Команда Hunyuan3D из Tencent опубликовала технический отчёт о WorldClaw — фреймворке, который по одной текстовой фразе строит полноценную трёхмерную сцену открытого мира: рельеф, поверхности, постройки, растительность и транспорт. На выходе получаются полигональные текстурированные модели, совместимые с Blender и доступные для ручного редактирования — то есть не видео и не сплаты, а настоящая 3D-геометрия.

У WorldClaw нет собственной единой модели — это агентный конвейерi, связывающий несколько уже существующих систем: Claude Opus 4.8 разбирает запрос и планирует сцену, GPT-Image-2 рисует карты и композиции, семейство SAM3 сегментирует объекты, Hunyuan3D доводит геометрию и текстуры, а сборка происходит в Blender.

• Claude Opus 4.8 выступает «мозгом» пайплайна: разбирает промпт на регионы, типы ландшафта, материалы, объекты и связи между ними
• GPT-Image-2 рисует цветную 2D-карту регионов, по которой WorldClaw процедурно строит в Blender единое height fieldi с горами, дюнами, террасами и эрозией
• Камни, растительность и повторяющиеся элементы генерируются как референсы через GPT-Image-2, превращаются Hunyuan3D в переиспользуемые 3D-ассеты и расставляются по местности с учётом уклонов и высот
• Для конкретного участка Blender делает 2D-рендер с сохранением позиции камеры, GPT-Image-2 дорисовывает на нём нужные объекты — этот рендер служит планом будущей 3D-сцены
• SAM3 вырезает каждый объект с рендера вместе с маской, SAM3Di восстанавливает его как отдельный текстурированный 3D-mesh; положение, размер и угол на ландшафте вычисляются через пару лучей от камер
• Если реконструкция SAM3D получилась плохой, Hunyuan3D дорабатывает mesh по исходному 2D-crop и маске, сохраняя место объекта в сцене; агент дополнительно проверяет рендеры и исправляет висящие в воздухе или утопленные в грунт объекты, неверный масштаб и поворот
• Tencent сравнила WorldClaw с SynCity, Marble от World Labs, MajutsuCity, WorldGen и GPT-5.6 Sol на запросе про средневековую деревню (по четыре вида с уровня земли на систему) и заявляет победу по выразительности рельефа, разделению регионов, разнообразию содержимого, соответствию запросу и устойчивости картинки при свободном перемещении