近日，阶跃星辰公司在AI技术领域取得了重大突破，正式推出了其自主研发的3D大模型Step1X-3D，并决定将这一创新成果向公众开源。此举不仅彰显了阶跃星辰在多模态技术领域的深厚积累，也进一步拓宽了AI技术的应用场景，涵盖了图像、视频、语音、音乐以及最新的3D内容生成。
Step1X-3D模型拥有惊人的4.8亿参数，其中几何模块占据了1.3亿，而纹理模块则达到了3.5亿。这一庞大的参数规模，加之其坚实的数据基础和先进的3D原生架构，使得Step1X-3D能够生成既高保真又可控的3D内容。阶跃星辰在设计该模型时，不仅追求视觉上的卓越表现，更注重其实用性和可控性，旨在为3D内容创作者提供一款强大而稳定的技术工具。
Step1X-3D的核心优势在于其解决了3D内容生成中的一系列关键挑战。首先，在数据方面，阶跃星辰对超过500万份原始数据进行了严格的筛选和处理，最终建立了包含200万份高质量、标准化训练样本的数据库。这一举措有效解决了行业普遍面临的数据稀缺和质量不均问题。同时，通过采用增强型网格-SDF转换技术等方法，Step1X-3D在模型学习的精准性和生成效率上取得了显著提升，水密几何转换成功率提高了20%，展现出强大的泛化能力和细节捕捉能力。
在架构设计上，Step1X-3D采用了创新的3D原生两阶段架构，将几何与纹理表征进行解耦。这一设计确保了生成的3D内容不仅具有视觉上的吸引力，更具备结构上的可靠性和实用性。几何生成部分采用了深度优化的混合VAE-DiT架构，能够生成结构完整、无破面漏点的3D模型。同时，通过引入锐利边缘采样等技术，Step1X-3D能够精准捕捉并还原物体的几何细节。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和潜在空间多视图同步技术，实现了与几何模块的高效协同，生成的纹理色彩饱满、质感逼真，且能跨越多视图保持高度一致。
Step1X-3D在可控性和易用性方面也取得了显著进展。其VAE-Diffusion整体架构与主流2D生成模型保持高度一致性，使得用户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，用户可以对生成的3D资产的对称性、表面细节等多种属性进行直观、精细的调控，使创作更加符合个人意图。
为了验证Step1X-3D的实际效果，阶跃星辰进行了严格的定量与定性评估。他们自建了一个包含110个多样化测试用例的综合测试平台，对Step1X-3D进行了全面测试，并与多款主流模型进行了对比。结果显示，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。这一成绩充分证明了Step1X-3D在3D生成领域的竞争力。
目前，Step1X-3D模型已在GitHub、HuggingFace和ModelScope等多个平台上开源，供全球开发者免费使用和研究。这一举措无疑将为开源社区注入新的活力，推动3D内容生成技术的进一步发展。
GitHub链接：https://github.com/stepfun-ai/Step1X-3D
HuggingFace链接：https://huggingface.co/stepfun-ai/Step1X-3D
ModelScope链接：https://www.modelscope.cn/models/stepfun-ai/Step1X-3D
