开源3D生成模型实测：Trellis 2能否挑战付费产品

开源3D生成迎来爆发时刻

两年前，3D AI生成还处于蛮荒阶段。当时能拿得出手的模型只有 TripoSR 和早期版本的 Trellis，虽然它们在当时已经令人眼前一亮，但生成结果的细节和结构离实用还有相当距离。如今情况发生了根本性变化：开源3D生成模型迎来了密集的技术爆发。

B站UP主斯蒂芬近期做了一次相当硬核的横向评测，将本地可运行的开源模型 Trellis 2、混元（Hunyuan）2.1、UltraShape 1.0 与付费头部产品 Tripo 3.1、Hi3D 放在一起做盲测对比。核心问题只有一个：当你可以免费在本地运行AI模型时，还有必要为付费产品买单吗？

UltraShape 1.0 是什么？ UltraShape 1.0 是近期开源社区涌现的新型3D生成模型，其核心设计思路区别于混元的多阶段流程，采用端到端的单阶段生成架构——直接从单张或多张输入图像预测完整的3D资产，省去中间的多视图生成步骤。这类架构的优点在于推理速度更快、管线更简洁，但代价是对训练数据的多样性和模型容量要求更高。UltraShape 在纹理一致性方面做了专项优化，针对硬表面物体（如机械零件、建筑构件）的棱角还原表现尤为突出，与 Trellis 2 和混元的柔和风格形成明显差异化定位。

这次评测的价值在于，它不是简单的功能罗列，而是通过金属公鸡、复杂场景、写实角色、带触手的怪物等多种提示词，从几何结构、纹理质量、比例准确度三个维度做了严肃的横向比较。这三个维度对应不同的实际需求：几何结构关注网格拓扑的合理性（是否存在穿插面、孔洞等），直接决定模型能否进入动画绑定或3D打印流程；纹理质量涵盖UV展开效率和PBR材质通道的完整性；比例准确度则考察各部件的空间关系是否符合参考图，对角色动画和场景组合尤为关键。

开源阵营的进化与遗憾

从 TripoSR 到 Trellis 2

回顾这条技术演进线索会发现，开源3D生成的进步速度惊人。混元陆续发布了2.0、2.1版本，对 Comfy UI 社区意义重大，几乎成了各种工作流的标配。腾讯混元3D系列采用多阶段生成范式：先通过图像生成多视图，再经由重建网络得到高质量网格，最后进行纹理烘焙——这套流程天然契合 ComfyUI 的节点化工作流设计，使其成为最易集成的3D生成节点之一。

什么是 ComfyUI 节点化工作流？ ComfyUI是基于节点图（Node Graph）范式的AI生成工作流框架，将模型推理过程拆解为可视化的有向无环图——每个节点代表一个独立的计算步骤（图像编码、扩散采样、VAE解码等），用户通过连线组合节点构建多阶段生成流程，无需编写代码即可实现高度定制化的工作流。混元3D的多阶段架构尤为适合这一范式：每个阶段对应独立节点，中间产物（如多视图图像、未贴图网格）可被单独检查和手动干预，给创作者提供了黑盒模型所不具备的过程控制能力。

随后 Direct3D-S2 又在纹理和网格结构上做了改进，通常与混元2.1配合使用，在当时达到了最高质量的3D模型效果。

真正的分水岭出现在近期——微软发布了 Trellis 2。据评测者描述，这是迄今为止开源社区最重大的事件。Trellis系列的核心创新在于使用结构化潜在表示（SLAT）结合稀疏体素扩散机制生成3D资产。

要理解这一创新的意义，需要回溯早期3D生成模型的表示困境。NeRF（神经辐射场）以隐式函数建模场景，渲染质量高但无法直接导出可编辑网格；点云则缺乏拓扑信息，难以进行后续的面片化处理；而密集体素网格虽然保留完整拓扑，但显存消耗随分辨率呈立方增长，在实用分辨率下根本无法运行。SLAT的破局之道在于将3D空间划分为稀疏体素网格，仅对实际存在几何的区域分配计算资源——这一设计将显存效率提升了一个数量级，同时保留了足够的结构细节用于扩散过程的条件控制。稀疏体素扩散则借鉴2D扩散模型的去噪生成思路，在三维空间中逐步从噪声重建几何结构：每一步去噪都在稀疏体素的结构约束下进行，使生成过程从根本上降低了穿插面和孔洞等非流形缺陷的发生概率——这与早期方法在后处理阶段被动修复拓扑问题的思路有本质区别。这也解释了为何 Trellis 2 具备出色的几何理解能力，纹理效果优秀，最高支持1530分辨率的网格以及4K纹理，甚至原生支持透明度处理。要知道，即便是付费生成器，在处理眼睛这类透明/半透明部件时也常常翻车，而 Trellis 2 确实做到了。

