WorldClaw とは Hunyuanが作った3Dワールド自動生成AI

テキストから画像が1枚、動画が数秒。

ここまでは自動化できるようになりましたが、「その景色の中を歩き回れるようにして」と言われた瞬間に手が止まりますよね。

WorldClawは、テキストのプロンプトだけで探索できる3Dの世界を丸ごと組み立てる、Tencent Hunyuanチームの新しい枠組みです。

Hacker Newsで276ポイントを集めた話題作なんですが、コメント欄を開いてみたら絶賛一色ではありませんでした。

WorldClawとは何をするAIか 4段階のエージェントが世界を組み立てる

公式の説明は「1つのオープンエンドなプロンプトを、明示的で、探索でき、編集できるオープンワールドの3Dシーンに変える枠組み」。

入力はテキストだけで、出力はつじつまの合った地形の上を移動できる3D環境です。

面白いのは、これを1つの巨大なモデルで一気に吐き出していないこと。

役割の違うエージェントに分けて、粗いところから細かいところへ降りていきます。

1. プランニング担当のエージェントが、プロンプトを地域・地形・アセット・素材・空間の関係にばらした仕様へ変換する
2. その仕様と高さの情報をもとに、全体でつじつまの合う地形の土台を先に作る
3. 作り込みが必要な領域だけ、地形に合わせた構成を生成し、編集できるテクスチャ付きのメッシュに起こして、地形上のどこに置くかを決める
4. レンダリング結果を見るエージェントが、地形・オブジェクト・見た目、そして接地を仕上げる

最後に「接地」が入っているのがいいんですよね。

AI生成の3Dシーンで最初にバレるのは、椅子が床から浮いているとか、木の根元が地面に沈んでいるとか、だいたいその手のズレです。

そこを専任で見に来る担当がいる前提で組まれています。

WorldClaw自体は新しい生成モデルではない

論文を読むと、パイプラインの中身は既に世に出ているモデルの組み合わせでした。

つまりWorldClawの正体は、画像生成も分割も3D化も既存のものを使い、「どれに何をどの順番でやらせるか」を決めて束ねる指揮者の部分です。

新しいモデルを訓練したのではなく、繋ぎ方を発明した。

ここが効いているから、単体では届かなかった規模のものが出てきます。

もう1点、制作側として見逃せないのが出力の形です。

世界がひと塊のメッシュに焼き固められるのではなく、インスタンス単位で編集できるアセットとして出てきます。

木を1本だけ動かす、家を差し替える。

そういう手の入れ方を最初から想定した作りです。

画像と動画で伸びたHunyuanチームが世界まるごとに進んだ理由

Hunyuanという名前は、画像や動画の生成AIを追っている人なら見覚えがあるはずです。

上の2つは2024年末から2025年頭にかけて公開され、この界隈で地歩を築いたリポジトリです。

共通しているのは、扱う単位が「1個のモノ」か「数秒の映像」だったこと。

そして今回、そのHunyuan3Dがパイプラインの部品として組み込まれています。

自分たちが磨いてきた単体アセット生成を、世界を組み立てる道具として使い回している構図です。

3Dメッシュの精度がどれだけ上がっても、それを地形の上に何百個も置いて世界の形にするのは人の仕事のままでした。

単体の品質を上げる競争から、配置と全体構成の自動化へ。

同じチームがこの順で進んできた事実に、この分野の伸びしろがどっちを向いているかが出ています。

Hacker News 276ポイントの中身 絶賛と懐疑が同居している

2026年8月11日にHacker Newsへ投稿されたWorldClawは、276ポイントと88コメントを集めました。

数字だけ見れば大成功ですが、コメントの温度はきれいに割れています。

高く評価されていたのは論文の書き方でした。

手法がかなり細かく書かれているので自分で追ってみる、という声が出ていて、開発者にとっての出発点として見られています。

個人で制作している人が、他人に頼らず作業範囲を広げられるという期待も上がっていました。

厳しい側の指摘もはっきりしています。

• 人間が編集しないなら、ワイヤーフレームが綺麗でも誰も気にしない
• 出力に意図とアートディレクションがない
• ポリゴン数が過剰でボーンも入っておらず、そのままゲームに持ち込める状態ではない
• 量産できるようになると、中身のない反復的なものが増えるだけ

