GPT-6 Astra x V2Fun - कोड जनरेशन से मॉडल सहयोग तक

इस तरह की 3D मॉडलिंग प्रक्रिया की कल्पना करें।

आप GPT-6 Astra को एक खुदाई मशीन की संदर्भ छवि देते हैं। यह पहले मशीन के घटकों की पहचान करता है: कैबिन, ट्रैक, अंडरकैरिज, बूम, स्टिक, बकेट और अन्य।

इसके बाद इन मुख्य घटकों को अलग-अलग एक विशेषीकृत 3D जनरेशन मॉडल को भेजा जाता है और कुछ ही दर्जन सेकंड में अलग-अलग एसेट के रूप में वापस प्राप्त किया जाता है।

इसके बाद GPT-6 Astra काम संभालता है।

यह हर भाग का पैमाना और स्थानिक संबंध निर्धारित करता है, अंडरकैरिज के दोनों ओर ट्रैक रखता है, बूम को बॉडी से जोड़ता है, और फिर क्रम से स्टिक और बकेट को जोड़ता है। मुख्य संरचना पूरी हो जाने के बाद, यह Three.js का उपयोग करके हाइड्रॉलिक होज़, स्क्रू, पिवट शाफ्ट और यहां तक कि कैब के अंदर कंट्रोल जॉयस्टिक भी जोड़ता है।

अंततः 3D दृश्य में एक पूर्ण, संरचित और संपादन योग्य खुदाई मशीन दिखाई देती है।

यह केवल इमेज-टू-3D जनरेशन या केवल कोड जनरेशन से कहीं अधिक है।

यह दो AI क्षमताओं के अधिक स्वाभाविक तरीके से साथ काम करना शुरू करने का उदाहरण है:

GPT-6 Astra समझ, योजना और निर्माण संभालता है, जबकि एक विशेषीकृत 3D फाउंडेशन मॉडल जटिल ज्यामिति संभालता है।

यह एक नया वर्कफ़्लो है, जिसे Vertex Lab का उत्पाद V2Fun हाल ही में तलाश रहा है।

इसके पीछे एक व्यापक बदलाव है:

3D एजेंट “सब कुछ खुद जनरेट करने” से “यह जानने” की ओर बढ़ रहे हैं कि किस मॉडल को कब कॉल करना है।

01 निर्णायक बदलाव

GPT-6 Astra पहले से ही 3D में निर्माण कर सकता है। आगे क्या?

GPT-6 Astra द्वारा लाया गया एक महत्वपूर्ण बदलाव यह है कि बड़े भाषा मॉडल वास्तव में त्रि-आयामी दुनिया में प्रवेश कर रहे हैं।

अतीत में हम AI से कोई छवि, वीडियो या टेक्स्ट तैयार करने के लिए कहने के अधिक अभ्यस्त थे। अब, लगातार बेहतर होती मल्टीमॉडल समझ, स्थानिक तर्क और कोडिंग के साथ, GPT-6 Astra 3D ऑब्जेक्ट की संरचना समझ सकता है और फिर Three.js जैसी प्रक्रियात्मक विधियों के माध्यम से वास्तव में उसका निर्माण कर सकता है।

उदाहरण के लिए एक औद्योगिक उत्पादन लाइन लें।

GPT-6 Astra उसके कन्वेयर बेल्ट, रोलर, सपोर्ट फ्रेम, मोटर और वर्कस्टेशन की पहचान कर सकता है, फिर संबंधित ज्यामिति को क्रमशः जनरेट कर सकता है।

ये ऑब्जेक्ट प्रक्रियात्मक मॉडलिंग के लिए विशेष रूप से उपयुक्त हैं, क्योंकि इनमें स्पष्ट गणितीय संबंध और दोहराई जाने वाली संरचनाएं होती हैं। एक सपोर्ट कॉलम को मूल ज्यामितीय आकार से दर्शाया जा सकता है, एक रोलर को दर्जनों बार डुप्लिकेट किया जा सकता है, और कन्वेयर बेल्ट की लंबाई तथा स्थिति को सीधे पैरामीटर के माध्यम से नियंत्रित किया जा सकता है।

इससे भी महत्वपूर्ण बात यह है कि परिणाम पूरी तरह अपारदर्शी मेश नहीं होता।

उत्पादन लाइन का प्रत्येक घटक एक अलग ऑब्जेक्ट बना रहता है, जिसे अब भी स्थानांतरित, डुप्लिकेट, हटाया या संशोधित किया जा सकता है।

इस दृष्टिकोण से GPT-6 Astra केवल “3D जनरेट” नहीं कर रहा है। यह 3D इंजीनियर जैसी क्षमता विकसित करना शुरू कर रहा है:

यह समझना कि कोई ऑब्जेक्ट किन चीज़ों से बना है और उसका निर्माण करना।

लेकिन जैसे-जैसे ऑब्जेक्ट अधिक जटिल होते जाते हैं, एक नया प्रश्न सामने आता है।

अगर ऑब्जेक्ट उत्पादन लाइन नहीं, बल्कि मानव चेहरा, कोई जीव, कपड़े, मूर्ति या जटिल औद्योगिक सतहों वाली खुदाई मशीन हो तो? क्या GPT-6 Astra को अब भी सारी ज्यामिति कोड में लिखनी चाहिए?

