Как раз чтобы места много не занимать, фейсклиппинг не копирует, а прямо ссылается на геометрию. Каждый фейс ссылается на конкретные координаты вершины в конкретной геометрии(4ds модели). Координаты вершин в klz не хранятся. А во время загрузки сцены движок воссоздает по этой информации невидимую геометрию для просчета коллизии. В результате чего удваивается количество вершин и данных которые движку требуется просчитать (понятно что нагрузка несравнима с просчетом видимой геометрии, плюс разные оптимизации, но тем не менее она возрастает). А боксы просчитываются ощутимо быстрее. Они более "предсказуемы для алгоритмов просчета" из за своей простоты, минимальны по количеству вершин, и не имеют открытых ребер.