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
Forces
- Dispose d'un tier gratuit
- Open-source et auto-hébergeable
Limites
- Pas de garantie RGPD native
À qui ça s'adresse
- vous voulez maîtriser vos coûts ou auto-héberger
- vous manipulez des données sensibles européennes
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
Confidentialité
Données avancées · pour expertsArchitecture, modalités, coût détaillé, benchmarks complets▾
| Arena Elo | — |
| MMLU | — |
| GPQA | — |
| HumanEval | — |
| SWE-Bench | — |
| MATH | — |