Hunyuan World 2.0（3D 世界模型）

在 Clore.ai GPU 上部署腾讯 HY-World 2.0——首个开源 SOTA 3D 世界模型——用于文本/图像/视频到 3D 场景生成

于 2026 年 4 月 15 日发布 — 腾讯混元发布 HY-World 2.0，首个完全开源的 SOTA 3D 世界模型。本指南涵盖 WorldMirror 2.0 （已随附约 12 亿参数的重建组件）。姊妹模型 HY-Pano 2.0 以及 WorldStereo 2.0 已在官方仓库中标记为“即将推出”——见 路线图 下文。

HY-World 2.0 是腾讯的多模态世界模型框架，用于 重建、生成和模拟完整的 3D 场景。不同于单物体网格生成器，HY-World 可接收文本、单视图或多视图图像，或视频，并输出可编辑的世界表示——网格、3D Gaussian Splat、点云、深度图、表面法线以及恢复出的相机参数——可直接导入 Unity、Unreal 或 Blender。

首批公开权重覆盖 WorldMirror 2.0 （约 12 亿参数，BF16）——堆栈中的重建部分。它可在单张 GPU 上以约 12–24 GB 显存运行，并支持从 5 万到 50 万像素的灵活分辨率，还支持用于更大规模工作负载的 FSDP 多 GPU 分片。开箱即用提供 Python API（diffusers-style），CLI 通过 torchrun，以及 Gradio 演示开箱即用。ComfyUI 节点 不 尚未官方提供——仅有社区移植版。

通过 CLORE.AI 市场.

关键规格

属性	数值
组件	WorldMirror 2.0（已发布）；HY-Pano 2.0 + WorldStereo 2.0 即将推出
参数	约 12 亿（BF16）
输入模态	文本 · 单视图图像 · 多视图图像 · 视频
输出	网格 · 3D Gaussian Splat · 点云 · 深度 · 法线 · 相机参数
显存	约 12–24 GB 单卡；FSDP 用于多卡
分辨率范围	5 万 – 50 万像素（灵活分辨率）
许可证	tencent-hy-world-2.0-community （自定义——见下文）
发布	2026-04-15

许可说明： HY-World 2.0 采用自定义社区许可证发布（License.txt 位于仓库根目录）， 不 Apache 2.0 或 MIT。商业用途条款与腾讯的 Hunyuan3D 2.1 不同。在基于它构建并发布任何内容之前，请先阅读完整许可证。

为什么选择 HY-World 2.0？

• 首个开源 SOTA 世界模型 —— 该类别中没有闭源竞争者

• 完整场景输出，而不只是网格 —— 一次生成 Gaussian Splats + 几何 + 相机

• 多模态输入 —— 同一管线可处理文本、图像和视频

• 支持 FSDP —— 可在 2–8 张 GPU 上扩展，以进行高分辨率或批量推理

• 可直接用于游戏引擎 —— 输出可直接导入 Unity、Unreal 和 Blender

---

需求

Clore.ai 市场上未列出多 GPU 的 80GB 级机型。 目前列出的最大配置是 4× RTX PRO 6000 Blackwell（每张 96GB，共 380GB）以及 8–11× RTX 5090（每张 32GB）。A100 / H200 / B200 容量可按 裸机 需求提供。部署前请查看 GPU 价格与可用性 。

组件	最低	推荐
GPU 显存	16 GB（RTX 4080 / 3090）	24–80 GB（RTX 4090 / A100 / H100）
系统内存	32 GB	64–128 GB
磁盘	80 GB	200 GB
CUDA	12.8+	12.8+
Python	3.10	3.10
PyTorch	2.4.0	2.4.0+

多 GPU 模式需要 每张 GPU 至少 1 张输入图像。对于单张参考图像，建议只用一张 GPU，并仅在批量或高分辨率任务时让 FSDP 接管。

---

方案 A —— 使用 Docker + torchrun 快速上手

一个最小的 docker-compose.yml 适用于 Clore.ai 容器（官方腾讯镜像尚未发布——此处使用 PyTorch 基础镜像，并在其中执行仓库安装）：

