GPT-6 Astra x V2Fun - De la generación de código a la colaboración entre modelos

Imagina un proceso de modelado 3D como este.

Le das a GPT-6 Astra una imagen de referencia de una excavadora. Primero identifica los componentes de la máquina: la cabina, las orugas, el tren de rodaje, la pluma, el brazo, el cucharón y otros.

Estos componentes principales se envían individualmente a un modelo especializado de generación 3D y regresan como recursos independientes en cuestión de decenas de segundos.

A continuación, GPT-6 Astra toma el control.

Determina la escala y las relaciones espaciales de cada pieza, coloca las orugas a ambos lados del tren de rodaje, fija la pluma al cuerpo y conecta después el brazo y el cucharón en secuencia. Una vez completada la estructura principal, utiliza Three.js para añadir mangueras hidráulicas, tornillos, ejes de pivote e incluso las palancas de control dentro de la cabina.

Finalmente, aparece en la escena 3D una excavadora completa, estructurada y editable.

Esto es más que generación de imagen a 3D por sí sola o generación de código por sí sola.

Son dos capacidades de IA que empiezan a trabajar juntas de una forma más natural:

GPT-6 Astra se encarga de la comprensión, la planificación y la construcción, mientras que un modelo fundacional 3D especializado se encarga de la geometría compleja.

Este es un nuevo flujo de trabajo que V2Fun, un producto de Vertex Lab, ha estado explorando recientemente.

Detrás de esto hay un cambio más amplio:

Los agentes 3D están pasando de “generarlo todo por sí mismos” a “saber qué modelo invocar y cuándo”.

01 PUNTO DE INFLEXIÓN

GPT-6 Astra ya puede construir en 3D. ¿Qué viene después?

Uno de los cambios importantes que trae GPT-6 Astra es que los modelos de lenguaje grandes están entrando realmente en el mundo tridimensional.

Antes, estábamos más acostumbrados a pedirle a la IA que generara una imagen, un vídeo o un texto. Ahora, gracias a una comprensión multimodal, un razonamiento espacial y unas capacidades de programación cada vez mayores, GPT-6 Astra puede comprender la estructura de un objeto 3D y después construirlo mediante métodos procedurales como Three.js.

Tomemos como ejemplo una línea de producción industrial.

GPT-6 Astra puede identificar sus cintas transportadoras, rodillos, bastidores de soporte, motores y estaciones de trabajo, y luego generar progresivamente la geometría correspondiente.

Estos objetos son especialmente adecuados para el modelado procedural porque suelen tener relaciones matemáticas claras y estructuras repetidas. Una columna de soporte puede representarse mediante una forma geométrica básica, un rodillo puede duplicarse decenas de veces y la longitud y la posición de una cinta transportadora pueden controlarse directamente mediante parámetros.

Más importante aún, el resultado no es una malla completamente opaca.

Cada componente de la línea de producción sigue siendo un objeto independiente que todavía puede moverse, duplicarse, eliminarse o modificarse.

Desde esta perspectiva, GPT-6 Astra hace algo más que “generar 3D”. Está empezando a desarrollar una capacidad más cercana a la de un ingeniero 3D:

Comprender de qué está hecho un objeto y construirlo.

Pero a medida que los objetos se vuelven más complejos, surge una nueva pregunta.

¿Qué ocurre si el objeto no es una línea de producción, sino un rostro humano, una criatura, ropa, una escultura o incluso una excavadora con superficies industriales complejas? ¿Debería GPT-6 Astra seguir escribiendo toda la geometría en código?

La respuesta quizá no tenga que ser una elección excluyente.

Y aquí es precisamente donde V2Fun puede incorporarse al flujo de trabajo.

02 POR QUÉ V2FUN

¿Por qué V2Fun?

V2Fun no es una API 3D añadida rápidamente solo para esta demostración.

Es la plataforma de producto para la investigación y el desarrollo a largo plazo de modelos fundacionales 3D de Vertex Lab.

Fundada en 2025, Vertex Lab se ha centrado constantemente en la generación 3D, la inteligencia espacial y, a más largo plazo, la infraestructura para modelos del mundo.

