腾讯开源混元世界模型2.0 一句话生成3D世界兼容游戏引擎

4月16日，腾讯正式发布并开源了混元3D世界模型2.0，代号HY-World 2.0。这一版本最大的亮点在于，它是一个真正的多模态世界模型——无论是文字、图片还是视频，你提供什么输入，它都能消化吸收，并自动生成、重建、模拟出一个完整的3D世界。更关键的是，它支持导出Mesh、3DGS、点云等多种格式的3D资产，能够无缝接入现有的游戏工作流。简而言之，这是快速生成游戏地图与关卡原型的“神兵利器”。 混元世界模型2.0 让AI的能力从“对话”、“画图”、“捏物体”直接跃升至“造世界”——而且是包含人物、物体、场景的完整世界。与谷歌的Genie 3以及混元世界模型1.5相比，后者仅能生成视频文件，虽可观看但无法修改或使用。而世界模型2.0的实用性完全上升到了另一个维度：它生成的是可直接二次编辑的3D资产文件。将这些资产导入游戏引擎或具身仿真引擎后，就是真正可玩、可用的内容。 目前，世界模型2.0已在腾讯混元3D创作引擎上正式上线，用户可提交申请进行体验。 来看一个实机演示：你只需输入“生成一个日式RPG风格的中世纪地牢”，它就能自动生成一个完整的3D空间资产。 再比如，输入“生成一个温馨的绘本风格小木屋”，游戏角色便能在生成的3D场景中自由穿行。请注意，这里的所有内容都是纯正的3D文件，全部由HY-World 2.0大模型一键生成。 混元世界模型2.0支持文字、图片、视频多种输入方式。无论你提供一段文字还是一张图片，模型都能精准解析其中的复杂语义，一键生成风格多样的可漫游世界。相比混元世界模型1.0，2.0的模型架构几乎全面升级，画面精细度与真实感提升显著。你还可以按需自定义风格，生成真实风、漫画风、游戏风，全凭个人喜好。生成完成后，将资产导入Unity、UE等引擎进行二次编辑，大大降低了游戏地图的创作门槛。 该模型还支持角色模式。你可以操控角色在街道、建筑、场景中自由探索，没有时间限制，并且具备物理碰撞效果——就像真实的游戏体验一样。 更令人惊喜的是，它还能复刻真实3D场景。你只需输入一段真实空间的视频或多视角图片，模型便能构建出高精度的数字孪生空间。这得益于升级后的WorldMirror 2.0架构，支持任意尺寸的图像与视频输入，一次性预测出密集点云、多视角深度图、表面法线和相机参数。而且是一次生成，永久可复用。可以预见，未来在室内装修预览、城市规划、文化遗产保护等场景中，都能借助这一能力快速构建与还原。 从技术底子来看，混元世界模型2.0以3D为主线，通过统一架构实现了空间理解、生成与重建，效果达到SOTA级别。与其他世界模型相比，它在场景完整度（例如物体的侧面和背面）以及对输入图片的遵循程度上表现更优。而混元生成的3DGS与Mesh的混合表征，使用户能够开启角色模式，进行具备真实物体碰撞的交互——这一特性确实非常实用。 回顾混元世界模型系列的发展历程，从首个开源的3D世界模型HY-World 1.0，到可实时在线交互的HY-World 1.5，再到如今一键生成可编辑3D空间资产的HY-World 2.0，腾讯混元在“AI造世界”这条路上，一步步从概念走向现实。自2025年下半年以来，腾讯在混元大模型上持续投入，引入多位高级人才，加快研发架构升级。2025年12月，混元大语言模型2.0版本发布，推理能力与效率已位居国内顶尖行列；更智能的HY3也在内部业务测试中表现优异。此次世界模型2.0的发布，无疑是混元在多模态领域的一次重大突破。