Tripo AI porta Smart Mesh alla seconda generazione
Tripo AI ha presentato Tripo P2.0 Preview, nuova generazione della tecnologia Smart Mesh progettata per creare automaticamente modelli tridimensionali partendo da immagini e riferimenti visuali. Il sistema può generare mesh triangolari comprendenti da 500 fino a 50.000 triangoli oppure modelli costituiti nativamente da un massimo di 25.000 quad, mantenendo tempi di elaborazione nell’ordine di pochi secondi. L’incremento del numero di poligoni è evidente rispetto a Smart Mesh P1.0, ma il cambiamento tecnologicamente più interessante riguarda il modo nel quale viene costruita la topologia. Tripo sta infatti cercando di superare uno dei limiti più evidenti dei generatori 3D basati sull’intelligenza artificiale: creare rapidamente una forma tridimensionale è diventato relativamente semplice, mentre ottenere una mesh ordinata, facilmente modificabile, animabile e utilizzabile nei normali software 3D rimane molto più difficile.
Con P2.0 Preview, Tripo punta quindi meno sulla semplice capacità di mostrare un modello tridimensionale convincente e maggiormente sulla possibilità di produrre una geometria utilizzabile nelle successive fasi di lavorazione. L’azienda indica videogiochi, animazione, XR, progettazione di ambienti virtuali, visualizzazione e produzione di contenuti tridimensionali fra gli impieghi principali. La disponibilità di mesh triangolari rende naturalmente possibile anche l’utilizzo dei modelli nei workflow di stampa 3D, ma è importante distinguere fra una mesh geometricamente complessa e un vero modello CAD progettato secondo quote, tolleranze e requisiti funzionali.
Da 20.000 a 50.000 triangoli e, soprattutto, fino a 25.000 quad
La precedente generazione Smart Mesh P1.0, introdotta nel marzo 2026, permetteva di generare mesh triangolari con un numero di facce compreso fra 500 e circa 20.000. Tripo dichiarava tempi nell’ordine dei due secondi per la costruzione della geometria e presentava il sistema come alternativa ai normali processi di retopology necessari dopo la generazione AI.
P2.0 Preview aumenta il limite massimo delle mesh triangolari a 50.000 facce, quindi due volte e mezzo il valore disponibile con P1.0. L’utente può continuare a scegliere il budget poligonale in funzione dell’applicazione: poche centinaia o migliaia di facce per oggetti destinati ad applicazioni real-time leggere e un numero maggiore per modelli che richiedono superfici e dettagli più complessi.
La novità più importante è però rappresentata dalla topologia quadrangolare generata direttamente dal modello, disponibile con una densità compresa fra 500 e 25.000 quad. Non si tratta semplicemente di prendere una mesh triangolare già generata e convertirla successivamente in quadrilateri mediante un algoritmo di retopology. Tripo dichiara che P2.0 è stato progettato per generare direttamente la struttura quad.
La differenza può apparire secondaria per chi utilizza i file prevalentemente nella stampa 3D, ma è importante nella computer grafica. I quad permettono generalmente di creare edge loop più ordinati e prevedibili, facilitano operazioni di subdivision e sculpting e possono seguire meglio la forma di personaggi, superfici e componenti. Sono inoltre particolarmente utili quando il modello deve essere sottoposto a rigging e animazione.
Perché la topologia è uno dei problemi principali dei modelli 3D generati dall’AI
Un modello tridimensionale può avere un ottimo aspetto durante il rendering e contemporaneamente possedere una struttura geometrica molto difficile da utilizzare. Molti generatori AI producono mesh costituite da triangoli distribuiti irregolarmente, con zone eccessivamente dense accanto ad altre povere di geometria, edge flow poco coerente e piccoli artefatti.
Per un’immagine statica questi difetti possono essere quasi irrilevanti. Diventano invece un problema quando l’oggetto deve essere modificato in Blender, Maya, 3ds Max, Cinema 4D, inserito in Unity o Unreal Engine, sottoposto a rigging oppure deformato durante un’animazione.