V2Fun se presentó anteriormente en HDC 2026 como la primera aplicación nativa de IA de HarmonyOS impulsada por un modelo fundacional 3D. Su aplicación móvil y su espacio de trabajo web abarcan todo el flujo de trabajo, desde la creación cotidiana hasta la producción profesional de contenido 3D.

En esencia, siempre ha abordado la misma pregunta:

¿Cómo se puede convertir un objeto tridimensional complejo en un recurso 3D utilizable, con menos esfuerzo y en menos tiempo?

La próxima V2Fun 2.0 llevará estas capacidades más lejos.

La nueva versión incorporará la última generación de su modelo fundacional 3D y admitirá la generación de texturas con resoluciones de hasta 8K. Se centrará en mejorar la calidad de generación para geometrías complejas, personajes humanos, criaturas, ropa, esculturas y otras superficies irregulares.

Por eso la combinación de V2Fun y GPT-6 Astra es más que una colaboración puntual entre productos.

Los problemas que resuelven especialmente bien son intrínsecamente complementarios.

GPT-6 Astra destaca en comprensión, planificación, relaciones espaciales, programación y orquestación de agentes.

V2Fun destaca en la generación directa de geometría 3D compleja y superficies de alta calidad.

Uno responde mejor a:

“¿Cómo debería construirse este objeto?”

El otro responde mejor a:

“¿Cómo debería verse realmente este componente complejo?”

Cuando estas dos capacidades se unen, la generación 3D ya no se limita a un único enfoque.

03 DESAFÍO

Algunas cosas se construyen mejor con código. Otras se generan mejor directamente.

Volvamos a esa excavadora.

Estructuralmente, es muy regular.

GPT-6 Astra puede comprender fácilmente que una excavadora consta de un tren de rodaje, orugas izquierda y derecha, un cuerpo, una cabina, una pluma, un brazo y un cucharón. También puede comprender cómo deben conectarse esas piezas.

Pero si se observa con más atención, el problema cambia.

La cabina no es un cubo simple, y la carcasa del cuerpo no puede representarse con precisión combinando unos pocos elementos primitivos. El cucharón tiene superficies curvas continuas, el brazo tiene un contorno complejo y las orugas y el tren de rodaje contienen una gran cantidad de detalles de diseño industrial.

GPT-6 Astra puede seguir aproximando estas estructuras con código procedural.

Pero cuanto más compleja es la geometría, más código hay que generar y revisar, y más iteraciones se necesitan.

Para un agente, esto implica gastar cada vez más tokens en describir geometría de bajo nivel.

Así que probamos un enfoque diferente.

GPT-6 Astra primero “comprende” la excavadora.

Después delega los componentes principales complejos, como la cabina, las orugas, el brazo y el cucharón, a V2Fun 2.0 para que los genere por separado.

Una vez finalizada la generación, GPT-6 Astra vuelve a tomar el control para ajustar la escala, la rotación y la posición, y ensamblar el objeto completo.

Aquí, V2Fun aporta exactamente la capacidad que ha estado desarrollando:

Reconstruir estructuras 3D complejas directamente a partir de información visual, en lugar de hacer que un modelo de lenguaje describa indirectamente las superficies mediante grandes cantidades de código.

Esto puede parecer simplemente escribir menos Three.js, pero en realidad cambia todo el enfoque computacional.

Lo más interesante es que V2Fun no sustituye a Three.js.

Después del ensamblaje, GPT-6 Astra sigue generando muchos elementos por sí mismo.

Por ejemplo, las mangueras hidráulicas.

Una manguera es esencialmente una estructura tubular que conecta unos pocos puntos clave, por lo que resulta ideal para el modelado procedural.

Lo mismo se aplica a los tornillos, los ejes de conexión y las palancas de control.

Estos objetos tienen dimensiones regulares, estructuras simples y suelen aparecer en grandes cantidades. Invocar por separado un modelo fundacional 3D para cada uno añadiría en realidad coste y complejidad al flujo de trabajo.

Por tanto, la excavadora final es un recurso verdaderamente híbrido.

V2Fun genera los componentes principales complejos.

GPT-6 Astra + Three.js se encarga de los detalles regulares.

