Hunyuan World 2.0 (modèle 3D du monde)

Déployez Tencent HY-World 2.0 — le premier modèle 3D du monde open source SOTA — sur les GPU Clore.ai pour la génération de scènes 3D à partir de texte, d'images ou de vidéos

Sorti le 15 avril 2026 — Tencent Hunyuan a été publié HY-World 2.0, le premier modèle de monde 3D SOTA entièrement open source. Ce guide couvre WorldMirror 2.0 (le composant de reconstruction livré d'environ 1,2 milliard de paramètres). Les modèles frères HY-Pano 2.0 et WorldStereo 2.0 sont signalés « à venir » dans le dépôt officiel — voir le Feuille de route ci-dessous.

HY-World 2.0 est le framework de modèle de monde multimodal de Tencent pour reconstruire, générer et simuler des scènes 3D complètes. Contrairement aux générateurs de maillages pour objets uniques, HY-World ingère du texte, des images à vue unique ou multi-vues, ou de la vidéo et produit des représentations de monde modifiables — maillages, splats gaussiens 3D, nuages de points, cartes de profondeur, normales de surface et paramètres de caméra récupérés — prêtes à être intégrées dans Unity, Unreal ou Blender.

Les premiers poids publics couvrent WorldMirror 2.0 (~1,2 milliard de paramètres, BF16) — la partie reconstruction de la pile. Il fonctionne avec ~12–24 Go de VRAM sur un seul GPU et prend en charge une résolution flexible de 50K à 500K pixels, ainsi que le sharding FSDP multi-GPU pour des charges de travail plus importantes. Une API Python (diffusersde type), interface CLI via torchrun, et une démo Gradio sont fournis prêts à l'emploi. Un nœud ComfyUI est pas pas encore officiel — uniquement des ports communautaires.

Tous les exemples de ce guide s'exécutent sur des serveurs GPU loués via le la place de marché CLORE.AI.

Spécifications clés

Propriété

Valeur

Composant

WorldMirror 2.0 (livré) ; HY-Pano 2.0 + WorldStereo 2.0 à venir

Paramètres

~1,2 milliard (BF16)

Modalités d'entrée

Texte · image à vue unique · images multi-vues · vidéo

Sortie

Maillage · splat gaussien 3D · nuage de points · profondeur · normales · paramètres de caméra

VRAM

~12–24 Go sur un seul GPU ; FSDP pour multi-GPU

Plage de résolution

50K – 500K pixels (résolution flexible)

Licence

tencent-hy-world-2.0-community (personnalisé — voir ci-dessous)

Version

2026-04-15

Avertissement de licence : HY-World 2.0 est distribué sous une licence communautaire personnalisée (License.txt à la racine du dépôt), pas Apache 2.0 ou MIT. Les conditions d'utilisation commerciale diffèrent de celles de Hunyuan3D 2.1 de Tencent. Lisez la licence complète avant de commercialiser quoi que ce soit fondé dessus.

Pourquoi HY-World 2.0 ?

Premier modèle de monde SOTA open source — aucun concurrent propriétaire dans cette catégorie
Sortie de scène complète, pas seulement des maillages — splats gaussiens + géométrie + caméra en une seule passe
Entrées multimodales — le même pipeline gère le texte, les images et la vidéo
Prêt pour FSDP — mise à l'échelle sur 2 à 8 GPU pour l'inférence haute résolution ou par lots
Prêt pour les moteurs de jeu — les sorties s'intègrent directement dans Unity, Unreal et Blender

Exigences

Les configurations multi-GPU de classe 80 Go ne sont pas répertoriées sur la place de marché Clore.ai. Les plus grosses machines répertoriées aujourd’hui sont 4× RTX PRO 6000 Blackwell (96 Go chacune, 380 Go au total) et 8–11× RTX 5090 (32 Go chacune). La capacité A100 / H200 / B200 est proposée en bare metal sur demande. Consultez bare metal sur demande. Consultez Tarifs et disponibilité des GPU avant de dimensionner un déploiement.

Composant

Minimum

Recommandé

VRAM GPU

16 Go (RTX 4080 / 3090)

24–80 Go (RTX 4090 / A100 / H100)

RAM système

32 Go

64–128 Go

Disque

80 Go

200 Go

CUDA

12.8+

Python

3.10

PyTorch

2.4.0

2.4.0+

Le mode multi-GPU nécessite ≥ 1 image d'entrée par GPU. Pour une seule image de référence, restez sur un seul GPU et laissez FSDP intervenir uniquement pour les traitements par lots ou haute résolution.

