游戏引擎和 coding agent 已经能把一个场景搭好。可结构只给了布局、运动和镜头，材质、光和细节得渲染器自己补，补的时候还不能偏离结构。

游戏引擎和 coding agent 已经能把一个场景搭好。可结构只给了布局、运动和镜头，材质、光和细节得渲染器自己补，补的时候还不能偏离结构。

SolarRenderer 这篇论文点名了现有渲染器的三个问题：
- 绑死在某一家引擎自己的场景格式上。
- 要几十步去噪，不然就得自己再做一遍成本很高的蒸馏。
- 训练用的条件和目标视频对不齐。

它的做法是：MiniMax-H3 33B 主干冻住不动，只加两个轻量 LoRA，做成以结构为条件的视频渲染器。标题主打的是 few-step。

三条里最该看的是第三条。条件和目标本身是错位的，主干再大，学到的也是错位的对应关系。

SolarRenderer 论文页，摘要和讨论都在这里：huggingface.co/papers/2610.28630