多模态再上新！阶跃星辰开源3D大模型Step1X-3D

自上周发布音跃模型 ACE-Step之后，阶跃星辰5月14日又有新动作：当天，公司正式发布并开源3D大模型——Step1X-3D，这是继图像、视频、语音、音乐等模态后，公司在多模态方向的最新成果，意味着阶跃星辰在多模态方向上再迈坚实一步。

上证报中国证券网讯（记者 宋薇萍 谭镕）自上周发布音跃模型ACE-Step之后，阶跃星辰5月14日又有新动作：当天，公司正式发布并开源3D大模型——Step1X-3D，这是继图像、视频、语音、音乐等模态后，公司在多模态方向的最新成果，意味着阶跃星辰在多模态方向上再迈坚实一步。

据介绍，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。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。

当天，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。

据介绍，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。例如，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。

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则显著提升了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）。