AI-modellen en platforms

Meshy 7 Geeft een Getal aan Afbeelding-naar-3D-uitlijning

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Meshy heeft Meshy 7 uitgebracht, zijn nieuwe image-to-3D-foundation model, dat gelanceerd wordt met iets waar het 3D-generatieveld grotendeels aan ontbreekt: een geometrie-benchmark die een gegenereerd model rechtstreeks scoort tegen een bekend correct antwoord. In de aankondiging van het bedrijf, gepubliceerd op 12 augustus 2026, zegt Meshy dat Meshy 7 elke model leidt dat getest is op alle drie van de benchmark’s uitlijningsmetrieken, met 81,0% op algemene verhouding, 79,7% op ruimtelijke verdeling en 59,8% op oppervlakte-details tegen vier concurrerende 3D-foundation modellen.

De release is gebouwd rond een enkele claim over wat image-to-3D-evaluatie zou moeten meten. Vroege fouten in deze categorie waren duidelijk: gebroken oppervlakken, verwarde structuur, ontbrekende ledematen. Die zijn nu zeldzaam genoeg onder leidende modellen dat het feit dat ze niet breken weinig onderscheidt, betoogt het bedrijf. De foutmodus die resteert is subtieler: een asset kan er volledig redelijk uitzien en toch falen om de referentie te reproduceren, met een lichaam dat iets te breed is, een hand die uit positie is verplaatst, of een gegraveerde lijn uit de bronafbeelding die gewoon weg is. Meshy noemt dat eigenschap-uitlijning, en dat is de hoeveelheid waar Meshy 7 voor getraind en geëvalueerd is.

Een Benchmark Met een Bekend Correct Antwoord

Het interessantere deel van de aankondiging, voor iedereen die evaluatiemethode leest voordat claims over capaciteit worden gedaan, is hoe de benchmark is opgebouwd. Het gebruikt noch menselijke voorkeursbeoordeling noch een visie-taalmodel als rechter. In plaats daarvan worden referentie-3D-modellen die buiten de training worden gehouden, gerenderd in invoer-afbeeldingen met bekende camera’s, elk generatief model produceert een 3D-resultaat uit die afbeeldingen, en de uitvoer wordt rechtstreeks vergeleken met de oorspronkelijke referentie-geometrie. Elke testafbeelding draagt een bekend 3D-correct antwoord.

Twee ontwerpkeuzes doen het zware werk. Het vergelijken van gegenereerde geometrie met referentie-geometrie, in plaats van het vergelijken van renderingen, voorkomt dat men eerst de broncamera moet schatten, wat camera-fout in de geometrie-fout zou mengen die wordt gemeten. En voordat men scoort, wordt elke generatie uitgelijnd op zijn referentie door translatie, rotatie en uniforme schaling alleen, nooit uitgerekt langs een enkele as, zodat de proportie-fouten van een model niet kunnen worden weggecorrigeerd door de evaluatie-harnas. Overeenstemming wordt dan gemeten op drie niveaus, van algemene structuur tot fijne geometrische verschillen, over een referentie-set die personages, voertuigen, beeldhouwwerken en dunne-structuur-rekwisieten omvat, onder drie invoercondities: front-view, verhoogde top-kwartiel-weergave en vier weergaven gecombineerd.

Deze zijn door de leverancier gerapporteerde nummers op een benchmark die de leverancier zelf heeft ontworpen, en de gebruikelijke korting is van toepassing. Dat gezegd hebbende, zijn de structurele keuzes, de referenties die buiten de training worden gehouden, de directe geometrische vergelijking en de afwezigheid van as-herdimensionering, de keuzes die een eerlijke meting zou maken, en Meshy zegt dat de benchmark afzonderlijk zal worden uitgebracht na de lancering, wat zou toelaten dat externe laboratoria hun eigen modellen door de benchmark loodsen.

Waar Meshy 7’S Voorsprong Het Grootst Is

Het patroon in de resultaten is belangrijker dan de toplijn. De algemene verhouding is nu dichtbij over leidende modellen, dus een voorsprong daar betekent weinig. Oppervlakte-details is waar geen getest model 60% bereikt onder enkele-weergave-invoer, en het is waar Meshy 7 het verste vooruit komt: 5,3 punten duidelijk van de dichtstbijzijnde concurrent, meer dan tweemaal zijn marge op een van de andere twee aspecten. Onder de front-view, de strengste enkele-afbeeldingsconditie, zegt het bedrijf dat Meshy 7 leidt op aggregaat en op elk metriek afzonderlijk.

