階躍星辰正式發佈並開源了3D大模型Step1X-3D。這一模型的推出，標誌着階躍星辰在多模態方向上的最新成果，繼圖像、視頻、語音、音樂等模態後，進一步拓展了AI技術的應用邊界。

Step1X-3D模型總參數量達4.8B，其中幾何模塊1.3B，紋理模塊3.5B。憑藉堅實的數據基礎與先進的3D原生架構，該模型能夠生成高保真、可控的3D內容。Step1X-3D不僅追求視覺上的“好看”，更注重“好用”與“可控”，旨在爲3D內容創作提供強大而可靠的技術引擎。

Step1X-3D的核心特性在於其對3D內容生成的關鍵挑戰的解決。在數據、生成質量與可控性上進行了創新實踐。首先，數據驅動與算法協同優化是該模型的基礎。Step1X-3D對超過500萬原始數據進行嚴格篩選與處理，建立了包含200萬高質量、標準化的訓練樣本庫，有效克服了行業數據稀缺與質量參差的瓶頸。通過增強型網格-SDF轉換技術等方法，從源頭保障了模型學習的精準性與最終生成的高效性，讓水密幾何轉換成功率提升了20%，也讓Step1X-3D擁有了強大的泛化能力與細節捕捉力。

微信截圖_20250514161413.png

其次，Step1X-3D採用先進的3D原生兩階段架構，解耦幾何與紋理表徵，確保生成的不僅是視覺“皮囊”，更是結構可靠、可供下游應用的“骨架”，有效規避幾何失真，保證生成的準確性、真實感與一致性。幾何生成的核心在於採用爲3D特性深度優化的創新混合VAE-DiT架構，負責生成TSDF內部表示，確保產出的3D模型結構完整、無破面漏點。同時，通過引入銳利邊緣採樣等技術，精準捕捉並還原物體的豐富幾何細節。紋理生成則基於強大的SD-XL模型進行深度定製與優化，通過幾何條件的精準引導，以及潛在空間多視圖同步技術，實現了與幾何模塊的高效協同，確保生成的紋理不僅色彩飽滿、質感生動逼真，更能跨越多視圖保持高度一致，與複雜三維表面精密貼合，有效避免常見的扭曲與接縫瑕疵。

最後，Step1X-3D顯著提升了3D內容生成的可控性與易用性。VAE-Diffusion整體架構在設計上與主流2D生成模型（如Stable Diffusion）保持了高度一致性，從而能夠無縫引入並應用成熟的2D控制技術，如輕量化的LoRA微調。因此，用戶可以對生成3D資產的對稱性、表面細節(如鋒利度、平滑度)等多種屬性進行直觀、精細的調控，讓創作更精準地符合用戶意圖。

爲了客觀評估Step1X-3D的實際效果，階躍星辰通過一個自建的綜合測試（包含110個多樣化測試用例），對Step1X-3D進行了嚴格的定量與定性評估，同時與多款主流模型進行全面對比。結果顯示，在自動評估中，Step1X-3D在多項關鍵維度上均表現出色。特別是在衡量內容與輸入語義一致性的核心指標CLIP-Score上，Step1X-3D取得了當前所有對比模型中的最高分，爲開源社區提供了極具競爭力的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