Option A — Démarrage rapide avec Docker + torchrun

Un minimum docker-compose.yml pour un conteneur Clore.ai (l'image officielle Tencent n'est pas encore publiée — cela utilise la base PyTorch et lance l'installation du dépôt à l'intérieur) :

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:

Lancez un travail de reconstruction multi-GPU avec FSDP et BF16 :

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

Option B — API Python manuelle

# Cloner et installer
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

# Charge ~1,2 milliard de poids BF16 depuis HF (tencent/HY-World-2.0)
pipeline = WorldMirrorPipeline.from_pretrained('tencent/HY-World-2.0')

# Reconstruire une scène 3D à partir d'un dossier d'images multi-vues
result = pipeline('path/to/images')

# Optionnel : injecter une caméra préalable + profondeur pour une reconstruction plus précise
result = pipeline(
    'path/to/images',
    prior_cam_path='path/to/prior_camera.json',
    prior_depth_path='path/to/prior_depth/',
)

Lancez la démo Gradio sur le port 7860 :

python -m hyworld2.worldrecon.gradio_app

Pour Gradio multi-GPU avec FSDP :

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

Recommandations GPU Clore.ai

Charge de travail

GPU

VRAM

Pourquoi

Coût Clore.ai

Image unique → scène, développement/aperçu

RTX 4090

24 Go

BF16 tient confortablement, itération rapide

0,14–0,42 $/h

Reconstruction vidéo multi-vues

A100 40 Go

40 Go

Gère des images de plus de 200K px sans OOM

bare metal

Traitement par lots haute résolution (production)

A100 80 Go

80 Go

Résolution flexible complète de 500K px, gros lots

bare metal

FSDP multi-GPU / recherche

2–4× H100

160–320 Go

Charges de travail à l'échelle de l'entraînement, réparties en shards

~4,16 $/h

Point idéal sur Clore.ai : un seul RTX 4090 à 0,14–0,42 $/h suffit pour l'inférence WorldMirror quotidienne. Passez à une A100 uniquement lorsque vous avez besoin de reconstructions >200K pixels ou d'entrées vidéo longues.

Cas d’usage

Développement de jeux — transformez des concept arts en environnements 3D sommaires pour le blockout et le greyboxing
Contenu AR/VR — générez des scènes en splats gaussiens jouables dans Unity/Unreal avec une fidélité proche de la photographie
Prévisualisation cinéma et animation — reconstruisez des décors à partir de photos prises sur le lieu de tournage pour la cinématographie virtuelle
Visualisation architecturale — convertissez des photos de référence ou des briefs textuels en visites 3D modifiables
Robotique + simulation — synthétisez des environnements d'entraînement 3D à partir d'images réelles clairsemées

Feuille de route

Tencent a indiqué les éléments suivants comme « à venir » dans le dépôt officiel :

HY-Pano 2.0 — génération de panoramas à 360° (en attendant : HunyuanWorld 1.0)
WorldStereo 2.0 — extension de monde / synthèse de nouvelles vues (en attendant : WorldStereo original)
WorldNav — planification de trajectoire pour la traversée de scène
Code complet du pipeline de génération de monde — le point d'entrée texte/image → monde complet

WorldMirror 2.0 (reconstruction) est aujourd'hui le seul composant avec des poids publics. Gardez un œil sur la page du modèle HF pour les nouvelles versions.

Dépannage

Problème

Solution

Mémoire CUDA insuffisante sur un GPU de 16 Go

Réduisez la résolution d'entrée vers 50K px, ou passez à une RTX 4090 (24 Go). Activez --enable_bf16

FSDP se bloque au lancement

Assurez-vous que le nombre d'images d'entrée est ≥ --nproc_per_node. FSDP nécessite aussi NCCL + une version CUDA identique sur tous les GPU

flash-attn l'installation échoue

Essayez la roue précompilée pip install flash-attn --no-build-isolation sur CUDA 12.8 ; si cela échoue encore, le pipeline fonctionne (plus lentement) sans lui

L'interface Gradio n'est pas accessible sur Clore.ai

Redirigez le port 7860 dans la configuration du conteneur Clore, ou lancez avec --share

Questions de licence pour un usage commercial

Lisez License.txt dans le dépôt — il s'agit de tencent-hy-world-2.0-community, et non d'OSS standard

Étapes suivantes

Hunyuan3D 2.1 — le générateur texte/image-vers-maillage à objet unique de Tencent (pipeline plus petit, de style Apache, cas d'usage différent)
TRELLIS 3D — le générateur d'assets 3D structurés de Microsoft
Gaussian Splatting — pipeline de rendu pour les sorties 3DGS produites par HY-World
modèle HuggingFace
dépôt GitHub
la place de marché CLORE.AI

PrécédentHunyuan3D 2.1

SuivantNerfstudio

Mis à jour il y a 1 mois

Ce contenu vous a-t-il été utile ?