此外，本地部署的门槛也在快速下降。虽然完整版通常需要约24GB显存，但优化版本已经能在6GB显存上运行，这对普通创作者而言是巨大的利好。

Lattice 开源计划的搁浅

评测中也披露了一个令开源社区痛心的消息：作为混元2.5和混元3背后核心技术的 Lattice，原本有强烈传言将会开源，其质量据称甚至超过 Trellis。但由于公司政策，其开源计划目前被搁置。

评测者的判断颇具洞察力：在与 Tripo、Meshy 等公司的激烈商业竞争下，混元选择不发布或推迟发布 Lattice，本质上是资金与竞争压力的现实反映。这与大语言模型领域 Meta 的 LLaMA 系列选择激进开源策略的路径不同——Meta本身并非以模型API为核心商业模式，开源反而能建立技术标准主导权、吸引生态贡献；而在3D生成这一垂直赛道，开源与商业化之间的张力远比NLP领域更为尖锐：3D模型训练成本极高（高质量3D数据的采集和标注成本是2D图像的数十倍）、数据获取壁垒大，导致模型代差优势更难通过数据飞轮快速复制。Tripo、Meshy 等以API服务为核心商业模式的公司，其壁垒高度依赖模型代差优势——当前付费版比开源版高出的那一档质量，正是用户持续付费的核心动因。一旦核心模型开源，API服务的溢价空间将迅速收窄，竞争将退化为纯粹的工程优化和服务质量竞争。混元团队面临的两难困境颇具代表性：开源有助于学术影响力和开发者生态，但腾讯云等商业部门的利益诉求与之存在根本张力。这也揭示了一个残酷现实——优秀的3D生成技术越来越难以完全开源，商业竞争正在成为阻碍开源模型发布的隐形壁垒。

开源 vs 付费：盲测硬碰硬

硬表面模型：金属公鸡测试

第一个测试对象是一只站在物体上的金属公鸡，结果颇具代表性：

• Trellis 2：直接漏掉了金属公鸡本体，UltraShape 优化后也没能补救
• 混元3.1：明显更好，但公鸡位置完全错误
• Tripo 3.1：位置正确，虽然造型不够精准，但整体最接近参考图，成为这一轮的赢家

在纹理表现上，Trellis 的 PBR 渲染让金属罐呈现出锦缎般的质感，屋顶细节也不错。**PBR（基于物理的渲染）**通过金属度（Metallic）、粗糙度（Roughness）、基础色（Albedo）、法线（Normal）等标准化通道模拟真实世界的光物理交互，相比传统漫反射/高光体系，PBR的跨光照环境一致性更强——同一材质在室内弱光和室外强光下均能呈现物理上自洽的外观。具备完整PBR通道的模型才能直接进入游戏引擎（如Unreal Engine的Lumen全局光照系统）或影视渲染管线，无需二次材质重建，这正是 Trellis 在材质方面的核心优势所在。混元则暴露了它的典型问题——倾向于过度简化和平滑，虽然画面更锐利，但到处能看到明显的锯齿，说明分辨率仍然不足。Tripo 在木纹、梯子等细节上表现最佳，各个角度都相当稳定。

复杂场景：能用于虚幻引擎吗

评测者提出了一个实战问题：用简单提示词生成的场景，Trellis 2 能否好到直接用进虚幻引擎游戏？虚幻引擎对导入资产有严格的技术要求：网格需为封闭流形、面数在合理范围内、UV展开无重叠、贴图尺寸为2的幂次方，且材质通道需符合UE的Lumen/Nanite渲染管线规范。特别是Nanite虚拟几何体系统对三角面质量有额外约束——过于细碎的小面或退化三角形（面积趋近于零）会显著降低Nanite的LOD压缩效率，这也是AI生成模型进入UE生产管线前通常需要进行网格重拓扑（Retopology）处理的原因。AI生成模型常见的穿插面、破洞和非标准UV往往需要大量手工修复才能满足这些标准。结果是形状尚可但瑕疵不少，精确度不够，尚不能直接进入生产管线。说个细节，Trellis 的设置项过多——多到评测者坦言自己都不知道如何用好全部参数，实际能理解的只有分辨率和网格化两项。

网格重拓扑（Retopology）是什么？ 重拓扑是指在保留原始模型外观形态的前提下，手动或半自动地重建一套面数更低、走线更规整的新网格。AI生成模型输出的往往是"高模"——三角面数量庞大、分布不均匀、缺乏边缘流（Edge Flow）逻辑，无法直接用于实时渲染或骨骼动画绑定。专业的重拓扑结果要求：四边面为主（便于细分和变形）、边缘循环（Edge Loop）沿肌肉或结构走向分布、局部面密度与细节复杂度匹配。工具层面，ZBrush 的 ZRemesher、Blender 的 Quad Remesh 插件以及专用软件 TopoGun 是常见选择；AI辅助重拓扑工具（如 Instant Meshes）正在降低这一流程的技术门槛，但对于复杂有机体仍难以完全替代手工调整。

