騰訊混元三維團隊公開了 WorldClaw：一句開放式描述進去，一座能走進去、還能逐件修改的三維世界出來。

讓模型照著文字畫出一片山川，這兩年已經不算新鮮事。難的是另一件：畫面裡看著像世界，可它並不真的是一個世界。你走不進去，也改不動——樹木和房屋糊在一張圖上，想挪一棵樹，往往要重新生成整幅畫面。

WorldClaw 想填的就是這道落差。它把「搭一個世界」拆成一條由粗到細的多角色流水線，先立骨架、再填細節，最終交出一套帶材質、彼此獨立的三維網格。論文在 2026 年 8 月掛上預印本網站，專案頁同步公開，官方放出 11 個生成世界作為示例。

先立骨架，再填細節

整條流水線分三步，每一步由各自的角色負責，中間靠一份共享的結構化表示傳遞資訊。第一步是意圖分析與規劃：意圖分析角色只抽取你確實說過的約束，不替你腦補；場景規劃角色再把缺口補齊，輸出一份覆蓋區域劃分、地形參數、物體類別、材質風格與空間關係的場景規格。

第二步生成全局地形。系統先畫出一張彩色編碼的語意佈局圖，再用帶區域權重的高度場，把基礎高程、多頻雜訊以及山峰、沙丘、台地、侵蝕這類地貌算子疊加起來，讓山地、河流、平原在邊界處自然過渡，而不是生硬拼接。地表材質同樣按區域分配，既可以是生成出來的紋理，也可以寫成程序化節點。

第三步才輪到細節。它沒有把整個世界一次塞滿，而是先挑出既需要內容、地形條件又合適的區域，只在這些地方集中算力。

每個物體都留成獨立網格

區域內容生成這一段，做法和直接在三次元空間裡生成網格不太一樣。系統先把已有地形渲染成一張二維圖像，交給圖像編輯模型在圖上補畫建築、車輛和植被，得到一張地形條件下的合成圖；再讓分割模型把單個物體切出來，逐個重建為帶材質的三維網格，最後透過光線求交，把物體放回地形上對應的位置。

尺度也要校準：重建出的網格重新渲染後，在畫面裡佔據的面積，要和當初切下來的那一塊大致相當。正因為每個物體都保留了自己的形狀、位置、尺度和材質，想換掉一棵樹、把房子往旁邊挪幾米，改的是那一個物件，周圍地面不用跟著重做。

渲染檢查的閉環

物體放完並不等於完工。精修角色會透過 MCP 介面連上 Blender，從多個視角重新渲染，檢查比例、姿態以及物體和地面的接觸關係。懸空的、陷進去的、穿模的、尺度明顯不對的，都會被挑出來，然後調整物體的位置，或者局部抬升、平滑它腳下那一小塊地形，再重新渲染確認。

這套渲染、檢查、修改的循環，也是它敢把地形和物體分開生成的原因：局部動過之後，全局仍然保持連貫。

現在能用到什麼程度

要說清楚的是，WorldClaw 目前仍是研究階段的專案。官方公開的是論文與專案頁，程式碼、模型權重和介面都還沒有放出，也沒有任何定價資訊。論文裡的實驗跑在 Blender 5.1.1 環境與四張 NVIDIA H20 顯示卡的伺服器上，作者也說明每到多一個物體、每多做一輪修復，時間和成本都會往上走。

論文對自身的侷限寫得比較直接。一是依賴模型能力：最終畫面品質受三維生成模組上限的約束，換成弱一些的模型，效果會明顯下滑。二是程式碼生成不夠穩定：地形構建、材質生成、物體擺放和局部精修中有幾個環節依賴大型模型臨時寫程式，尺度估計、數值參數或節點連接上一出錯，就會直接反映成地貌不連貫、材質不對。

它交出的是可編輯的場景素材，不是能直接玩的遊戲。導航、物理與互動邏輯需要後續再接，官方把遊戲引擎整合列進了後續工作。對做關卡原型、虛擬製片預演或數位孿生的人來說，這套思路值得持續關注；至於什麼時候能真正拿到手上用，還要看官方的下一步。

WorldClaw 的價值不在「一句話造個世界」這句話本身，而在於它把世界拆成了可檢查、可修改的零件。眼下它還是一篇論文加一個專案頁，但這條由粗到細、邊渲染邊修正的路子，已經把三維場景生成往「能改」的方向推了一步。