4B参数模型生成3D场景，不必换显卡

本地就能跑

一个正在训练中的4B参数模型，同时覆盖通用编码和3D场景生成。早期版本已经公开，可以在 Hugging Face 下载。开发者提供了 Q4_K_M 和 Q8_0 两种 GGUF 量化格式，内存和精度各有取舍。

模型是 Qwen3.5-4B 的独立微调版本。

效果如何

开发者自己说，小模型做3D生成，在他此前的测试里一直很粗糙。这次终于练到了能拿出手的程度，才把结果放出来。训练还在继续，未来几天会更新模型。

社区对质量的反应不完全一致。有人说，4B参数能做成这样已经很让人印象深刻，尤其整个项目只有一个人在做。也有人觉得模型体积刚好，不会大到没设备跑。另一个评论者说，会拿它批量生成大量3D资产。

也有提醒的声音：本地小模型的输出通常质量很差，和前沿模型完全不在一个水平。这句话说的不只是这个模型，而是整条技术路线。两种评价放在一起，它更适合批量出3D资产；复杂精细的场景，离前沿模型还有明显距离。

还在更新中

模型还在更新。开发者说，未来几天训练跑完后会发布新版本。训练数据集也会公开，让其他人用同样的数据继续做实验。训练流程是评论区里被追问的话题。

评论区在问什么

评论里有人问它能不能做2D生成，未来有没有2D版本计划。还有人提到，很多人期待Blender微调版本，希望模型能接进设计师日常使用的软件工作流。

也有评论者建议，直接做成9B甚至12B。参数更大，能力可能更强，12B对多数人的硬件仍然可以接受。

路线之争

更大的分歧在模型路线本身。有评论者认为，“一个巨大模型适应所有任务”早晚会变成硬件危机。数据中心就算建得出来，普通用户的硬件也跟不上换代速度。效率在边缘计算，web应用已经验证过这条路，服务器端计算被削减到只剩分发代码和数据。

也有人持相反意见：大型模型更适合当通用知识处理器。承担这类任务时，对计算的需求反而会低很多。

两条路线未必对立。4B参数已经在做3D场景生成，效果也引来了认真的讨论。模型还没训练完，数据集还没放出。几天后的新版本，以及随后公开的训练数据，会给这个方向一次更公开的检验。