IT之家 5 月 14 日消息，阶跃星辰正式发布并开源 3D 大模型 ——Step1X-3D，这是继图像、视频、语音、音乐等模态后，阶跃星辰在多模态方向的最新成果。Step1X-3D 模型总参数量达 4.8B（几何模块 1.3B，纹理模块 3.5B），凭借坚实的数据基础与先进的 3D 原生架构，可生成高保真、可控的 3D 内容。阶跃星辰称，Step1X-3D 不止于视觉“好看”，更追求实现“好用”与“可控”，旨在为 3D 内容创作提供强大而可靠的技术引擎。
阶跃星辰公布了完整的数据清洗策略，数据预处理策略，以及 800K 高质量的 3D 资产，3D VAE、3D geometry Diffusion 以及 texture Diffusion 的全链路训练代码开源，助力 3D 生成社区发展。
开源链接与体验地址：
GitHub：stepfun-ai/Step1X-3D
HuggingFace：stepfun-ai/Step1X-3D
ModelScope：models/stepfun-ai/Step1X-3D
Tech Report：pdf/2505.07747
IT之家附官方给出的核心特性与技术支撑如下：
Step1X-3D 尝试解决 3D 内容生成的关键挑战，在数据、生成质量与可控性上进行了创新实践。
1、数据驱动与算法协同优化
好数据是好模型的基础。Step1X-3D 对超 500 万原始数据进行严格筛选与处理后，建立了包含 200 万高质量、标准化的训练样本库，有效克服了行业数据稀缺与质量参差的瓶颈。
数据处理流程示意图此外，Step1X-3D 通过增强型网格-SDF 转换技术等方法，从源头保障了模型学习的精准性与最终生成的高效性，让水密几何转换成功率提升了 20%，也让 Step1X-3D 拥有了强大的泛化能力与细节捕捉力。
Step1X-3D 数据筛选与 SDF 转换流程示意图2、3D 原生生成：结构清晰、细节生动
Step1X-3D 采用先进的 3D 原生两阶段架构，解耦几何与纹理表征，确保生成的不仅是视觉“皮囊”，更是结构可靠、可供下游应用的“骨架”，有效规避几何失真，保证生成的准确性、真实感与一致性。
Step1X-3D 的原生 3D 架构
几何生成模型基于 FLUX MMDiT 结构和 Rectified flow 算法直接对 3D 表示生成进行建模
纹理生成模型基于预训练的 Diffusion model，通过单视图和 3D 几何信息指导，生成多视角一致的纹理信息几何塑形更精准
几何生成的核心在于采用为 3D 特性深度优化的创新混合 VAE-DiT 架构。该架构负责生成 TSDF 内部表示，确保产出的 3D 模型结构完整、无破面漏点；同时通过引入锐利边缘采样（Sharp Edge Sampling）等技术，精准捕捉并还原物体的丰富几何细节。
几何示例：覆盖硬边与曲面结构纹理细节更生动
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（利用法线与位置信息）的精准引导，以及潜在空间多视图同步技术，实现了与几何模块的高效协同。确保生成的纹理不仅色彩饱满、质感生动逼真，更能跨越多视图保持高度一致，与复杂三维表面精密贴合，有效避免常见的扭曲与接缝瑕疵。
纹理示例：呈现清晰一致的表面纹理 3、控制简单、效果可调Step1X-3D 显著提升了 3D 内容生成的可控性与易用性。其关键在于，VAE-Diffusion 整体架构在设计上与主流 2D 生成模型（如 Stable Diffusion）保持了高度一致性，从而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 3D 资产的对称性、表面细节（如锋利度、平滑度）等多种属性进行直观、精细的调控，让创作更精准地符合用户意图。
对比图 1：对称性控制效果对比图 2：表面细节控制效果（锋利 / 平滑）性能评估
为了客观评估 Step1X-3D 的实际效果，我们通过一个自建的综合测试（包含 110 个多样化测试用例），对 Step1X-3D 进行了严格的定量与定性评估，同时与多款主流模型进行全面对比。
结果显示：在自动评估中，Step1X-3D 在多项关键维度上均表现出色。
在与主流 3D 模型的对比评测中，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，为开源社区提供了极具竞争力的 3D 生成方案。
不同 3D 模型测评对比数据online Demo：spaces/stepfun-ai/Step1X-3D
