Il problema non è più soltanto generare un oggetto 3D
Meshy ha introdotto Meshy 7, nuova versione del proprio modello di intelligenza artificiale dedicato alla generazione di contenuti tridimensionali a partire da immagini. L’aggiornamento concentra una parte rilevante dello sviluppo su un problema che sta diventando centrale nell’AI generativa 3D: non basta ottenere una mesh formalmente corretta e visivamente credibile, perché il modello prodotto deve anche corrispondere con precisione all’oggetto rappresentato nell’immagine di partenza.
Meshy definisce questa proprietà “geometry alignment”, cioè allineamento geometrico.
La distinzione è importante. Un sistema image-to-3D può ricevere la fotografia o il concept art di una sedia, riconoscere correttamente che si tratta di una sedia e produrre un modello tridimensionale privo di errori evidenti. Tuttavia, lo schienale può essere troppo largo, le gambe possono trovarsi nella posizione sbagliata, un elemento decorativo può scomparire oppure una curva caratteristica può essere sostituita da una forma più generica.
Il modello generato sarebbe quindi plausibile, ma non sarebbe realmente quello richiesto dall’utente.
Con Meshy 7, Meshy ha scelto di trattare questa differenza come un parametro da misurare direttamente durante lo sviluppo del modello.
Dalla qualità apparente alla corrispondenza con l’immagine originale
Le prime generazioni di sistemi AI per il 3D erano spesso giudicate sulla capacità di produrre una mesh utilizzabile.
Gli errori macroscopici erano frequenti: geometrie aperte, parti mancanti, elementi duplicati, superfici collassate, arti aggiuntivi nei personaggi oppure oggetti la cui struttura tridimensionale aveva poco rapporto con l’immagine fornita.
Con il miglioramento dei modelli, questo tipo di errore è diventato meno frequente nei sistemi più avanzati. Di conseguenza, la valutazione si sta spostando verso differenze più sottili.
Un personaggio può avere il numero corretto di arti ma una corporatura diversa. Un componente meccanico può contenere tutti gli elementi principali, ma con fori, manopole o raccordi collocati in posizioni imprecise. Un bassorilievo può essere riconoscibile senza riprodurre correttamente le variazioni della superficie.
Sono differenze importanti soprattutto quando il modello generato deve diventare qualcosa di più di una semplice immagine da osservare.
Per videogiochi, animazione, visualizzazione di prodotto, realtà aumentata, realtà virtuale e stampa 3D, la geometria è un dato operativo. Un errore nascosto da una buona texture può diventare immediatamente evidente quando il modello viene ruotato, animato, modificato o trasformato in un oggetto fisico.
Che cosa cambia nell’architettura di Meshy 7
Secondo Meshy, l’aumento della fedeltà geometrica deriva da tre interventi principali.
Il primo riguarda l’encoder utilizzato per analizzare l’immagine di ingresso. Meshy 7 può elaborare immagini a risoluzione maggiore e analizzare le caratteristiche visive su più scale.
L’obiettivo è conservare durante l’elaborazione non soltanto la struttura generale dell’oggetto, ma anche informazioni più piccole che possono determinare la forma finale: bordi, rilievi, differenze di volume, posizione relativa delle parti e variazioni della superficie.
Un encoder che riconosce correttamente la categoria dell’oggetto ma perde questi dettagli può fornire al generatore informazioni sufficienti per produrre una forma plausibile, ma insufficienti per ricostruire quell’oggetto specifico.
Il secondo intervento riguarda i dati utilizzati per l’addestramento.
Meshy dichiara di avere ricostruito parte del dataset applicando criteri più rigidi alla corrispondenza tra immagini e geometrie 3D. L’azienda ha inoltre lavorato per ridurre l’influenza di elementi quali illuminazione, sfondo e stile grafico, che possono essere presenti nell’immagine senza descrivere direttamente la forma tridimensionale dell’oggetto.
Il terzo cambiamento è metodologico: l’allineamento geometrico è diventato una delle grandezze utilizzate da Meshy durante i cicli di addestramento e valutazione.
