworld2.worldrecon.pipeline import WorldMirrorPipeline

# Lädt ~1,2 Mrd. BF16-Gewichte von HF (tencent/HY-World-2.0)
pipeline = WorldMirrorPipeline.from_pretrained('tencent/HY-World-2.0')

# Rekonstruiere eine 3D-Szene aus einem Ordner mit Mehransichts-Bildern
result = pipeline('path/to/images')

# Optional: frühere Kamera + Tiefe für eine präzisere Rekonstruktion einfügen
result = pipeline(
    'path/to/images',
    prior_cam_path='path/to/prior_camera.json',
    prior_depth_path='path/to/prior_depth/',
)

Starte die Gradio-Demo auf Port 7860:

python -m hyworld2.worldrecon.gradio_app

Für Gradio mit Multi-GPU und FSDP:

torchrun --nproc_per_node=2 -m hyworld2.worldrecon.gradio_app \\
    --use_fsdp --enable_bf16

---

GPU-Empfehlungen für Clore.ai

Workload	GPU	VRAM	Warum	Clore.ai-Kosten
Einzelbild → Szene, Entwicklung/Vorschau	RTX 4090	24 GB	BF16 passt problemlos, schnelle Iteration	ca. 0,14–0,42 $/h
Rekonstruktion von Mehransichts-Videos	A100 40 GB	40 GB	Verarbeitet Frames mit 200K+ Pixeln ohne OOM	Bare Metal
Hochauflösend im Batch (Produktion)	A100 80 GB	80 GB	Volle 500K-Pixel-Flex-Auflösung, große Batches	Bare Metal
FSDP-Multi-GPU / Forschung	2–4× H100	160–320 GB	Geshardete Workloads im Trainingsmaßstab	~$4,16/h

Optimale Wahl auf Clore.ai: eine einzelne RTX 4090 für 0,14–0,42 $/h bewältigt die alltägliche WorldMirror-Inferenz. Steige nur auf eine A100 um, wenn du Rekonstruktionen mit mehr als 200K Pixeln oder lange Videoeingaben brauchst.

---

Anwendungsfälle

• Spieleentwicklung — verwandle Concept Art in grobe 3D-Umgebungen für Blockout und Greybox

• AR/VR-Inhalte — generiere Gaussian-Splat-Szenen, die in Unity/Unreal mit nahezu fotografischer Treue abspielbar sind

• Previs für Film und Animation — rekonstruiere Sets aus Fotos vom Drehort für virtuelle Kinematografie

• Architekturvisualisierung — verwandle Referenzaufnahmen oder Textbriefings in bearbeitbare 3D-Rundgänge

• Robotik + Simulation — synthetisiere 3D-Trainingsumgebungen aus spärlichem Realwelt-Material

---

Roadmap

Tencent hat die folgenden Punkte im offiziellen Repo als „demnächst verfügbar“ aufgeführt:

• HY-Pano 2.0 — 360°-Panorama-Generierung (vorübergehend: HunyuanWorld 1.0)

• WorldStereo 2.0 — Welterweiterung / Novel-View-Synthese (vorübergehend: ursprüngliches WorldStereo)

• WorldNav — Trajektorienplanung für das Durchqueren von Szenen

• Vollständiger Pipeline-Code zur Welterzeugung — der Einstiegspunkt von Text/Bild → vollständige Welt

WorldMirror 2.0 (Rekonstruktion) ist heute die einzige Komponente mit öffentlichen Gewichten. Behalte die HF-Modellseite für Neuveröffentlichungen im Blick.

---

Fehlerbehebung

Problem	Lösung
CUDA-Speicher erschöpft auf einer 16-GB-GPU	Verringere die Eingangsauflösung auf 50K Pixel oder wechsle zu einer RTX 4090 (24 GB). Aktiviere --enable_bf16
FSDP hängt beim Start	Stelle sicher, dass die Anzahl der Eingabebilder ≥ --nproc_per_node. FSDP benötigt außerdem NCCL + passende CUDA-Versionen über alle GPUs hinweg
flash-attn Installation schlägt fehl	Versuche ein vorgefertigtes Wheel pip install flash-attn --no-build-isolation unter CUDA 12.8; wenn es immer noch fehlschlägt, läuft die Pipeline (langsamer) auch ohne es
Gradio-UI auf Clore.ai nicht erreichbar	Leite Port 7860 in der Clore-Containerkonfiguration weiter, oder starte mit --share
Fragen zur Lizenz für kommerzielle Nutzung	Lies License.txt im Repo — sie ist tencent-hy-world-2.0-community, nicht standardmäßige OSS

---

Nächste Schritte

• Hunyuan3D 2.1 — Tencents Text/Bild-zu-Mesh-Generator für einzelne Objekte (kleinere Pipeline im Apache-Stil, anderer Anwendungsfall)

• TRELLIS 3D — Microsofts strukturierter 3D-Asset-Generator

• Gaussian Splatting — Render-Pipeline für die von HY-World erzeugten 3DGS-Ausgaben

• HuggingFace-Modell

• GitHub-Repo

• CLORE.AI-Marktplatz