比較対象として名前が挙がったのがStarfieldやCrimson Desertでした。

広大なのに魂がない、という文脈です。

逆にDwarf Fortressを引き合いにスケールの面白さを語る人もいて、写真がフィルムからデジタルへ移った頃の反発を持ち出す人もいました。

ちなみに、プロジェクトページを開いたままにしていたらラップトップが80度になった、という書き込みもあります。

この賛否の形、画像生成AIが出てきた時とほとんど同じなんですよね。

出力の平均点は上がるけれど、意図は勝手には入らない。

編集できるインスタンス単位でアセットを出す設計は、「人間が手を入れられないなら意味がない」という批判への回答になっています。

噛み合っているように見えて、まだ実物で確かめられないのが今の状況です。

今すぐ試せるのか コードとライセンスの現状

先に書いておくと、今日試せるものはありません。

GitHubのリポジトリは2026年8月5日に作られていて、8月16日時点でスター735、フォーク49。

関心自体は集まっています。

ただ中身は .gitignore と README.md と assets ディレクトリだけです。

assetsもパイプライン図とティザー画像の2枚で、動かすためのコードは何も置かれていません。

READMEにあるのは論文とプロジェクトページとHugging Faceの論文ページへのリンク、それに引用用の情報。

Hugging Face側も論文のページであって、モデルの配布ではありません。

判断に効くのがライセンスです。

LICENSEファイルがなく、READMEにも記載がありません。

現時点では、商用で使えるかどうかを判断する材料そのものが存在しない状態です。

参考までに、同じチームのHunyuan3D-2とHunyuanVideoのリポジトリには、いずれもライセンス表記があります（一般的なOSSライセンスではなく独自のものです）。

同じ道を辿るなら後から追加されるはずですが、その時期はどこにも書かれていません。

直近のpushは8月13日なので、放置されてはいません。

GitHub - Tencent-Hunyuan/Hunyuan3D-WorldClaw

Contribute to Tencent-Hunyuan/Hunyuan3D-WorldClaw development by creating an account on GitHub.

github.com

画像と動画を作る人がこの動きから読み取れること

生成の単位が着実に上がっています。

1枚から1カットへ、1カットから1つの世界へ。

ここで効いてくるのが、WorldClawが最初にやっている変換です。

プロンプトを地域・地形・アセット・素材・空間の関係にばらしてから作り始めている。

書く側がその粒度で世界を語れるほど、出てくるものが狙いに近づく構造です。

センスじゃなくて、言語化なんですよね。

今できることがあるとすれば、自分の作品世界の設定を、場所の並びと地形と素材の言葉で書き出しておくことだと思っています。

「幻想的な森」では足りません。

「北側は針葉樹の斜面、南に向かって湿地に落ちる、集落は湿地の縁の乾いた土手にある」まで書けるかどうか。

この差はそのまま出力の差になります。

3Dに限った話ではなくて、画像や動画のプロンプトでもとっくに同じことが起きています。

まとめ 次にチェックすべき3つのサイン

WorldClawが実際に触れる段階に入ったサインは3つです。

1. リポジトリにパイプラインのコードが入る
2. LICENSEファイルが追加される
3. Hugging Faceに、論文ページではなく動かせるものが置かれる

既存モデルを束ねる枠組みである以上、公開されるとしたら巨大な重みではなく繋ぎのコードのはずです。

出てくる時は案外あっさり出てくると踏んでいます。

リポジトリのpush日時を見ておけば気づけます。

今やっておくといいのは、プロジェクトページで生成結果を眺めて「この粗さと精度なら自分の制作のどこに刺さるか」の当たりをつけておくこと。

使えるようになった日に、言語化ができている人から先に動けます。