In altre parole, il team non si limita a osservare se una nuova versione produce modelli gradevoli, ma misura quanto la geometria generata corrisponda alla geometria attesa.
Per misurare il miglioramento serviva un benchmark diverso
Meshy ha accompagnato Meshy 7 con un nuovo 3D Geometry Alignment Benchmark.
L’idea alla base del test è evitare, per quanto possibile, le valutazioni puramente soggettive.
Confrontare due rendering e chiedere a un gruppo di persone quale sembri migliore può essere utile per valutare il risultato estetico, ma introduce numerose variabili. Illuminazione, materiali, prospettiva, distanza della telecamera e texture possono modificare notevolmente la percezione di una forma.
Anche l’impiego di un vision-language model come giudice introduce una componente interpretativa.
Meshy ha quindi adottato un procedimento che parte da modelli tridimensionali di riferimento esclusi dai dati di addestramento utilizzati per il test.
Da questi modelli vengono prodotti rendering utilizzando telecamere delle quali sono conosciuti i parametri. Le immagini così ottenute vengono poi fornite ai diversi sistemi image-to-3D.
Alla fine del processo non vengono confrontati soltanto i rendering: la geometria prodotta dall’intelligenza artificiale viene confrontata con quella del modello tridimensionale originale dal quale era stata generata l’immagine.
Questo offre al test una risposta 3D di riferimento già nota.
Perché conoscere la telecamera è importante
La prospettiva costituisce uno dei problemi meno evidenti quando si confronta un modello tridimensionale con un’immagine.
Lo stesso oggetto può apparire molto diverso utilizzando differenti lunghezze focali, distanze o posizioni della telecamera. Cercare di stimare questi parametri dopo la generazione significa introdurre un ulteriore errore nel sistema di misura.
Meshy evita il problema partendo da un modello 3D noto e creando direttamente l’immagine di prova.
Il sistema conosce quindi sia la geometria originaria sia la posizione della telecamera che ha prodotto la vista fornita all’intelligenza artificiale.
Prima del confronto, il modello generato viene allineato al riferimento attraverso traslazione, rotazione e variazione uniforme della scala.
Un dettaglio metodologico è particolarmente importante: gli assi non vengono deformati indipendentemente.
Non è quindi possibile correggere artificialmente un oggetto troppo largo semplicemente comprimendolo sull’asse orizzontale prima del confronto. Se le proporzioni prodotte dal generatore sono sbagliate, l’errore deve rimanere visibile nel punteggio.
Le tre misure utilizzate da Meshy
Il benchmark divide la fedeltà geometrica in tre categorie.
La prima è denominata Overall Proportion e riguarda la struttura generale dell’oggetto. Misura quanto la massa e le parti principali della geometria generata occupino le stesse regioni tridimensionali del modello di riferimento.
È una misura relativamente grossolana, ma permette di individuare problemi come una testa troppo grande, una base troppo stretta oppure un corpo con dimensioni complessive scorrette.
La seconda misura è Spatial Distribution.
Qui l’analisi diventa più precisa e considera quanto le diverse parti della geometria si trovino nella posizione corretta rispetto alla struttura di riferimento. Un oggetto può infatti avere proporzioni generali corrette ma presentare elementi spostati.
È una distinzione particolarmente rilevante per oggetti meccanici, mobili, veicoli o qualsiasi modello composto da più parti riconoscibili.
La terza categoria è Surface Details.
È anche la prova nella quale i sistemi analizzati mostrano le difficoltà maggiori. La metrica cerca di valutare quanto accuratamente vengano riprodotte le caratteristiche fini della superficie e quanto siano presenti geometrie mancanti o aggiunte rispetto al riferimento.
È qui che entrano in gioco scanalature, incisioni, rilievi, pieghe e altre variazioni geometriche che differenziano una ricostruzione approssimativa da una più fedele.
I risultati con una sola immagine
Nel test single-view eseguito utilizzando una vista superiore a tre quarti, Meshy 7 ha ottenuto il punteggio più alto fra i sistemi testati nelle tre metriche.
