Meshy ha rilasciato Meshy 7, nuovo foundation model image-to-3D sviluppato con un obiettivo specifico: aumentare la corrispondenza tra l’immagine fornita dall’utente e la geometria tridimensionale generata. Insieme al modello, l’azienda ha presentato la metodologia di un nuovo benchmark dedicato all’allineamento geometrico, nel quale il risultato generato non viene valutato attraverso preferenze umane o tramite un vision-language model utilizzato come giudice, ma confrontato direttamente con un modello 3D di riferimento conosciuto. Nei risultati pubblicati, Meshy 7 raggiunge con input costituito da una singola immagine l’81,0% nell’allineamento delle proporzioni complessive, il 79,7% nella distribuzione spaziale e il 59,8% nei dettagli superficiali, risultando primo nelle tre metriche rispetto ai quattro foundation model 3D utilizzati per il confronto.
Il criterio adottato nasce dalla trasformazione dei principali errori osservati nella generazione image-to-3D. Nei modelli meno evoluti erano frequenti superfici interrotte, strutture incoerenti o parti dell’oggetto completamente mancanti, mentre nei sistemi più recenti questi problemi sono diventati meno comuni. Rimangono però differenze più difficili da individuare: un modello può produrre un oggetto tridimensionale apparentemente corretto ma con un corpo leggermente troppo largo, una mano collocata in una posizione differente o un’incisione visibile nell’immagine originale che scompare nella geometria generata. Meshy definisce questa corrispondenza “alignment” e ha utilizzato proprio l’allineamento rispetto al riferimento come segnale da ottimizzare durante lo sviluppo di Meshy 7.
Il benchmark è costruito partendo da modelli 3D di riferimento esclusi dai dati di training. Questi modelli vengono renderizzati mediante camere delle quali sono noti i parametri per ottenere le immagini da fornire ai diversi generatori image-to-3D; ciascun sistema ricostruisce quindi l’oggetto e la geometria prodotta viene confrontata direttamente con quella originale. Ogni immagine utilizzata nel test dispone in questo modo di una risposta tridimensionale corretta già nota. Il confronto viene effettuato sulla geometria e non sui render proprio per evitare la necessità di stimare nuovamente la camera della sorgente, operazione che introdurrebbe nel risultato anche l’errore relativo alla ricostruzione della posizione della camera e renderebbe più difficile isolare quello effettivamente prodotto dal modello 3D.
Prima dell’attribuzione del punteggio, la generazione viene sovrapposta al modello di riferimento consentendo esclusivamente traslazione, rotazione e ridimensionamento uniforme. Non è permesso modificare separatamente la scala dei singoli assi: una forma generata troppo larga o troppo alta non può quindi essere corretta artificialmente dal sistema di valutazione prima del confronto. L’allineamento viene successivamente misurato su tre livelli, passando dalla struttura generale alle differenze geometriche più fini. Il set di riferimento comprende personaggi, veicoli, sculture e oggetti caratterizzati da strutture sottili, mentre le condizioni di input previste sono una vista frontale, una vista superiore rialzata di tre quarti e una configurazione composta da quattro viste. Il 100% corrisponde alla geometria di riferimento confrontata con se stessa.
La maggiore distanza tra Meshy 7 e gli altri modelli emerge nei dettagli superficiali. Nella generazione single-view nessuno dei sistemi testati raggiunge il 60% in questa metrica, mentre Meshy 7 arriva al 59,8% e supera di 5,3 punti il concorrente più vicino, un margine più che doppio rispetto a quello ottenuto nelle altre due dimensioni del benchmark. Le proporzioni generali presentano invece risultati ormai più ravvicinati tra i diversi modelli. Anche utilizzando esclusivamente la vista frontale, indicata da Meshy come la condizione single-image più severa, Meshy 7 registra il risultato più alto sia nel punteggio aggregato sia separatamente nelle tre metriche.
L’utilizzo di quattro viste riduce sensibilmente le differenze. Tutti i modelli migliorano e le informazioni aggiuntive producono i vantaggi maggiori nella distribuzione spaziale e nei dettagli superficiali, cioè nelle caratteristiche maggiormente influenzate dalle parti dell’oggetto nascoste in una singola immagine. In questa configurazione i modelli migliori terminano entro circa due punti l’uno dall’altro e il concorrente più vicino recupera gran parte del vantaggio di Meshy 7 senza superarlo chiaramente. Meshy evidenzia quindi soprattutto il risultato ottenuto con una singola immagine, sia perché in questa condizione emergono maggiormente le differenze tra i sistemi sia perché rappresenta uno dei casi d’uso più comuni per chi parte da un singolo concept 2D.
