Hunyuan World 2.0 (modelo 3D del mundo)

Despliega HY-World 2.0 de Tencent: el primer modelo 3D del mundo de código abierto y SOTA en GPUs de Clore.ai para generación de escenas 3D a partir de texto, imagen o video

Publicado el 15 de abril de 2026 — Tencent Hunyuan lanzó HY-World 2.0, el primer modelo de mundo 3D SOTA totalmente de código abierto. Esta guía cubre WorldMirror 2.0 (el componente de reconstrucción de ~1.2B parámetros incluido). Los modelos hermanos HY-Pano 2.0 y WorldStereo 2.0 están marcados como "próximamente" en el repositorio oficial — consulta la Hoja de ruta abajo.

HY-World 2.0 es el marco de trabajo multimodal de modelo de mundo de Tencent para reconstruir, generar y simular escenas 3D completas. A diferencia de los generadores de mallas de un solo objeto, HY-World ingiere texto, imágenes de una o varias vistas, o video, y emite representaciones de mundo editables — mallas, splats gaussianos 3D, nubes de puntos, mapas de profundidad, normales de superficie y parámetros de cámara recuperados — listas para integrar en Unity, Unreal o Blender.

Las primeras pesas públicas cubren WorldMirror 2.0 (~1.2B params, BF16) — la mitad de reconstrucción de la pila. Funciona con ~12–24 GB de VRAM en una sola GPU y admite resolución flexible de 50K a 500K píxeles, además de fragmentación FSDP multi-GPU para cargas de trabajo más grandes. Una API de Python (diffusers-style), CLI mediante torchrun, y una demo de Gradio se incluyen listos para usar. Un nodo de ComfyUI está no oficialmente disponible aún — solo portados por la comunidad.

Todos los ejemplos de esta guía se ejecutan en servidores GPU alquilados a través de Marketplace de CLORE.AI.

Especificaciones clave

Propiedad	Valor
Componente	WorldMirror 2.0 (lanzado); HY-Pano 2.0 + WorldStereo 2.0 próximamente
Parámetros	~1.2B (BF16)
Modos de entrada	Texto · imagen de una sola vista · imágenes de múltiples vistas · video
Salida	Malla · splat gaussiano 3D · nube de puntos · profundidad · normales · parámetros de cámara
VRAM	~12–24 GB una sola GPU; FSDP para varias GPU
Rango de resolución	50K – 500K píxeles (resolución flexible)
Licencia	tencent-hy-world-2.0-community (personalizado — ver abajo)
Lanzamiento	2026-04-15

Advertencia sobre la licencia: HY-World 2.0 se distribuye bajo una licencia comunitaria personalizada (License.txt en la raíz del repositorio), no Apache 2.0 o MIT. Los términos de uso comercial difieren de Hunyuan3D 2.1 de Tencent. Lee la licencia completa antes de distribuir cualquier cosa construida sobre ella.

¿Por qué HY-World 2.0?

• Primer modelo de mundo SOTA de código abierto — sin competidores cerrados en esta categoría

• Salida de escena completa, no solo mallas — splats gaussianos + geometría + cámara en una sola pasada

• Entradas multimodales — la misma canalización maneja texto, imágenes y video

• Listo para FSDP — escala entre 2 y 8 GPU para inferencia de alta resolución o por lotes

• Listo para motores de juego — las salidas se integran directamente en Unity, Unreal y Blender

---

Requisitos

Los equipos multinodo de clase 80GB no aparecen listados en el marketplace de Clore.ai. Los equipos más grandes listados hoy son 4× RTX PRO 6000 Blackwell (96GB cada una, 380GB en total) y 8–11× RTX 5090 (32GB cada una). La capacidad A100 / H200 / B200 se vende como bare metal bajo pedido. Consulta Precios y disponibilidad de GPU antes de dimensionar un despliegue.

Componente	Mínimo	Recomendado
VRAM de GPU	16 GB (RTX 4080 / 3090)	24–80 GB (RTX 4090 / A100 / H100)
RAM del sistema	32 GB	64–128 GB
Disco	80 GB	200 GB
CUDA	12.8+	12.8+
Python	3.10	3.10
PyTorch	2.4.0	2.4.0+

El modo multi-GPU requiere ≥ 1 imagen de entrada por GPU. Para una sola imagen de referencia, usa una sola GPU y deja que FSDP entre en acción solo para trabajos por lotes o de alta resolución.

