如果让 AI 做一把椅子，它只需交出一个物体；如果让它做一座村庄，事情就复杂了：道路通向哪里，房屋多大，树木会不会悬空，都得同时安排。腾讯的 WorldClaw（项目页名为 Hunyuan3D-WorldClaw）瞄准的正是后者：把生成式 3D 从单件资产推进到可探索、可编辑的世界构建。
先规划，再动工
据 WorldClaw 项目页介绍，它采用 Agent 式框架——让 AI 像项目经理一样，把开放式文字要求拆成区域、地形、材质、物体及空间关系，再逐步执行。
公开流程先用语义布局和程序化高度场搭出整体地形。程序化生成，就是用规则和算法批量铺设地貌，而非逐块手工摆放。随后，系统分区域生成内容，并借助 SAM3、SAM3D 和 Hunyuan3D，把物体分割、重建为带纹理的独立 Mesh（网格，即用顶点、边和多边形描述表面）。
另一个 Agent 连接 Blender——一款开源 3D 创作软件——负责摆放资产并反复检查，修正尺度、方向、悬浮、地形穿插和材质问题。公开演示包括海盗群岛、河谷、沙漠战场、雪谷、中世纪村庄和火山。地形与物体仍可分别编辑，而不只是生成一张只能观看的画面。
真正看点是工作流
这套思路把“做物体”变成“编排世界”：先确定空间骨架，再生成局部资产，最后组装和纠错。项目所列实验工作流使用 Claude Opus 4.8、GPT-Image-2、SAM3、SAM3D、Hunyuan3D、Blender 5.1.1，以及四张 NVIDIA H20 GPU。这说明目前展示的是多个模型与工具协作的流水线，而非一个模型包办全部步骤。
局限与未知
- 项目未给出可核查的效果指标，能力边界和稳定性仍难判断。
- 公开 GitHub 仓库主要承载展示页，未见完整流水线代码或模型权重。
- 腾讯是否会开放权重尚未确认；Reddit 上的相关说法只是社区愿望，不是官方承诺。