TripoSR
Une option solide pour l'auto-hébergement et le contrôle total des données.
Présentation
TripoSR transforme une image unique en modèle 3D en une passe, sans itération, grâce à une architecture dérivée de LRM entraînée sur Objaverse. Le modèle (0,5B paramètres) tourne sur une machine de type laptop et ses poids MIT permettent un usage local complet, données comprises, indépendamment du fait que Stability AI soit basé au Royaume-Uni. Limite réelle : Stability AI le présente déjà comme dépassé par son successeur SF3D, plus rapide et produisant des assets plus exploitables en jeu vidéo.
Profil de compétences
Non communiqué
Forces
- Open-source et auto-hébergeable
Limites
- Tarification API non publiée
À qui ça s'adresse
- vous voulez maîtriser vos coûts ou auto-héberger
- vous avez des contraintes RGPD
Cas d'usage idéaux
- Prototypage rapide d'assets 3D
- Génération d'objets pour jeux vidéo
- Reconstruction 3D à partir de photos
- Outils internes de modélisation 3D
Accès & disponibilité
Caractéristiques clés
Confidentialité
Faire tourner en local
| Quantization | Disque | RAM / VRAM | Matériel type |
|---|---|---|---|
| Q4 · recommandé | 0.3 Go | 2 Go | Tout PC/Mac récent |
| Q8 · équilibré | 0.5 Go | 3 Go | Tout PC/Mac récent |
| FP16 · qualité max | 1 Go | 3 Go | Tout PC/Mac récent |
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 stabilityai/TripoSR \
--max-model-len 32768 \
--tensor-parallel-size 1 \
--dtype autoDonnées avancées · pour expertsArchitecture, modalités, coût détaillé, benchmarks complets▾
| Arena Elo | — |
| MMLU | — |
| GPQA | — |
| HumanEval | — |
| SWE-Bench | — |
| MATH | — |