Nelle proporzioni generali Meshy 7 raggiunge l’81,0%. Tripo 3.1 di Tripo AI/VAST AI arriva al 79,0%, Hi3D 2.1 di Hi3D al 79,1%, Hunyuan 3D 3.1 di Tencent al 76,7% e Rodin 2.5 di Hyper3D al 72,0%. Meshy 6 Lite, precedente generazione della stessa Meshy, raggiunge il 78,2%.
Nella distribuzione spaziale Meshy 7 arriva al 79,7%, contro il 78,4% di Tripo 3.1, il 76,5% di Hi3D 2.1, il 73,7% di Hunyuan 3D 3.1, il 71,4% di Rodin 2.5 e il 75,2% di Meshy 6 Lite.
Le differenze diventano più evidenti nei dettagli della superficie.
Meshy 7 raggiunge il 59,8%, mentre Hi3D 2.1 arriva al 55,2%, Hunyuan 3D 3.1 al 54,5%, Meshy 6 Lite al 52,7%, Tripo 3.1 al 51,7% e Rodin 2.5 al 49,0%.
Questi valori mostrano anche il limite comune dei sistemi attuali: riprodurre la forma generale è sensibilmente più facile che ricostruire la microgeometria.
Con quattro immagini la classifica cambia
Il quadro diventa più interessante quando il sistema riceve quattro viste dell’oggetto invece di una sola.
In questo caso la quantità di geometria che deve essere inventata dall’intelligenza artificiale diminuisce, perché una parte maggiore dell’oggetto è direttamente visibile.
Le prestazioni dei sistemi più avanzati tendono quindi ad avvicinarsi.
Meshy 7 raggiunge l’84,4% nelle proporzioni complessive, ma non occupa il primo posto. Hi3D 2.1 raggiunge l’86,5% e Tripo 3.1 l’85,4%.
Nella distribuzione spaziale Meshy 7 arriva all’81,8%, praticamente allo stesso livello di Hi3D 2.1 e leggermente sopra Tripo 3.1, che raggiunge l’81,7%.
Nei dettagli superficiali Meshy 7 registra il 60,6%. Tripo 3.1 ottiene invece il 62,8% e Hi3D 2.1 il 61,8%.
Il dato è utile perché impedisce di interpretare il benchmark come una semplice graduatoria nella quale un singolo modello domina qualunque scenario.
Meshy 7 mostra il vantaggio più chiaro quando deve ricostruire un oggetto da una singola immagine. Quando sono disponibili più viste, Tripo AI/VAST AI con Tripo 3.1 e Hi3D con Hi3D 2.1 risultano estremamente competitivi e in alcune misure ottengono risultati superiori.
Il benchmark è di Meshy e questo va tenuto presente
I risultati devono essere letti considerando che metodologia e benchmark sono stati sviluppati da Meshy.
Questo non rende i dati privi di valore. La metodologia descritta dall’azienda affronta in modo sensato alcuni problemi della valutazione image-to-3D e il confronto diretto con geometrie 3D note è più informativo di una semplice selezione visiva dei risultati migliori.
Rimane però una differenza tra un benchmark pubblicato dal produttore del modello e una valutazione indipendente.
Meshy ha dichiarato che il benchmark verrà reso disponibile separatamente dopo il lancio di Meshy 7. La possibilità di eseguire test esterni, verificare il dataset, riprodurre la procedura e confrontare altre configurazioni sarà quindi importante per stabilire quanto i risultati siano generalizzabili.
La stessa considerazione vale per i confronti pubblicati dai concorrenti.
Hi3D ha eseguito propri test comparativi tra Hi3D, Meshy, Rodin e Tripo, mentre le aziende del settore pubblicano regolarmente esempi scelti per mostrare i rispettivi punti di forza.
In un mercato che evolve con aggiornamenti a distanza di pochi mesi, confrontare soltanto immagini dimostrative selezionate dai produttori rischia di diventare sempre meno utile.
Benchmark riproducibili e dataset condivisi possono quindi assumere un ruolo crescente.
I concorrenti stanno lavorando sugli stessi problemi
Meshy non opera in un mercato isolato.