Il workflow tradizionale può quindi diventare: generazione AI, esportazione, controllo della geometria, retopology, riduzione del numero di poligoni, correzione delle normali, preparazione delle UV, texturing e soltanto successivamente importazione nel progetto.
Con Smart Mesh, Tripo cerca di ridurre proprio questa parte intermedia. Già con P1.0 l’azienda descriveva il proprio obiettivo attraverso un passaggio da un workflow del tipo “Generate → Fix topology → Retopologize → Optimize → Import” a uno molto più breve vicino a “Generate → Export → Use”. P2.0 prosegue nella stessa direzione aumentando però la complessità delle geometrie che possono essere ottenute.
La densità della mesh viene concentrata dove serve
Secondo Tripo AI, P2.0 Preview non distribuisce semplicemente i poligoni in maniera uniforme sulla superficie. L’algoritmo cerca di utilizzare una maggiore densità geometrica nelle zone caratterizzate da dettagli e curvature più complesse, mantenendo invece relativamente semplici le superfici piane.
È un principio importante nell’ottimizzazione degli asset tridimensionali. Utilizzare 50.000 triangoli non significa che ogni parte di un oggetto debba avere la stessa densità. Una superficie piatta può essere rappresentata con pochissimi poligoni, mentre un volto, una dentatura, un ingranaggio, una superficie decorata o una curva complessa richiedono un numero molto maggiore di elementi.
Nelle mesh quad l’azienda dichiara inoltre che gli edge loop vengono generati cercando di seguire in modo più coerente la geometria dell’oggetto. Saranno necessari test indipendenti su differenti categorie di modelli per valutare quanto questa topologia sia realmente utilizzabile senza correzioni, soprattutto nel caso di personaggi destinati ad animazioni complesse, ma l’impostazione rappresenta un’evoluzione rispetto alla semplice generazione di superfici triangolate.
P2.0 utilizza la diffusione invece della generazione sequenziale della mesh
La seconda differenza importante riguarda l’architettura utilizzata per creare la geometria. Molte tecniche di generazione nativa delle mesh sviluppate negli ultimi anni hanno utilizzato approcci autoregressivi. In modo semplificato, la geometria viene trasformata in una sequenza di elementi e il modello genera progressivamente la struttura, in maniera concettualmente simile a un modello linguistico che produce una parola o un token dopo l’altro.
Questa soluzione presenta però un problema fondamentale: una mesh tridimensionale non possiede per natura un ordine lineare. Le facce che compongono un oggetto possono essere numerate in moltissimi modi differenti senza modificare minimamente la geometria finale. Trasformare questa struttura in una sequenza significa quindi imporre artificialmente un ordine a informazioni che sono essenzialmente spaziali.
L’aumento del numero di vertici e facce rende inoltre la sequenza sempre più lunga. I modelli autoregressivi devono generare progressivamente tutti questi elementi, con un conseguente aumento dei tempi di calcolo e con la possibilità che gli errori introdotti nelle prime fasi si propaghino durante quelle successive.
La nuova architettura della serie P di Tripo utilizza invece un approccio basato sulla diffusione. Il concetto deriva dalla stessa famiglia di tecniche che ha avuto un ruolo centrale nello sviluppo dei generatori di immagini AI: invece di costruire il risultato un elemento dopo l’altro, il sistema parte da una rappresentazione inizialmente rumorosa e la porta progressivamente verso una configurazione coerente.
Nexus mostra la ricerca che sta dietro alla generazione mesh tramite diffusione
Questa direzione tecnologica è collegata anche alla ricerca sviluppata dal team di VAST AI Research, collegato a Tripo. Nel luglio 2026 il gruppo ha pubblicato il lavoro Nexus: Native Mesh Generation with Diffusion, presentato nell’ambito di SIGGRAPH 2026.
