Hunyuan3D-Buffalo 1.0

Hunyuan3D-Buffalo 1.0 är ett ramverk från Tencents Hunyuan3D-team som samlar flera 3D-uppgifter i en enda modell: att förstå 3D-objekt (frågor och svar samt att peka ut delar), att skapa 3D-modeller från en textbeskrivning, att redigera en befintlig 3D-modell med instruktioner i vanligt språk och att dela upp ett objekt i delar utifrån en beskrivning.

Systemet består av två huvuddelar. En språk- och bildmodell för 3D, Hunyuan3D-VLM, står för förståelsen och kopplar ihop språket med 3D-representationen. Själva 3D-skapandet sköts av diffusionsmodeller av typen Hunyuan3D DiT. Vid redigering och uppdelning i delar utgår modellen också från originalobjektet, så att formen och de delar som inte ska ändras bevaras.

Enligt forskarna är bristen på data den stora flaskhalsen för 3D-modeller, särskilt redigeringsdata. De byggde därför en datamängd på omkring 87 miljoner exempel: 25 miljoner för förståelse, 50 miljoner text-till-3D-par och 12 miljoner redigeringspar som skapats med Nano3D-v2. Enligt forskarna når modellen toppresultat på tester för text-till-3D och redigering, och träning på både skapande och förståelse gör redigeringen bättre.

Artikeln och projektsidan släpptes i början av augusti 2026. Koden är märkt "Stay Tuned" på projektsidan, och vikter, licens och storlek framgår inte ännu.