Tripo AI, collegata alla ricerca di VAST AI, offre con Tripo 3.1 generazione da immagine e testo, modalità ad alta qualità e supporto per mesh fino a 2 milioni di triangoli in alcune configurazioni. La piattaforma dispone inoltre di funzioni per geometrie low-poly, quad mesh, PBR, generazione multiview e suddivisione degli oggetti in parti modificabili.
Tencent ha portato Hunyuan 3D alla versione 3.1, migliorando geometria e texture e supportando input multivista. La società cinese ha investito considerevoli risorse nello sviluppo di modelli generativi tridimensionali, alcuni dei quali sono stati distribuiti anche come progetti open source.
Hyper3D propone Rodin Gen-2.5, sviluppato nell’ecosistema di Deemos. Il sistema offre differenti livelli di dettaglio, generazione da immagini o testo, geometrie triangolari o quad e controlli dedicati alla fedeltà rispetto all’immagine.
Hi3D ha presentato la versione 2.1 nell’aprile 2026 e ha successivamente lavorato sulla generazione ad alta risoluzione, sull’aumento della velocità e sulla controllabilità della pipeline.
Il risultato è una competizione nella quale il semplice annuncio “da immagine a modello 3D” non costituisce più una differenziazione sufficiente.
Le aziende stanno iniziando a competere su fedeltà, topologia, materiali, velocità, capacità multivista, controllo delle parti, risoluzione delle texture e integrazione nei workflow professionali.
La differenza fra geometria e texture
Un modello 3D può apparire estremamente dettagliato senza possedere realmente quel dettaglio nella propria geometria.
Una texture, una normal map o altri sistemi di shading possono simulare rughe, incisioni, graffi e variazioni della superficie.
Questo può essere perfettamente adeguato per un videogioco o per una visualizzazione, ma diventa un problema se l’utente pensa che quelle caratteristiche siano effettivamente presenti nella mesh.
Meshy ha quindi separato esplicitamente geometry alignment e texture alignment.
Il benchmark presentato con Meshy 7 riguarda la geometria. Meshy ha annunciato l’intenzione di sviluppare un benchmark separato dedicato alla corrispondenza delle texture.
La distinzione diventa ancora più importante nella stampa 3D.
Una stampante non riproduce automaticamente un’incisione che esiste soltanto nella texture di un file. Se un bottone, un rilievo, una scritta o una decorazione devono diventare parte dell’oggetto fisico, devono essere rappresentati dalla geometria oppure essere trasformati in geometria durante una fase successiva.
Per chi utilizza generatori AI allo scopo di produrre modelli stampabili, il miglioramento della Surface Details è quindi probabilmente uno degli aspetti più interessanti di Meshy 7.
Ci sono ancora geometrie che mettono in difficoltà il modello
Meshy stessa riconosce che Meshy 7 non risolve ogni caso.
Fra le difficoltà restano strutture caratterizzate da ripetizioni estremamente regolari.
Un edificio composto da molti piani identici, per esempio, può essere ricostruito correttamente nella sagoma generale mentre finestre e separazioni dei piani iniziano progressivamente a perdere l’allineamento.
È un problema tipico dell’AI generativa: il modello riconosce la regola visiva, ma non necessariamente la applica con la precisione parametrica di un sistema CAD.
La distinzione è fondamentale per capire dove questi strumenti possono già essere utilizzati e dove rimane necessario un modellatore tradizionale.
Un concept artist può tollerare variazioni millimetriche nella posizione di un elemento decorativo. Un progettista che deve generare una flangia con dodici fori equidistanti non può farlo.
Generazione AI e progettazione parametrica continuano quindi a risolvere problemi diversi.
Da una sola immagine resta una parte inevitabile di invenzione
Esiste inoltre un limite matematico che nessun modello può eliminare completamente.
Una fotografia mostra soltanto una parte dell’oggetto.
Se si fornisce al sistema l’immagine frontale di una statua, l’intelligenza artificiale non dispone di informazioni dirette sulla parte posteriore. Può inferirla utilizzando ciò che ha appreso durante l’addestramento, ma non può sapere quale fosse realmente.