---

Opción A — Inicio rápido con Docker + torchrun

Un mínimo docker-compose.yml para un contenedor de Clore.ai (la imagen oficial de Tencent aún no está publicada — esto usa la base de PyTorch y ejecuta la instalación del repositorio dentro):

version: "3.8"
services:
  hyworld2:
    imagen: 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:

Ejecuta un trabajo de reconstrucción multi-GPU con FSDP y BF16:

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

---

Opción B — API manual de Python

# Clonar e instalar
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

# Carga ~1.2B pesos BF16 desde HF (tencent/HY-World-2.0)
pipeline = WorldMirrorPipeline.from_pretrained('tencent/HY-World-2.0')

# Reconstruye una escena 3D a partir de una carpeta de imágenes multivista
result = pipeline('path/to/images')

# Opcional: inyecta cámara previa + profundidad para una reconstrucción más ajustada
result = pipeline(
    'path/to/images',
    prior_cam_path='path/to/prior_camera.json',
    prior_depth_path='path/to/prior_depth/',
)

Inicia la demo de Gradio en el puerto 7860:

python -m hyworld2.worldrecon.gradio_app

Para Gradio multi-GPU con FSDP:

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

---

Recomendaciones de GPU para Clore.ai

Carga de trabajo	GPU	VRAM	Por qué	Coste de Clore.ai
Imagen única → escena, desarrollo/vista previa	RTX 4090	24 GB	BF16 cabe cómodamente, iteración rápida	$0.14–0.42/h
Reconstrucción de video multivista	A100 40 GB	40 GB	Maneja fotogramas de 200K+ px sin quedarse sin memoria	bare metal
Procesamiento por lotes de alta resolución (producción)	A100 80 GB	80 GB	Resolución flexible completa de 500K px, lotes grandes	bare metal
FSDP multi-GPU / investigación	2–4× H100	160–320 GB	Cargas de trabajo fragmentadas a escala de entrenamiento	~4,16 $/h

Punto ideal en Clore.ai: una sola RTX 4090 a $0.14–0.42/h maneja la inferencia cotidiana de WorldMirror. Pásate a una A100 solo cuando necesites reconstrucciones de más de 200K píxeles o entradas de video largas.

---

Casos de uso

• Desarrollo de juegos — convierte arte conceptual en entornos 3D básicos para blockout y greybox

• Contenido AR/VR — genera escenas de splat gaussiano reproducibles en Unity/Unreal con fidelidad casi fotográfica

• Previsualización para cine y animación — reconstruye escenarios a partir de fotos en ubicación para cinematografía virtual

• Visualización arquitectónica — convierte fotos de referencia o briefs de texto en recorridos 3D editables

• Robótica + simulación — sintetiza entornos de entrenamiento 3D a partir de material real escaso

---

Hoja de ruta

Tencent ha indicado lo siguiente como "próximamente" en el repositorio oficial:

• HY-Pano 2.0 — generación de panoramas de 360° (interino: HunyuanWorld 1.0)

• WorldStereo 2.0 — expansión del mundo / síntesis de nueva vista (interino: WorldStereo original)

• WorldNav — planificación de trayectoria para el recorrido de la escena

• Código completo de la canalización de generación de mundos — el punto de entrada de texto/imagen → mundo completo

WorldMirror 2.0 (reconstrucción) es hoy el único componente con pesos públicos. Mantente atento a la página del modelo en HF para nuevas publicaciones.

---

Solución de problemas

Problema	Solución
CUDA sin memoria en GPU de 16 GB	Reduce la resolución de entrada hacia 50K px, o cambia a una RTX 4090 (24 GB). Activa --enable_bf16
FSDP se cuelga al iniciar	Asegúrate de que el número de imágenes de entrada sea ≥ --nproc_per_node. FSDP también necesita NCCL + una CUDA coincidente en todas las GPU
flash-attn la instalación falla	Prueba el wheel precompilado pip install flash-attn --no-build-isolation en CUDA 12.8; si aún falla, la canalización se ejecuta (más lento) sin él
La interfaz de Gradio no es accesible en Clore.ai	Redirige el puerto 7860 en la configuración del contenedor de Clore, o inicia con --share
Preguntas sobre la licencia para uso comercial	Lee License.txt en el repositorio — es tencent-hy-world-2.0-community, no OSS estándar

---

Siguientes pasos

• Hunyuan3D 2.1 — el generador de mallas de texto/imagen a un solo objeto de Tencent (más pequeño, canalización de estilo Apache, caso de uso diferente)

• TRELLIS 3D — el generador estructurado de activos 3D de Microsoft

• Gaussian Splatting — canalización de renderizado para las salidas de 3DGS que produce HY-World

• Modelo de HuggingFace

• Repositorio de GitHub

• Marketplace de CLORE.AI