Hunyuan World 2.0 (3D-модель мира)

Разверните Tencent HY-World 2.0 — первую open-source SOTA 3D world model — на GPU Clore.ai для генерации 3D-сцен из текста/изображений/видео

Выпущено 15 апреля 2026 года — Tencent Hunyuan выпустила HY-World 2.0, первую полностью open-source SOTA-модель 3D-мира. Это руководство охватывает WorldMirror 2.0 (поставляемый компонент реконструкции с ~1,2 млрд параметров). Родственные модели HY-Pano 2.0 и WorldStereo 2.0 помечены как «скоро появятся» в официальном репозитории — см. дорожную карту ниже.

HY-World 2.0 — это многомодульный фреймворк Tencent для модели мира, предназначенный для реконструкции, генерации и симуляции полноценных 3D-сцен. В отличие от генераторов мешей для отдельных объектов, HY-World принимает текст, одно- или многовидовые изображения либо видео и выдаёт редактируемые представления мира — меши, 3D Gaussian Splats, облака точек, карты глубины, нормали поверхности и восстановленные параметры камеры — готовые для использования в Unity, Unreal или Blender.

Первый публичный набор весов охватывает WorldMirror 2.0 (~1,2 млрд параметров, BF16) — половину стека, отвечающую за реконструкцию. Он работает примерно в 12–24 ГБ VRAM на одном GPU и поддерживает гибкое разрешение от 50K до 500K пикселей, а также шардинг FSDP на нескольких GPU для более крупных задач. Python API (diffusersв стиле) и CLI через torchrun, а также демо на Gradio поставляются из коробки. Узла ComfyUI не официально пока нет — только варианты от сообщества.

Все примеры в этом руководстве запускаются на GPU-серверах, арендованных через маркетплейс CLORE.AI.

Ключевые характеристики

Параметр	Значение
Компонент	WorldMirror 2.0 (поставляется); HY-Pano 2.0 + WorldStereo 2.0 — скоро появятся
Параметры	~1,2 млрд (BF16)
Входные модальности	Текст · изображение с одного ракурса · изображения с нескольких ракурсов · видео
Вывод	Меш · 3D Gaussian Splat · облако точек · глубина · нормали · параметры камеры
VRAM	~12–24 ГБ на одном GPU; FSDP для нескольких GPU
Диапазон разрешений	50K – 500K пикселей (flex-res)
Лицензия	tencent-hy-world-2.0-community (кастомная — см. ниже)
Выпуск	2026-04-15

Оговорка по лицензии: HY-World 2.0 поставляется по кастомной лицензии сообщества (License.txt в корне репозитория), не условия коммерческого использования отличаются от Tencent Hunyuan3D 2.1. Прочитайте полную лицензию, прежде чем выпускать что-либо, построенное на ней.

Почему HY-World 2.0?

• Первая open-source SOTA-модель мира — в этой категории нет закрытых конкурентов

• Полный вывод сцены, а не только мешей — Gaussian Splats + геометрия + камера за один проход

• Мультимодальные входы — один и тот же пайплайн работает с текстом, изображениями и видео

• Готовность к FSDP — масштабирование на 2–8 GPU для высокоразрешённого или пакетного инференса

• Готовность для игровых движков — выводы можно напрямую переносить в Unity, Unreal и Blender

---

Требования

Многопроцессорные конфигурации с GPU класса 80GB не представлены на маркетплейсе Clore.ai. Самые крупные доступные сейчас машины — это 4× RTX PRO 6000 Blackwell (по 96GB, всего 380GB) и 8–11× RTX 5090 (по 32GB). Ёмкость A100 / H200 / B200 продаётся как голое железо по запросу. Проверьте Цены и доступность GPU перед выбором размера развёртывания.

Компонент	Минимум	Рекомендуется
VRAM GPU	16 ГБ (RTX 4080 / 3090)	24–80 ГБ (RTX 4090 / A100 / H100)
Системная RAM	32 ГБ	64–128 ГБ
Диск	80 ГБ	200 ГБ
CUDA	12.8+	12.8+
Python	3.10	3.10
PyTorch	2.4.0	2.4.0+

Режим для нескольких GPU требует ≥ 1 входного изображения на GPU. Для одного опорного изображения используйте один GPU и включайте FSDP только для пакетных или высокоразрешённых задач.