Nexus affronta precisamente il problema della generazione nativa di mesh triangolari mediante modelli di diffusione. L’architettura separa la generazione dei vertici dalla modellazione della topologia, evitando di dover serializzare l’intera mesh in una lunghissima sequenza autoregressiva.
Il principio è rilevante perché la superficie di un oggetto tridimensionale contiene due categorie di informazioni strettamente collegate ma concettualmente differenti. Da una parte esistono i vertici, quindi le coordinate dei punti nello spazio; dall’altra esiste la topologia, cioè l’informazione che stabilisce quali vertici debbano essere collegati per creare le singole facce.
Rappresentare entrambe attraverso una sequenza di token è possibile, ma diventa progressivamente inefficiente quando cresce la risoluzione. L’approccio di diffusione tenta invece di lavorare con una rappresentazione maggiormente coerente con la natura tridimensionale del problema.
Velocità nell’ordine dei secondi anziché dei minuti
Uno degli effetti più visibili dell’architettura è la velocità. Tripo P2.0 Preview può generare la geometria nell’ordine di pochi secondi. Fabbaloo, analizzando la versione Preview, ha evidenziato proprio questo aspetto confrontandolo con servizi generativi che possono richiedere minuti prima di restituire il modello.
Già P1.0 era stato presentato con un tempo di generazione della mesh di circa due secondi. Non tutte le operazioni successive, come generazione delle texture, rigging o ulteriori elaborazioni, devono naturalmente essere confuse con il solo tempo necessario a costruire la geometria.
La velocità diventa particolarmente interessante quando non si deve produrre un singolo oggetto ma centinaia o migliaia di asset. In un progetto videoludico, per esempio, possono servire personaggi secondari, arredi, vegetazione, elementi architettonici, oggetti di scena e molte varianti dello stesso componente. Ridurre da minuti a secondi il tempo necessario per generare una prima mesh cambia la possibilità di sperimentare diverse soluzioni.
Single image e multi-view per controllare meglio la geometria
La precedente implementazione Smart Mesh permette già di generare il modello a partire da una singola immagine oppure attraverso più viste dell’oggetto. Nel secondo caso possono essere fornite immagini frontali, posteriori e laterali, dando al sistema informazioni molto maggiori sulla reale forma tridimensionale.
La distinzione è importante. Con una singola fotografia l’intelligenza artificiale deve necessariamente immaginare tutte le superfici non visibili. Se nell’immagine è mostrato soltanto il fronte di una statua, per esempio, il sistema non possiede informazioni dirette sulla parte posteriore e deve ricostruirla statisticamente sulla base dei dati appresi durante l’addestramento.
La modalità multi-view riduce questa ambiguità. Non elimina completamente la possibilità di errori geometrici, ma fornisce vincoli visuali aggiuntivi che possono migliorare simmetria, silhouette e struttura generale dell’oggetto.
Tripo consente inoltre workflow in batch, pensati soprattutto per chi deve produrre più asset contemporaneamente. È una funzione coerente con l’orientamento della piattaforma verso videogiochi e produzione di contenuti, dove il vantaggio dell’AI non consiste soltanto nell’accelerare un singolo modello ma nell’aumentare il numero di alternative che un artista può valutare.
Smart Mesh e H3.1 hanno obiettivi differenti
All’interno dell’ecosistema Tripo è importante distinguere Smart Mesh dai modelli ad alta definizione. Tripo H3.1, introdotto anch’esso nel 2026, è progettato per produrre geometrie ad alta fedeltà e può arrivare, secondo la documentazione API dell’azienda, fino a circa 2 milioni di poligoni.
Smart Mesh P1.0 e P2.0 seguono invece una filosofia differente: produrre direttamente una geometria relativamente leggera e strutturata.
Tripo suggerisce H3.1 quando sono necessari “hero assets”, render ravvicinati, modelli destinati alla comunicazione visuale o geometrie particolarmente dettagliate. Smart Mesh è invece pensato per asset real-time, prototipazione, grandi quantità di oggetti e situazioni nelle quali numero dei poligoni e qualità della topologia sono più importanti della massima densità geometrica possibile.