Rispetto a Meshy 6, la nuova versione migliora l’allineamento sia della geometria sia delle texture, anche se il benchmark presentato al lancio misura esclusivamente la parte geometrica. Meshy attribuisce l’avanzamento a tre modifiche principali del processo di sviluppo. L’image encoder è stato aggiornato per elaborare l’immagine di ingresso a scale differenti e accettare risoluzioni superiori, in modo da conservare durante la generazione informazioni geometriche fini che potrebbero altrimenti essere attenuate. Anche il dataset di training è stato ricostruito applicando criteri più rigidi: ogni esempio deve corrispondere esattamente alla propria geometria di destinazione e vengono rimossi elementi come stile, illuminazione e sfondo che potrebbero interferire con l’associazione tra immagine e forma tridimensionale. Infine, l’allineamento geometrico non viene più misurato soltanto alla fine del processo, ma è diventato un segnale controllato durante ogni ciclo di training.
Gli esempi utilizzati da Meshy mostrano il tipo di differenze che queste modifiche dovrebbero preservare. Nei busti ritratto, variazioni relativamente piccole della geometria devono modificare correttamente l’espressione: con un sorriso cambiano l’altezza delle guance e la profondità delle linee del volto, mentre elementi come foulard, nodo e abbigliamento devono restare invariati. Nel modello di un gufo meccanico composto da corazze sovrapposte sulle ali, ingranaggi esposti e zampe sottili, Meshy 7 mantiene distinti i vari componenti e la loro posizione invece di semplificarli in una forma complessivamente simile a un uccello. Un ulteriore test utilizza un medaglione di giada nel quale un drago, motivi di nuvole e un elemento centrale sono costruiti quasi interamente mediante rilievi poco profondi: il modello mantiene la continuità del disegno e la profondità indicata dall’immagine invece di frammentare i dettagli.
Meshy 7 è disponibile dal 10 agosto 2026 per tutti i livelli di abbonamento Meshy. La generazione può quindi essere utilizzata anche nei piani inferiori, mentre il download dei modelli tridimensionali prodotti richiede un abbonamento Pro o superiore. Ultra Mode supporta attualmente la generazione da una singola vista; il supporto multi-view è previsto successivamente, una caratteristica particolarmente rilevante considerando il miglioramento ottenuto da tutti i modelli del benchmark quando l’input passa da una a quattro viste.
Il benchmark geometrico non è ancora stato pubblicato integralmente: Meshy ha presentato al lancio metodologia e primi risultati e prevede di distribuire separatamente il sistema di valutazione, permettendo così anche a soggetti esterni di sottoporre altri modelli allo stesso test. I punteggi disponibili sono quindi attualmente risultati dichiarati dal produttore su un benchmark progettato dallo stesso produttore. La metodologia utilizza però geometrie di riferimento escluse dal training, confronto tridimensionale diretto e nessun ridimensionamento indipendente degli assi; la disponibilità pubblica del benchmark consentirà di verificare i risultati utilizzando modelli e dataset sottoposti a valutazioni indipendenti.
Meshy sta inoltre preparando un secondo benchmark dedicato specificamente alle texture. La geometria rappresenta infatti soltanto una componente dell’allineamento image-to-3D: colore, materiali e pattern possono essere geometricamente corretti ma non corrispondere comunque all’immagine sorgente. La società misura già separatamente l’allineamento delle texture nel confronto tra Meshy 7 e Meshy 6 e prevede di rendere disponibile una metodologia specifica per quantificare anche questa componente.
Il rilascio arriva dopo il finanziamento Series B annunciato da Meshy all’inizio dell’estate, pari a quasi 400 milioni di dollari e associato a una valutazione della società di 1,5 miliardi di dollari. Nello stesso settore, Tripo AI aveva raccolto 150 milioni di dollari nel luglio 2026 mentre sviluppava tecnologie 3D orientate anche alla generazione di mondi interattivi. Con Meshy 7, l’elemento tecnico introdotto non riguarda però soltanto l’aumento della qualità della generazione: il nuovo modello viene accompagnato da un sistema quantitativo che tenta di misurare quanto la geometria prodotta corrisponda effettivamente all’immagine utilizzata come riferimento, separando la correttezza tridimensionale dalla semplice plausibilità visiva dell’asset generato.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)