Después, GPT-6 Astra organiza ambos en un único objeto 3D estructurado.

Esto es lo que hace convincente este enfoque:

En lugar de elegir entre la generación de código y un modelo fundacional 3D, el agente decide qué capacidad es la más adecuada para cada parte.

04 MÁS COMPLEJO

Con personajes humanos, el valor de V2Fun resulta aún más evidente

La excavadora sigue siendo principalmente un objeto de superficie dura.

Los personajes humanos y las superficies orgánicas complejas son lo que realmente lleva al límite un enfoque puramente procedural.

Para explorarlo, creamos una demostración más ambiciosa:

Pedirle a GPT-6 Astra que construya un rey completamente armado y acorazado.

Además del propio cuerpo humano, este personaje incluye una armadura detallada, una cabeza, una espada y un escudo.

Los personajes humanos son mucho más difíciles de expresar mediante reglas que los equipos mecánicos.

Que un rostro “se vea bien” depende de mucho más que de colocar los ojos, la nariz y la boca aproximadamente en las posiciones correctas.

La forma del rostro, los pómulos, las cuencas de los ojos, el puente de la nariz, los labios y los cambios sutiles y continuos de curvatura entre ellos contribuyen a la apariencia final.

Lo mismo ocurre con la armadura.

Aunque es un objeto de superficie dura, no es un componente de ingeniería simple. Los relieves, la ornamentación, las superficies continuas y las formas estilizadas contribuyen a la identidad visual del personaje.

Estos son precisamente los tipos de objetos que el modelo fundacional 3D de próxima generación de V2Fun 2.0 está mejor preparado para manejar.

En esta demostración, GPT-6 Astra primero comprende el personaje en su conjunto y lo divide en varias partes principales: la cabeza, el cuerpo y la armadura, la espada y el escudo.

Después, V2Fun genera estos componentes complejos por separado.

GPT-6 Astra se encarga de lo siguiente:

¿La cabeza tiene la escala correcta y cómo debería conectarse al cuerpo? ¿Dónde deberían colocarse la espada y el escudo? ¿Son coherentes las proporciones de las piezas? ¿Qué modelos necesitan una reducción de polígonos? ¿Y cómo debería organizarse todo en un recurso 3D que pueda editarse y utilizarse posteriormente?

En otras palabras:

V2Fun aborda “cómo generar geometría compleja rápidamente y con alta calidad”.

GPT-6 Astra aborda “cómo convertir esa geometría en un objeto completo”.

¿Por qué puede V2Fun manejar esta capa de geometría compleja?

La razón va más allá de que “también sea un modelo de imagen a 3D”.

La investigación y el desarrollo centrales de Vertex Lab se han centrado recientemente en dos preguntas fundamentales:

Cómo representar la geometría con mayor precisión y cómo mantener la coherencia de las texturas de alta resolución en las superficies 3D.

En el ámbito de la geometría, el equipo sigue perfeccionando sus representaciones 3D y su arquitectura de generación, con el objetivo de reducir las representaciones geométricas ineficientes y concentrar la capacidad del modelo en áreas de alta curvatura, estructuras delgadas y regiones complejas.

En el ámbito de las texturas, el objetivo es abordar la desalineación, los desgarros y la pérdida de detalles que suelen producirse en la generación multivista de alta resolución.

Esto también sustenta la capacidad de V2Fun 2.0 para ofrecer texturas de alta calidad con resoluciones de hasta 8K.

Para un agente, capacidades como estas son muy importantes.

Está invocando un modelo especializado que produce recursos 3D reales, en lugar de una herramienta de generación visual que simplemente crea algo que “parece 3D”.

GPT-6 Astra todavía debe ensamblar, reducir el número de polígonos y modificar los recursos generados, que finalmente pueden incorporarse a la animación, los videojuegos, la impresión 3D u otros flujos de trabajo 3D.

Este es el desafío de producto que V2Fun ha estado tratando de resolver:

Garantizar que la IA genere algo más que un resultado único: un recurso 3D con el que las personas puedan seguir trabajando de verdad.

05 EFICIENCIA

Más allá de una mayor calidad, hay otro cambio: los tokens

Este flujo de trabajo tiene otro beneficio muy directo:

Eficiencia de tokens.