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:

使用 FSDP 和 BF16 运行多 GPU 重建任务：

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

---

方案 B —— 手动 Python API

# 克隆并安装
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

# 从 HF（tencent/HY-World-2.0）加载约 12 亿 BF16 权重
pipeline = WorldMirrorPipeline.from_pretrained('tencent/HY-World-2.0')

# 从一个多视图图像文件夹重建 3D 场景
result = pipeline('path/to/images')

# 可选：注入先验相机和深度，以获得更紧致的重建
result = pipeline(
    'path/to/images',
    prior_cam_path='path/to/prior_camera.json',
    prior_depth_path='path/to/prior_depth/',
)

在 7860 端口启动 Gradio 演示：

python -m hyworld2.worldrecon.gradio_app

对于带 FSDP 的多 GPU Gradio：

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

---

Clore.ai GPU 推荐

工作负载	GPU	显存	原因	Clore.ai 成本
单张图像 → 场景，开发/预览	RTX 4090	24 GB	BF16 可轻松容纳，快速迭代	$0.14–0.42/小时
多视图视频重建	A100 40 GB	40 GB	可处理 20 万像素以上帧而不会 OOM	裸机
高分辨率批量处理（生产）	A100 80 GB	80 GB	完整 50 万像素灵活分辨率，大批量	裸机
FSDP 多 GPU / 研究	2–4 张 H100	160–320 GB	分片训练规模工作负载	约 $4.16/小时

Clore.ai 上的最佳选择： 一张 RTX 4090，每小时 $0.14–0.42 足以应对日常 WorldMirror 推理。只有在需要超过 20 万像素的重建或长视频输入时，才升级到 A100。

---

应用场景

• 游戏开发 —— 将概念图转换为粗略的 3D 环境，用于 blockout 和 greybox

• AR/VR 内容 —— 生成可在 Unity/Unreal 中运行、且具备接近照片级保真的 Gaussian Splat 场景

• 影视和动画预演 —— 从实地照片重建布景，用于虚拟摄影

• 建筑可视化 —— 将参考照片或文本简报转换为可编辑的 3D 漫游

• 机器人与仿真 —— 从稀疏的真实世界素材中合成 3D 训练环境

---

路线图

腾讯已在官方仓库中将以下内容标记为“即将推出”：

• HY-Pano 2.0 —— 360° 全景生成（过渡方案：HunyuanWorld 1.0）

• WorldStereo 2.0 —— 世界扩展 / 新视角合成（过渡方案：原始 WorldStereo）

• WorldNav —— 用于场景遍历的轨迹规划

• 完整世界生成管线代码 —— 文本/图像 → 完整世界的入口点

目前只有 WorldMirror 2.0（重建）组件公开了权重。请留意 HF 模型页面 的更新。

---

故障排查

问题	解决方案
CUDA 内存不足 在 16 GB GPU 上	将输入分辨率降至 5 万像素，或切换到 RTX 4090（24 GB）。启用 --enable_bf16
FSDP 启动时卡住	确保输入图像数量 ≥ --nproc_per_node。FSDP 还需要 NCCL + 各 GPU 的 CUDA 版本一致
flash-attn 安装失败	尝试预编译 wheel pip install flash-attn --no-build-isolation 在 CUDA 12.8 上；如果仍失败，管线也可以不使用它运行（速度较慢）
Clore.ai 上无法访问 Gradio UI	在 Clore 容器配置中转发 7860 端口，或使用 --share
商业用途许可问题	阅读 License.txt 仓库中的内容——它是 tencent-hy-world-2.0-community，不是标准开源软件

---

下一步

• Hunyuan3D 2.1 —— 腾讯的单物体文本/图像转网格生成器（更小、Apache 风格的管线，适用场景不同）

• TRELLIS 3D —— 微软的结构化 3D 资产生成器

• Gaussian Splatting —— HY-World 生成的 3DGS 输出所用的渲染管线

• HuggingFace 模型

• GitHub 仓库

• CLORE.AI 市场