腾讯混元3D团队近日推出3D开放世界生成框架WorldClaw，用户只需输入一句开放式文本描述，即可生成可自由探索、可继续编辑的大规模3D世界。相关论文已于8月5日公开，项目网页及代码也已上线。

WorldClaw采用由粗到细的Agentic 3D世界生成方式，将生成过程分为四个阶段：意图分析和场景规划、全局地形生成、区域对象生成、场景精修。多个Agent协作完成用户意图分析、场景规划和全局地形构建，再根据各区域的功能和地形条件，逐区生成建筑、车辆、植被等内容，并将其转换为可单独编辑、替换和复用的3D资产。初始场景完成后，Agent还会根据多视角渲染结果，持续检查并修正物体尺度、姿态、悬浮和穿模等问题。

具体而言，意图分析Agent负责提取用户明确给出的信息，如场景类型、视觉风格、关键区域等，不主动补充用户未提及的内容；场景规划Agent则在此基础上补全生成3D世界所需的信息，整理成统一的场景规范。生成地形时，系统先准备语义布局图、可复用3D环境资产和地表材质，通过PCG（程序化内容生成）构建3D高度场，不同区域采用相应的地貌规则，使山地、沙漠、平原自然衔接。地形优化Agent会重新渲染场景，检查地形形态、材质尺度、资产密度和区域过渡，形成“程序化生成—渲染检查—Agent修正”的闭环。

填充区域内容时，WorldClaw不会一次将整个世界塞满，而是先挑选需要内容且地形条件合适的区域，将地形渲染成二维图像，让图像生成模型在图中加入建筑、车辆和植被等内容，再利用SAM3分割对象、SAM3D重建为独立3D网格，并校准尺度、位置和朝向。每个独立生成的对象均可继续编辑、替换和复用。完成放置后，场景精修Agent通过MCP接口连接Blender，根据多视角渲染结果检查对象，对尺度或姿态不合理的对象重新调整，几何和纹理质量不足的对象交由混元3D进一步优化，发现悬浮或穿模后还可调整对象位置或局部抬升、平滑地形。

腾讯混元团队展示了四季村落、热带海盗岛屿、沙漠战场等生成案例，并将WorldClaw与SynCity、Marble、MajutsuCity、WorldGen和GPT-5.6 Sol进行了定性对比。结果显示，基于WorldClaw生成的复杂地形具有明显高差、连续边界和清晰的语义分区，且支持自由探索及对象级编辑。

从产业角度看，WorldClaw将全局规划、复杂地形生成、区域内容构建和渲染反馈串联起来，让大规模3D世界生成拥有了持续规划、生成、检查和修改的完整流程。最终产物由真实地形和独立3D资产组成，可继续用于游戏引擎和内容生产。随着基础模型的编程、空间理解和工具使用能力提升，Agent有望进入几何建模、材质与Shader构建、PCG、动画和交互逻辑等更多3D生产环节，3D生成也可能从“模型生成资产”逐步走向“Agent编程构建世界”，让创作者可以把更多精力放在定义想要创造的世界上。