TRELLIS.2
Une option solide pour l'auto-hébergement et le contrôle total des données.
Présentation
TRELLIS.2 est le modèle de génération 3D de Microsoft Research, publié mi-décembre 2025 : 4 milliards de paramètres (le double de la première génération) dédiés à l'image-to-3D haute fidélité. Sa contribution technique clé est l'O-Voxel, une représentation voxel éparse « sans champ » qui s'affranchit des limites des surfaces iso (SDF, Flexicubes) : le modèle gère les surfaces ouvertes (vêtements, feuillages), les géométries non-manifold et les structures internes fermées — exactement les cas où les générateurs 3D précédents échouaient. Les performances sont concrètes : sur un GPU H100, environ 3 secondes pour un asset en résolution 512³, 17 secondes en 1024³, 60 secondes en 1536³ — texturé, avec matériaux PBR complets (base color, roughness, metallic, opacité, transparence incluse). La conversion mesh texturé → O-Voxel prend moins de 10 secondes sur CPU, et le sens inverse moins de 100 ms avec accélération CUDA, ce qui en fait une brique de pipeline réaliste et pas seulement une démo de recherche. Le modèle est open source, auto-hébergeable (GPU NVIDIA 16 Go minimum recommandé), et déjà intégré à l'écosystème ComfyUI via des wrappers communautaires. Il s'est imposé en quelques semaines comme la fondation de référence de la 3D générative : des travaux comme Arbor de Stability AI se construisent directement dessus. Pour un studio ou une équipe produit, c'est aujourd'hui le meilleur point d'entrée gratuit vers la génération d'assets 3D de qualité production.
Profil de compétences
Non communiqué
Trois mesures indépendantes
Ce que les gens préfèrent, ce que le modèle sait faire, ce que le marché utilise. Chaque source a ses biais, aucune ne suffit seule : nous les affichons séparément, sans les mélanger.
Forces
- Dispose d'un tier gratuit
- Open-source et auto-hébergeable
À qui ça s'adresse
- vous voulez maîtriser vos coûts ou auto-héberger
- vos données doivent rester en UE
Cas d'usage idéaux
- Génération d'assets 3D pour jeux vidéo et temps réel
- Prototypage produit et e-commerce 3D depuis une photo
- Pipeline d'assets avec matériaux PBR complets
Accès & disponibilité
Caractéristiques clés
Combien ça coûte par mois
Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.
Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.
nAIvigate Trust Index
Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.
19/19 critères documentés · 100 % · dont 12 posés par règle
Voir les critères▾
Badge Trust Index
Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.
[](https://naivigate.com/fr/model/trellis-2)Données & conformité
Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.
| Résidence des données en UE | Oui |
| Accord de traitement (DPA) | Sans objet· auto-hébergé : les données ne sortent pas |
| Transfert hors UE | Non |
| Entraînement sur vos données | Non |
| Rétention configurable | Sans objet· auto-hébergé : les données ne sortent pas |
| Zero Data Retention | Sans objet· auto-hébergé : les données ne sortent pas |
| Auto-hébergeable | Oui |
| Hébergement déclaré | self |
Qualité des données de la fiche
Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.
5/8 documentées · 2/8 sources primaires
Faire tourner en local
| Quantization | Disque | RAM / VRAM | Matériel type |
|---|---|---|---|
| Q4 · recommandé | 2.3 Go | 5 Go | Tout PC/Mac récent |
| Q8 · équilibré | 4.3 Go | 7 Go | PC 16 Go / Mac M1+ / GPU 8 Go |
| FP16 · qualité max | 8 Go | 11 Go | PC 32 Go / Mac 24 Go / RTX 4070 Ti+ |
Estimations pour un contexte modéré. Un long contexte augmente la RAM nécessaire (KV cache).
Déployer
Commandes prêtes à copier, générées depuis la fiche. Ajustez le contexte et le nombre de GPU à votre machine.
Serveur OpenAI-compatible pour la production sur GPU NVIDIA.
pip install vllm
vllm serve microsoft/TRELLIS.2-4B \
--max-model-len 4000 \
--tensor-parallel-size 1 \
--dtype autoDonnées avancées · pour expertsArchitecture, modalités, coût détaillé, benchmarks complets▾
| Arena Elo | — |
| MMLU | — |
| GPQA | — |
| HumanEval | — |
| SWE-Bench | — |
| MATH | — |