Da questo punto di vista, l’image-to-3D a vista singola è contemporaneamente un problema di ricostruzione e un problema di generazione.
Il sistema deve riprodurre ciò che vede e inventare in modo plausibile ciò che non vede.
È anche la ragione per cui l’input multivista tende a migliorare i risultati. Ogni immagine aggiuntiva riduce la quantità di struttura nascosta che il modello deve immaginare.
Meshy ha lavorato anche su questo fronte con un aggiornamento dedicato alle immagini multivista, permettendo di utilizzare fino a quattro riferimenti dello stesso oggetto per guidare geometria e texture.
Meshy 7 arriva anche nelle API
Meshy 7 non è limitato all’interfaccia web della piattaforma.
Il 12 agosto 2026 Meshy ha aggiunto il nuovo modello alle API Image to 3D, Multi-Image to 3D e Retexture. Il 13 agosto ha esteso Meshy 7 anche all’API Text to 3D.
Gli sviluppatori possono quindi integrare il modello all’interno di applicazioni, pipeline automatiche e strumenti di produzione senza utilizzare manualmente l’interfaccia Meshy.
È disponibile anche una modalità Ultra destinata ad aumentare il livello del dettaglio geometrico.
L’integrazione tramite API è particolarmente significativa per studi di videogiochi, servizi di personalizzazione, e-commerce e applicazioni dedicate alla stampa 3D, nei quali il valore del modello generativo dipende anche dalla capacità di automatizzare centinaia o migliaia di richieste.
Un’azienda cresciuta insieme al mercato dell’AI 3D
Meshy è passata in pochi anni da servizio specializzato a uno dei nomi più visibili nel settore della generazione 3D tramite intelligenza artificiale.
L’azienda dichiara oltre 12 milioni di utenti e più di 100 milioni di modelli generati sulla propria piattaforma.
Il 21 luglio 2026 Meshy ha inoltre annunciato un round Series B vicino ai 400 milioni di dollari, con una valutazione di 1,5 miliardi di dollari.
Il capitale è destinato alla ricerca, allo sviluppo dei modelli e all’espansione internazionale.
Queste dimensioni mostrano quanto la generazione tridimensionale sia diventata una delle aree nelle quali gli investitori stanno cercando il passaggio successivo dell’AI generativa.
Dopo testo, immagini, audio e video, il 3D presenta però una difficoltà particolare: l’output non deve soltanto essere convincente da un determinato punto di vista. Deve rimanere coerente mentre viene osservato da qualsiasi angolazione e, in molti casi, deve anche funzionare come oggetto digitale modificabile.
Perché l’allineamento può essere più importante della qualità visiva
Il significato di Meshy 7 non sta quindi soltanto nell’ottenere modelli esteticamente migliori.
Il passaggio più interessante è l’idea di separare la plausibilità dalla fedeltà.
Un generatore può essere molto bravo a inventare un’automobile 3D credibile. Il compito diventa più difficile quando deve generare quella specifica automobile mostrata dall’utente, rispettandone dimensioni relative, forme dei parafanghi, posizione dei fari, andamento del tetto e caratteristiche della carrozzeria.
Più questi sistemi entrano nei processi di produzione, meno è sufficiente che il risultato “sembri giusto”.
Deve essere possibile misurare quanto sia giusto.
Meshy 7 rappresenta un passo in questa direzione introducendo l’allineamento geometrico direttamente nel processo di addestramento e proponendo un sistema quantitativo per misurarlo.
Il benchmark sviluppato da Meshy dovrà essere verificato anche al di fuori dell’azienda, e i risultati multivista mostrano che Tripo AI/VAST AI, Hi3D, Tencent e Hyper3D rimangono concorrenti molto vicini.
La direzione del settore appare però chiara: dopo la fase nella quale l’obiettivo principale era riuscire a generare rapidamente qualsiasi mesh tridimensionale, la competizione si sta spostando sulla capacità di produrre la mesh corretta.
Per gli utenti professionali, e soprattutto per chi vuole trasformare immagini e concept in asset utilizzabili, è probabilmente questo il parametro che conterà sempre di più.
” Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI) “