Per personaggi destinati ad animazioni particolarmente sofisticate, la stessa documentazione di Tripo continua comunque a riconoscere che una retopology manuale può fornire un edge flow migliore. P2.0 non elimina quindi automaticamente il lavoro dell’artista 3D in tutti i casi.
Per la stampa 3D 50.000 triangoli non significano automaticamente un modello migliore
L’articolo di 3Druck mette giustamente in evidenza la possibilità di ottenere mesh triangolari, struttura molto comune nel mondo della stampa 3D. File come STL rappresentano infatti le superfici attraverso una serie di triangoli, mentre anche altri formati destinati alla manifattura additiva possono utilizzare mesh triangolate.
Bisogna però evitare un’equivalenza troppo semplice fra numero di triangoli e qualità del modello stampabile. Cinquantamila triangoli consentono di descrivere superfici curve con maggiore dettaglio rispetto a poche centinaia, ma non garantiscono che l’oggetto sia progettato correttamente per la produzione.
Un modello generato da un’immagine può avere dimensioni arbitrarie, pareti troppo sottili, cavità chiuse, dettagli impossibili da realizzare, superfici che si intersecano o caratteristiche geometriche non coerenti con il processo di stampa scelto. Anche la precisione visuale non equivale alla precisione dimensionale.
Per un personaggio, una miniatura, una statua, un oggetto decorativo o un concept, questi limiti possono essere relativamente semplici da correggere. Il modello può essere scalato, controllato nello slicer e modificato prima della stampa. È molto diversa la situazione di un ingranaggio, un supporto, un accoppiamento meccanico oppure un componente che deve rispettare misure e tolleranze definite.
Tripo P2.0 non deve quindi essere confuso con un generatore CAD parametrico. L’AI ricostruisce e genera geometria tridimensionale; non produce automaticamente un componente ingegnerizzato e certificato sulla base di quote funzionali.
La possibilità di generare hard-surface rende comunque interessante P2.0 anche oltre i personaggi
Tripo indica fra gli esempi di P2.0 Preview non soltanto personaggi organici, ma anche hard-surface mechanical assemblies, oggetti architettonici modulari e props complessi.
È un’evoluzione interessante perché i modelli AI 3D hanno tradizionalmente ottenuto risultati più convincenti con forme organiche, nelle quali una piccola deviazione geometrica può essere difficile da percepire. Gli oggetti meccanici sono molto meno tolleranti: parallelismi, simmetrie, spigoli, fori e ripetizioni rendono immediatamente visibili molte anomalie.
Una topologia più controllata e un budget fino a 50.000 triangoli permettono di descrivere meglio questo tipo di oggetti. Rimane però valida la stessa distinzione: un assemblaggio meccanico visivamente convincente per un videogioco non equivale a un assieme CAD realmente costruibile.
Per il settore della stampa 3D questo apre soprattutto possibilità nel concept design, nella visualizzazione e negli oggetti non funzionali, mentre la progettazione dei componenti tecnici continua a richiedere strumenti CAD e controlli ingegneristici.
Un possibile vantaggio è ridurre il lavoro di retopology, non eliminare tutti i passaggi successivi
La vera promessa di Smart Mesh non è quindi semplicemente “creare un modello in due secondi”. Strumenti image-to-3D e text-to-3D capaci di generare velocemente una forma esistono ormai in numero crescente. Il problema è cosa accade dopo.
Una mesh AI ad altissima densità ma caotica può essere difficile da modificare. Per ridurne il peso è necessario effettuare decimation o retopology. Se deve essere animata bisogna controllare la distribuzione dei poligoni intorno a articolazioni, occhi, bocca e altre aree deformabili. Se deve essere utilizzata in un motore real-time bisogna rispettare specifici budget geometrici.
P2.0 sposta una parte di queste decisioni prima della generazione. L’utente sceglie il tipo di topologia e il budget poligonale e il modello cerca di produrre direttamente una struttura compatibile.