写实角色：平滑是把双刃剑

角色测试进一步暴露了各模型的性格差异。混元生成的人脸虽然细节更多，甚至加上了微笑，但过度平滑是它的硬伤，损失了皮肤纹理等真实感。Tripo 则在高模上能看到皮肤下的细节层次，形状最接近参考图。

对于风格化全身角色，情况发生了反转——风格化恰恰是混元最擅长的方向之一，服装效果和整体处理都优于 Trellis。而 Tripo 在细节越多时准确度反而下降，脸部和头部还原度不足。这说明不同模型有各自的适用场景，并非一味以"付费"论高下。

复杂细节才是真正的分水岭

最能拉开差距的是带触手的复杂怪物模型。Trellis 2 的生成结果堪称灾难：触手相互穿插、结构混乱、还出现破洞。这类非流形几何问题是3D生成模型的典型缺陷——其根源在于扩散模型在潜在空间中进行概率采样，而非遵循严格几何约束的确定性构建，当处理多附肢交汇的复杂有机体时，多视图信息在遮挡区域产生不一致，生成网格极易在此崩溃。在数学上，流形网格要求每条边恰好被两个面共享、每个顶点的邻域同胚于一个圆盘，违反这一条件即为非流形。自穿插面、T形边（一条边被三个以上面共享）、孔洞等问题在视觉渲染时可能不易察觉，但在3D打印切片（切片软件需要封闭流形才能正确计算支撑结构）、动画骨骼绑定（蒙皮算法依赖拓扑连续性传递骨骼权重）以及物理仿真引擎（碰撞体需满足网格质量要求）等场景中都是不可接受的硬伤。复杂有机体（如多触手怪物）由于附肢交汇处相互遮挡、参考图信息不足，极易在此类位置产生非流形缺陷，哪怕作为基础模型使用也需要大量返工修复。

付费阵营则展现了明显优势：

• Hi3D（曾用名 HiTem、Spark）：单次生成费用约0.3美元，细节丰富且逻辑合理，虽然偶有多余触手但整体质量值得
• Tripo 3.1：装饰细节和触手走向都符合逻辑，完全可以作为3D打印的基础模型

Hi3D 的商业演化路径 Hi3D 的发展轨迹折射出3D生成赛道的典型商业演化路径：从学术研究代号（HiTem）到产品化品牌（Spark），再到当前的 Hi3D 服务化命名，每次迭代均对应一轮融资或商业化里程碑。其单次约0.3美元的定价策略处于市场中位区间——低于 Meshy Pro 的订阅制门槛，高于 Tripo 的免费额度，精准切入按需付费的专业用户群体。这类"微交易"定价模型在3D生成赛道逐渐成为主流，其核心逻辑是将高质量生成的边际成本显性化，让用户在质量与价格之间做出明确的理性决策，而非被订阅制的沉没成本绑架。

评测者的结论很务实：如果目标是三维打印这类对精度要求高的场景，花三毛钱用付费版不仅速度快，还能省下两到三个小时的手工修复时间，这笔账非常划算。

开源还是付费？分场景做决策

评测者给出的答案并不极端：开源并非绝对优于付费，但绝对值得一试。

合理的策略是分场景选择：

1. 环境素材 / 预算敏感：Trellis 2 免费，适合制作环境素材、节省项目预算
2. 开发者集成：本地部署有明确意义，可深度定制工作流；对于需要将3D生成嵌入自有产品或CI/CD流程的开发者，本地模型还意味着数据隐私保护和无API调用限制的优势，在处理敏感IP资产或需要高频批量生成的场景下尤为突出
3. 精度要求高（如3D打印）：直接上付费版，时间成本远低于免费方案的返工成本

从排行榜数据看，Trellis 2 目前排在第17位，混元2.1和 SAM3D 也上榜但位置靠后，这也印证了开源模型与头部付费产品之间仍存在客观差距。

SAM3D 的定位差异 SAM3D 是将 Meta 的 Segment Anything Model（SAM）语义分割能力迁移至三维空间的延伸研究成果。SAM 在2D图像分割领域实现了零样本泛化——无需指定类别即可分割任意对象。SAM3D 将这一能力扩展至点云和体素空间，通过跨视图特征聚合将多角度2D分割掩码"提升"为3D语义分割结果，从而为3D生成模型提供更精确的部件级几何约束。在排行榜上位置靠后，一定程度上反映了其核心定位是语义理解辅助工具而非端到端生成模型，与 Trellis 2 等生成型模型的评测维度存在本质差异。

不过评测者对 Trellis 2 的潜力表示强烈看好，认为它代表了开源3D生成的未来方向。

值得一提的是，这些工具大多提供了慷慨的免费额度——混元每天可免费生成20次，Tripo 也有免费额度，读者完全可以通过盲测对比模式亲自体验，找到最适合自己工作流的那一个。