Công bố mã nguồn chưa đồng nghĩa với kiểm chứng
Hi3D V1.0 là mô hình tinh chỉnh hình học 3D, nhận một ảnh tham chiếu cùng lưới thô có sẵn của vật thể rồi tạo ra một lưới dày đặc hơn, chứ không biến văn bản thành vật thể 3D. Ngày 23 tháng 10 năm 2026, kho GitHub hi3d-official/Hi3Dv1.0 phát hành mã suy luận và tài liệu; tám tệp runtime cũng xuất hiện trên Hugging Face, kèm trọng số và quyền sử dụng thương mại. Đây là bước mở đáng chú ý của mô hình trước đó mang tên Sparc3D, công trình về biểu diễn lưới 3D thưa. Nhưng gọi đây là mã nguồn mở AI không nên khiến người dùng nhầm khả năng tải xuống với khả năng xác minh. Giấy phép riêng của Hi3D cho phép sử dụng thương mại, song không được OSI phê duyệt; vì vậy, cần nêu rõ giới hạn này thay vì để nhãn “mở” tự nói thay.
Kho lưu trữ có mã suy luận, demo, tài liệu và ràng buộc Docker, nhưng không có mã huấn luyện, bộ đánh giá, tập benchmark hay lưới so sánh. README cũng xác định đây là bản phát hành suy luận, không phải gói tái lập. Nói cách khác, người dùng có thể chạy mô hình, nhưng chưa thể dùng những gì được công bố để kiểm tra độc lập các biểu đồ và tuyên bố chất lượng. Đó là khoảng cách cốt lõi giữa việc công khai tài sản phần mềm và chứng minh kết quả.
Sáu commit không chứng minh mô hình đã qua sản xuất
Repo có sáu commit và một tag tại thời điểm phát hành; con số ấy mô tả lịch sử kho mã, không phải quy mô triển khai hay độ ổn định trong vận hành. Tuyên bố “đã xác thực trong môi trường sản xuất” dựa trên lời nhóm phát triển rằng họ đã thử mô hình trong quy trình thực tế trước khi mở mã. Nhưng không có khách hàng được nêu tên, số lượt triển khai, dữ liệu tỷ lệ lỗi hay bên thứ ba tham gia xác nhận. Vì thế, bằng chứng công khai chỉ hỗ trợ kết luận hẹp hơn: nhà cung cấp đã dùng mô hình trong quy trình của chính mình. Đó có thể là thử nghiệm hữu ích, nhưng không tương đương với kiểm định độc lập. Với độ tin cậy AI công bố, cách đọc đúng không phải mặc định tuyên bố sai, mà là phân biệt điều đã được ghi nhận với điều chưa được chứng minh.
Một số bài đưa tin về đợt ra mắt nêu điểm trung thực đa góc nhìn 0,75, độ phong phú chi tiết 0,841, điểm ưu tiên của con người 85,9% và tỷ lệ vượt qua cắt lớp khoảng 90%, so với 7–17% ở các mô hình chủ lưu không nêu tên tại mức 1536³. Tuy nhiên, repo không cung cấp benchmark chính thức, cấu hình đánh giá hay dữ liệu để xác nhận các con số ấy. Hi3D V1.0 benchmark vì vậy vẫn là một khoảng trống: chưa có số liệu độc lập cho biết mô hình cải thiện bao nhiêu so với lưới thô đầu vào.
Phần cứng và đầu ra giới hạn khả năng xác minh độc lập
Yêu cầu chạy mô hình không nhẹ: Linux, Python 3.10, GPU NVIDIA có compute capability từ 8.0, CUDA 12.0–12.5 tương thích với PyTorch và flash-attn không có phương án dự phòng; suy luận CPU không được hỗ trợ. Cấu hình được dùng để đo là H20 với 96 GB bộ nhớ, còn độ phân giải 1536³ chỉ được xác thực trên GPU đó. Điều này đặt việc xác minh mô hình AI ngoài nhà cung cấp sau một rào cản phần cứng đáng kể. Nếu ít nhóm độc lập có thể chạy đúng cấu hình, tuyên bố về chất lượng ở độ phân giải cao càng khó được kiểm tra rộng rãi.
Đầu ra cũng chỉ là hình học: không có texture, vật liệu hay màu đỉnh. Lưới được căn giữa và chuẩn hóa về bán kính đơn vị, làm mất tỷ lệ thế giới thực. Người dùng phổ thông vì thế vẫn phải tự bổ sung diện mạo, kích thước và định hướng trước khi dùng mô hình trong quy trình sản xuất. Đây không chỉ là thiếu tiện ích; nó khiến việc so sánh kết quả giữa các nhóm khó hơn nếu không thống nhất bước hậu xử lý. Một mô hình có thể tạo lưới dày hơn, nhưng điều đó chưa tự chứng minh lưới hữu dụng hơn trong ứng dụng thực tế.
Muốn có bằng chứng, cần phát hành cả quy trình đánh giá
Công bố trọng số giúp cộng đồng thử nghiệm, nhưng tái tạo kết quả AI đòi hỏi thêm dữ liệu, quy trình và tiêu chí chấm điểm. Khi không có mã huấn luyện, bộ khung đánh giá, tập chia benchmark hay lưới đối chiếu, người ngoài phải tự dựng lại phép thử trước khi có thể kiểm tra các tỷ lệ được nêu. Vì vậy, việc tải mô hình về chạy trên vài vật thể quen thuộc có giá trị thực tiễn, nhưng không thể thay cho một phép đánh giá có thể lặp lại. Mọi phần trăm trên tiêu đề nên được xem là giả thuyết cho đến khi dữ liệu và cách đo được công khai.
Bước tiếp theo nên là công bố bộ đánh giá kèm lưới thử và cấu hình slicer, đưa ra manifest dữ liệu để kiểm tra tuyên bố về hai triệu tài sản, rồi mời bên thứ ba chạy thử trên phần cứng khác H20 96 GB. Những việc này sẽ cho biết con số 90% có thể tái lập hay không và mức 1536³ có vận hành được ngoài một cấu hình duy nhất hay không. Hi3D đã mở cửa cho việc sử dụng; để thuyết phục về chất lượng, nhóm phát triển cần mở thêm con đường kiểm chứng.