Questo potrebbe ridurre considerevolmente la distanza fra prototipo AI e asset utilizzabile, soprattutto per oggetti statici o personaggi secondari. Per gli asset più importanti continueranno invece a essere necessarie verifiche e interventi manuali.
DCC Bridge collega Tripo ai normali software di produzione
Nel corso del 2026 Tripo ha lavorato anche sulle integrazioni con i software utilizzati dagli artisti. I DCC Bridge permettono di trasferire gli asset da Tripo Studio verso ambienti come Unreal Engine, Unity e Autodesk 3ds Max, riducendo i passaggi manuali di download ed esportazione.
È un elemento coerente con il posizionamento di Smart Mesh. La competizione fra le piattaforme generative 3D non riguarda più soltanto quale sistema riesca a produrre l’immagine tridimensionale più impressionante durante una dimostrazione, ma quanto facilmente il risultato possa essere inserito negli strumenti già utilizzati da studi, designer e sviluppatori.
Tripo sta quindi costruendo progressivamente un ambiente che comprende generazione ad alta definizione, Smart Mesh, texturing, segmentazione, rigging e collegamento con i software DCC.
P2.0 è ancora una Preview
Va inoltre sottolineato che la versione presentata è denominata Tripo P2.0 Preview. Non deve quindi essere considerata automaticamente la versione definitiva della tecnologia.
La Preview è accessibile attraverso Tripo Studio, selezionando il workflow Smart Mesh. Tripo può quindi raccogliere dati sull’utilizzo reale, valutare i casi nei quali la topologia non viene generata correttamente e affinare successivamente il sistema.
Questo è particolarmente importante per la generazione dei quad. Produrre un modello composto prevalentemente da quadrilateri non significa automaticamente aver creato una topologia ottimale. La qualità dipende da come gli edge loop seguono la forma, da dove vengono collocati poli e cambiamenti di direzione e, nei personaggi, da come i poligoni si comportano durante le deformazioni.
La valutazione definitiva di P2.0 dovrà quindi andare oltre gli esempi dimostrativi e verificare il comportamento su dataset molto differenti.
Il passaggio dalla generazione 3D alla produzione di asset utilizzabili
Tripo P2.0 Preview rappresenta soprattutto un segnale dell’evoluzione della generazione tridimensionale tramite intelligenza artificiale. La prima fase di sviluppo del settore era concentrata sulla capacità di ottenere una forma 3D plausibile partendo da testo o immagini. Il risultato poteva essere sorprendente dal punto di vista visuale, ma spesso richiedeva una considerevole quantità di lavoro prima di diventare utilizzabile.
La fase successiva riguarda invece la struttura interna dell’asset: numero controllato di poligoni, topologia, edge flow, texture, segmentazione, rigging e integrazione con gli strumenti produttivi.
L’introduzione della diffusione nativa per le mesh, la possibilità di generare fino a 50.000 triangoli oppure 25.000 quad e i tempi nell’ordine dei secondi mostrano la direzione scelta da Tripo AI. L’obiettivo non è semplicemente aumentare la qualità visuale, ma produrre asset che richiedano meno interventi fra la generazione AI e il loro utilizzo.
Per la stampa 3D, il beneficio può essere concreto soprattutto nella creazione rapida di miniature, figurine, oggetti decorativi, concept e geometrie artistiche, dove la mesh triangolare può essere portata velocemente verso uno slicer dopo le necessarie verifiche. Per la produzione di componenti funzionali, invece, rimane fondamentale non confondere la velocità della generazione geometrica con la precisione del CAD.
P2.0 mostra comunque una trasformazione importante: l’intelligenza artificiale 3D sta iniziando a spostarsi dalla semplice creazione di forme verso la generazione controllata della topologia stessa. Ed è proprio questo passaggio, più dei 50.000 triangoli indicati nel titolo, a rendere interessante la nuova tecnologia di Tripo.
