模型定位
WorldStereo 2.0 是腾讯 HY-World 2.0 世界生成流程中的世界扩展模型,采用扩散式视频生成架构,官方模型列表标注参数量约为 170 亿。它不是整个 HY-World 2.0 流程,也不是单独的文本对话模型。(github.com)
能力与用途
- 根据全景场景和相机轨迹生成场景关键帧;使用记忆机制帮助维持跨轨迹一致性。官方提供完整多步版本和默认推荐的 DMD 四步加速版本。(github.com)
- 在完整流程中,HY-Pano 2.0 可先根据文本或单张图片生成全景图,WorldNav 规划轨迹,WorldStereo 2.0 扩展场景,再由 WorldMirror 2.0 和 3DGS 训练完成世界合成,输出可漫游的 3DGS 或网格场景。因此,文本或图片到最终 3D 世界是整个流程的能力,而非 WorldStereo 2.0 单独完成。(github.com)
发布日期与获取
2026 年 5 月 18 日,官方宣布开放世界生成推理代码和 WorldStereo 2.0 模型权重。此前 HY-World 2.0 的技术报告及部分代码已于 2026 年 4 月 16 日发布。(github.com)
限制
- 完整世界生成流程需要配合其他组件;官方建议至少 4 张 GPU,文档称使用 8 张 H20 测试,并要求运行视觉语言模型服务以进行轨迹规划。(github.com)
- 权重和代码受 Tencent HY-WORLD 2.0 Community License 约束。该协议授权地域排除欧盟、英国和韩国;在协议规定的版本发布日期判断时,如被许可方产品或服务上一自然月总月活跃用户超过 100 万,须另行申请许可。使用前应核对完整条款和可接受使用政策。(github.com)
价格
截至 2026 年 11 月 16 日,检索腾讯云国内站和国际站官方价格文档,未核实到单独针对 WorldStereo 2.0 的人民币或美元 API 报价,也未核实输入和输出分别计费的价格。官方价格文档中有 HY-World 2.1 场景服务,但不能将其价格直接当作 WorldStereo 2.0 的单模型价格。自行部署仍可能产生计算资源等成本。(cloud.tencent.com)