---

Вариант A — быстрый старт с Docker + torchrun

Минимальный docker-compose.yml для контейнера Clore.ai (официальный образ Tencent ещё не опубликован — здесь используется базовый PyTorch и установка репозитория внутри):

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:

Запустите задачу многогPU-реконструкции с FSDP и BF16:

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

---

Вариант B — ручной Python API

# Клонируйте и установите
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

# Загружает веса ~1,2 млрд BF16 из HF (tencent/HY-World-2.0)
pipeline = WorldMirrorPipeline.from_pretrained('tencent/HY-World-2.0')

# Восстановить 3D-сцену из папки с изображениями с нескольких ракурсов
result = pipeline('path/to/images')

# Необязательно: добавить предварительные данные о камере и глубине для более точной реконструкции
result = pipeline(
    'path/to/images',
    prior_cam_path='path/to/prior_camera.json',
    prior_depth_path='path/to/prior_depth/',
)

Запустите демо Gradio на порту 7860:

python -m hyworld2.worldrecon.gradio_app

Для Gradio на нескольких GPU с FSDP:

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

---

Рекомендации по GPU для Clore.ai

Задача	GPU	VRAM	Почему	Стоимость на Clore.ai
Одно изображение → сцена, dev/preview	RTX 4090	24 ГБ	BF16 легко помещается, быстрая итерация	$0.14–0.42/ч
Восстановление видео с нескольких ракурсов	A100 40 ГБ	40 ГБ	Обрабатывает кадры 200K+ px без OOM	голое железо
Высокое разрешение, пакетная обработка (production)	A100 80 ГБ	80 ГБ	Полные 500K px flex-res, большие пакеты	голое железо
FSDP с несколькими GPU / research	2–4× H100	160–320 ГБ	Задачи с шардингом на масштабе обучения	~$4.16/ч

Лучший вариант на Clore.ai: одна RTX 4090 за $0.14–0.42/час подходит для обычного инференса WorldMirror. Переходите на A100 только если нужны реконструкции свыше 200K пикселей или длинные входные видео.

---

Сценарии использования

• Разработка игр — превращайте концепт-арт в грубые 3D-окружения для blockout и greybox

• Контент для AR/VR — генерируйте сцены Gaussian Splat, пригодные для Unity/Unreal, с почти фотографической точностью

• Превиз для кино и анимации — реконструируйте площадки по фотографиям с места съёмки для виртуальной кинематографии

• Архитектурная визуализация — превращайте референсные снимки или текстовые брифы в редактируемые 3D-прогулки

• Робототехника + симуляция — синтезируйте 3D-среды для обучения из разреженных реальных видеоматериалов

---

дорожную карту

Tencent указала следующее как «скоро появится» в официальном репозитории:

• HY-Pano 2.0 — генерация панорам на 360° (временная замена: HunyuanWorld 1.0)

• WorldStereo 2.0 — расширение мира / синтез нового ракурса (временная замена: оригинальный WorldStereo)

• WorldNav — планирование траектории для перемещения по сцене

• Полный код пайплайна генерации мира — точка входа текст/изображение → полный мир

WorldMirror 2.0 (reconstruction) — единственный компонент с публичными весами на сегодня. Следите за страницей модели на HF за выходами.

---

Устранение неполадок

Проблема	Решение
CUDA out of memory на GPU с 16 ГБ	Снизьте входное разрешение до 50K px или перейдите на RTX 4090 (24 ГБ). Включите --enable_bf16
FSDP зависает при запуске	Убедитесь, что число входных изображений ≥ --nproc_per_node. FSDP также требует NCCL + совпадающую CUDA на всех GPU
flash-attn не удаётся установить	Попробуйте предварительно собранный wheel pip install flash-attn --no-build-isolation для CUDA 12.8; если всё равно не получится, пайплайн работает (медленнее) и без него
Интерфейс Gradio недоступен на Clore.ai	Пробросьте порт 7860 в конфигурации контейнера Clore или запустите с --share
Вопросы о лицензии для коммерческого использования	Прочитайте License.txt в репозитории — это tencent-hy-world-2.0-communityа не стандартная OSS

---

Дальнейшие шаги

• Hunyuan3D 2.1 — генератор 3D-мешей из текста/изображения для отдельных объектов от Tencent (меньший, Apache-style пайплайн, другой сценарий использования)

• TRELLIS 3D — структурированный генератор 3D-ассетов от Microsoft

• Gaussian Splatting — рендер-пайплайн для выводов 3DGS, которые создаёт HY-World

• Модель на HuggingFace

• Репозиторий GitHub

• маркетплейс CLORE.AI