Cuando GPT-6 Astra utiliza Three.js para describir una estructura simple, emplea los tokens de forma muy eficiente.

Un cilindro, una manguera hidráulica o unos pocos tornillos requieren muy poco código.

Pero aplicar el mismo método para aproximar rostros humanos, pliegues de tela o superficies industriales muy complejas aumenta rápidamente la cantidad de código geométrico que hay que generar y revisar.

Entonces se gastan grandes cantidades de tokens en preguntas como:

“¿Cómo se puede hacer esta superficie un poco más precisa?”

“¿Cómo debería ajustarse aún más este contorno?”

“¿Cuánto detalle geométrico debería añadirse aquí?”

Cuando las partes complejas se delegan directamente a V2Fun, estos procesos de bajo nivel se condensan en una sola llamada a un modelo especializado.

GPT-6 Astra puede dedicar más recursos de razonamiento a las decisiones que realmente los requieren:

Cómo dividir el objeto;

Qué partes deberían generarse por separado;

Cómo se relacionan espacialmente las piezas entre sí;

Cómo ensamblar el objeto final;

Dónde se necesitan más cambios.

Por eso V2Fun 2.0 ofrece más que “modelos de mejor aspecto”.

También tiene el potencial de reducir tanto el consumo de tokens como el tiempo total de modelado de GPT-6 Astra para tareas 3D complejas.

Anteriormente, el flujo de trabajo podía ser:

Comprender → Escribir código geométrico → Revisar → Escribir más código geométrico → Volver a revisar

Ahora se convierte en:

Comprender → Dividir en partes → Generar en paralelo → Ensamblar → Añadir detalles locales

Cuando se pueden generar simultáneamente varios componentes complejos, esta ventaja de eficiencia es aún mayor.

06 CONCLUSIÓN

De generar un modelo a convertirse en una capacidad 3D central para los agentes

Durante los últimos años, la pregunta central de la IA 3D ha sido:

¿Cómo generamos un modelo mejor?

Pero a medida que modelos como GPT-6 Astra adquieren capacidades más sólidas de comprensión multimodal, programación y actuación como agentes, esa pregunta está cambiando.

En el futuro, la IA quizá no necesite utilizar una única técnica para cada tarea 3D.

Las estructuras simples pueden codificarse directamente.

Las superficies complejas pueden delegarse a V2Fun.

Los recursos existentes pueden reutilizarse tal como están.

Después, la reducción de polígonos, el ensamblaje y los ajustes estructurales pueden devolverse al agente.

Esto coincide con el cambio de la industria de la generación 3D, que pasa de las herramientas de generación puntual a una productividad impulsada por agentes. El artículo de referencia describe la misma tendencia: la generación 3D está pasando de una etapa parecida a la de los primeros chatbots a una fase de productividad impulsada por agentes.

Para Vertex Lab, esta dirección es coherente con su visión técnica a largo plazo.

Desde el principio, la empresa nunca ha definido V2Fun simplemente como un “sitio web de imagen a 3D”.

Desde hacer más accesible la creación 3D en dispositivos móviles, pasando por permitir la producción profesional de recursos en la web, hasta los modelos 3D, la animación, el movimiento y la búsqueda a largo plazo de inteligencia espacial y modelos del mundo, Vertex Lab siempre ha aspirado a construir una infraestructura para la generación de contenido 3D y la inteligencia espacial.

El auge de los agentes puede abrir un nuevo camino hacia ese objetivo.

En el futuro, es posible que los usuarios no necesiten saber qué modelo invocar, qué código escribir o qué enfoque de modelado elegir.

Quizá solo tengan que decir:

“Convierte esto en 3D.”

GPT-6 Astra comprenderá la solicitud y decidirá cómo llevarla a cabo.

V2Fun 2.0 aspira a convertirse en la capacidad especializada de la que depende para el complejo mundo tridimensional.

GPT-6 Astra se encarga de la comprensión, la planificación y la construcción.

V2Fun convierte ideas tridimensionales complejas en recursos reales.

GPT-6 Astra × V2Fun: de la generación de código a la colaboración entre modelos.