阶跃星辰开源 3D 大模型 Step1X-3D

阶跃星辰正式发布并开源了3D大模型Step1X-3D。这一模型的推出，标志着阶跃星辰在多模态方向上的最新成果，继图像、视频、语音、音乐等模态后，进一步拓展了AI技术的应用边界。

Step1X-3D模型总参数量达4.8B，其中几何模块1.3B，纹理模块3.5B。凭借坚实的数据基础与先进的3D原生架构，该模型能够生成高保真、可控的3D内容。Step1X-3D不仅追求视觉上的“好看”，更注重“好用”与“可控”，旨在为3D内容创作提供强大而可靠的技术引擎。

Step1X-3D的核心特性在于其对3D内容生成的关键挑战的解决。在数据、生成质量与可控性上进行了创新实践。首先，数据驱动与算法协同优化是该模型的基础。Step1X-3D对超过500万原始数据进行严格筛选与处理，建立了包含200万高质量、标准化的训练样本库，有效克服了行业数据稀缺与质量参差的瓶颈。通过增强型网格-SDF转换技术等方法，从源头保障了模型学习的精准性与最终生成的高效性，让水密几何转换成功率提升了20%，也让Step1X-3D拥有了强大的泛化能力与细节捕捉力。

其次，Step1X-3D采用先进的3D原生两阶段架构，解耦几何与纹理表征，确保生成的不仅是视觉“皮囊”，更是结构可靠、可供下游应用的“骨架”，有效规避几何失真，保证生成的准确性、真实感与一致性。几何生成的核心在于采用为3D特性深度优化的创新混合VAE-DiT架构，负责生成TSDF内部表示，确保产出的3D模型结构完整、无破面漏点。同时，通过引入锐利边缘采样等技术，精准捕捉并还原物体的丰富几何细节。纹理生成则基于强大的SD-XL模型进行深度定制与优化，通过几何条件的精准引导，以及潜在空间多视图同步技术，实现了与几何模块的高效协同，确保生成的纹理不仅色彩饱满、质感生动逼真，更能跨越多视图保持高度一致，与复杂三维表面精密贴合，有效避免常见的扭曲与接缝瑕疵。

最后，Step1X-3D显著提升了3D内容生成的可控性与易用性。VAE-Diffusion整体架构在设计上与主流2D生成模型（如Stable Diffusion）保持了高度一致性，从而能够无缝引入并应用成熟的2D控制技术，如轻量化的LoRA微调。因此，用户可以对生成3D资产的对称性、表面细节(如锋利度、平滑度)等多种属性进行直观、精细的调控，让创作更精准地符合用户意图。

为了客观评估Step1X-3D的实际效果，阶跃星辰通过一个自建的综合测试（包含110个多样化测试用例），对Step1X-3D进行了严格的定量与定性评估，同时与多款主流模型进行全面对比。结果显示，在自动评估中，Step1X-3D在多项关键维度上均表现出色。特别是在衡量内容与输入语义一致性的核心指标CLIP-Score上，Step1X-3D取得了当前所有对比模型中的最高分，为开源社区提供了极具竞争力的3D生成方案。

GitHub:

https://github.com/stepfun-ai/Step1X-3D

HuggingFace:

https://huggingface.co/stepfun-ai/Step1X-3D

ModelScope:

https://www.modelscope.cn/models/stepfun-ai/Step1X-3D