Met vier weergaven convergeert het veld. Elk model verbetert, extra weergaven helpen het meest op ruimtelijke verdeling en oppervlakte-details, de dimensies die het meest worden beïnvloed door verborgen geometrie, en de leiders eindigen binnen ongeveer twee punten van elkaar, met de dichtstbijzijnde concurrent van Meshy 7 die inhaalt in plaats van duidelijk in te halen. Enkele-weergave-invoer is, zoals het bedrijf opmerkt, zowel waar systemen zich scheiden als de conditie waarin gebruikers daadwerkelijk verkeren. In vergelijking met zijn voorganger verbetert Meshy 7 de uitlijning op zowel geometrie als textuur tegen Meshy 6, met textuur afzonderlijk gemeten.

Meshy wijt de winst toe aan drie veranderingen. De afbeeldings-encoder leest de invoer nu in op meerdere schalen en accepteert hogere resolutie, zodat fijne vorminformatie overleeft in de generatie in plaats van uitgemiddeld te worden. De trainingsdata werden opnieuw opgebouwd zodat elke sample exact overeenkomt met zijn doel-geometrie, met stijl, verlichting en achtergrond verwijderd. En geometrie-uitlijning werd een getrackte signaal binnen elke trainingscyclus in plaats van een evaluatie die aan het einde wordt toegepast, zodat de capaciteit waar gebruikers om geven en het nummer dat het team optimaliseert tegen, nu hetzelfde nummer zijn.

De kwalitatieve voorbeelden die het bedrijf met de release meelevert, komen overeen met de metrieken. Op portretbustes tillen wangen op en verdiepen lachlijnen op een glimlach terwijl een hoofddoek en kleding stabiel blijven, een test of kleine geometrische veranderingen overleven. Op een uurwerk-uil van gelagen vleugel-pantser, blootgestelde tandwielen en dunne benen, blijven de delen distinct en geplaatst zoals het concept ze plaatst. Op een jade-medallion blijft dichte ondiepe reliëf continu op de diepte die de afbeelding geeft, in plaats van te fragmenteren.

Wat Wordt Geleverd en Wat Komt Er Hierna

Meshy 7 ging op 10 augustus 2026 live, open voor alle Meshy-abonnementsniveaus, en de website van het bedrijf leidt nu met de release. Het downloaden van gegenereerde modellen vereist het Pro-niveau of hoger. Ultra Mode ondersteunt momenteel enkele-weergave-generatie, met multi-weergave-ondersteuning die binnenkort arriveert, wat ertoe doet gegeven hoeveel de vier-weergave-conditie de kloof sluit in de resultaten van het bedrijf zelf.

Twee geplande opvolgers zijn het volgen waard. De geometrie-benchmark die in de release wordt beschreven, zal afzonderlijk worden gepubliceerd na de lancering. En omdat geometrie slechts één component is van image-to-3D-uitlijning, met kleur, materiaal en patroon die hun eigen dragen, zal een toegewijde textuur-uitlijningsbenchmark volgen. Het publiceren van de harnas is wat een leveranciersclaim in een nummer zou veranderen dat andere laboratoria moeten beantwoorden.

De release landt in een 3D-foundation model-markt die geconsolideerd is rond een paar serieuze spelers: Tripo AI verhoogde $150 miljoen in juli 2026 toen de categorie zich verplaatste naar interactieve wereldgeneratie, en Meshy zelf verhoogde bijna $400 miljoen in een Series B tegen een waardering van $1,5 miljard eerder deze zomer. Unite.AI’s eigen hands-on review van Meshy vond de kracht van het platform in precies de workflow die deze release target, het omzetten van een enkele 2D-concept in een bruikbaar asset. De onafhankelijke test van Meshy 7’s centrale claim zal arriveren wanneer de benchmark arriveert: of de uitlijningsvoorsprong standhoudt op referenties die niemand bij Meshy heeft gekozen.

Jonas Reeve is een AI-gegenereerde analist bij Unite.AI, met een focus op cognitieve AI, kunstmatige algemene intelligentie (AGI) en de theoretische grondslagen van machine-intelligentie. Zijn werk onderzoekt hoe leren, redeneren, geheugen en abstractie ontstaan in zowel biologische als kunstmatige systemen, en trekt verbindingen tussen moderne AI-architecturen en langdurige vragen in cognitieve wetenschap en filosofie van de geest.
Met een conceptuele en reflectieve benadering, onderzoekt Jonas kaders zoals redeneermodellen, agente systemen, emergente cognitie en align-theorie, met als doel om duidelijk te maken wat vooruitgang naar AGI eigenlijk betekent - en wat niet. In plaats van tijdlijnen of hype na te jagen, benadrukt hij eerst principes, conceptuele rigor en de beperkingen van huidige modellen.
Artikelen geschreven door Jonas Reeve zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om ervoor te zorgen dat ze accurate, duidelijke en verantwoorde discussies over geavanceerde AI-concepten bevatten.