उत्तर शायद किसी एक विकल्प तक सीमित नहीं है।

और ठीक यहीं V2Fun वर्कफ़्लो में प्रवेश कर सकता है।

02 V2FUN क्यों

V2Fun क्यों?

V2Fun केवल इस डेमो के लिए जल्दबाज़ी में जोड़ा गया कोई 3D API नहीं है।

यह Vertex Lab के AI 3D फाउंडेशन मॉडल के दीर्घकालिक अनुसंधान और विकास का उत्पाद प्लेटफ़ॉर्म है।

2025 में स्थापित Vertex Lab ने लगातार 3D जनरेशन, स्थानिक बुद्धिमत्ता और दीर्घकालिक रूप से वर्ल्ड मॉडल के लिए इन्फ्रास्ट्रक्चर पर ध्यान केंद्रित किया है।

V2Fun ने पहले HDC 2026 में HarmonyOS के पहले AI-नेटिव एप्लिकेशन के रूप में शुरुआत की थी, जो एक 3D फाउंडेशन मॉडल द्वारा संचालित था। इसका मोबाइल ऐप और वेब वर्कस्पेस रोज़मर्रा के निर्माण से लेकर पेशेवर 3D कंटेंट प्रोडक्शन तक के पूरे वर्कफ़्लो को कवर करते हैं।

इसके केंद्र में हमेशा एक ही प्रश्न रहा है:

कम प्रयास और कम समय में किसी जटिल त्रि-आयामी ऑब्जेक्ट को उपयोगी 3D एसेट में कैसे बदला जाए?

आगामी V2Fun 2.0 इन क्षमताओं को और आगे ले जाएगा।

नए संस्करण में इसके 3D फाउंडेशन मॉडल की नवीनतम पीढ़ी शामिल होगी और यह 8K तक के रिज़ॉल्यूशन पर टेक्सचर जनरेशन का समर्थन करेगा। इसका ध्यान जटिल ज्यामिति, मानव किरदारों, जीवों, कपड़ों, मूर्तियों और अन्य अनियमित सतहों के लिए जनरेशन गुणवत्ता बेहतर करने पर होगा।

इसीलिए V2Fun और GPT-6 Astra का संयोजन केवल संयोगवश हुआ उत्पाद सहयोग नहीं है।

जिन समस्याओं को हल करने में दोनों उत्कृष्ट हैं, वे स्वाभाविक रूप से एक-दूसरे की पूरक हैं।

GPT-6 Astra समझ, योजना, स्थानिक संबंधों, कोडिंग और एजेंट ऑर्केस्ट्रेशन में उत्कृष्ट है।

V2Fun जटिल 3D ज्यामिति और उच्च-गुणवत्ता वाली सतहों को सीधे जनरेट करने में उत्कृष्ट है।

एक बेहतर ढंग से इस प्रश्न का उत्तर देता है:

“इस ऑब्जेक्ट का निर्माण कैसे किया जाना चाहिए?”

दूसरा बेहतर ढंग से इस प्रश्न का उत्तर देता है:

“यह जटिल घटक वास्तव में कैसा दिखना चाहिए?”

जब ये दोनों क्षमताएं साथ आती हैं, तो 3D जनरेशन अब किसी एक दृष्टिकोण तक सीमित नहीं रहती।

03 चुनौती

कुछ चीज़ें कोड से बनाना बेहतर है। अन्य को सीधे जनरेट करना बेहतर है।

आइए उस खुदाई मशीन पर लौटते हैं।

संरचनात्मक रूप से यह अत्यंत नियमित है।

GPT-6 Astra आसानी से समझ सकता है कि खुदाई मशीन में अंडरकैरिज, बाएं और दाएं ट्रैक, बॉडी, कैबिन, बूम, स्टिक और बकेट होते हैं। यह यह भी समझ सकता है कि इन भागों को किस तरह जुड़ना चाहिए।

लेकिन करीब से देखने पर समस्या बदल जाती है।

कैबिन कोई साधारण घन नहीं है और बॉडी शेल को कुछ प्रिमिटिव आकारों को जोड़कर सटीक रूप से प्रदर्शित नहीं किया जा सकता। बकेट में लगातार मुड़ी हुई सतहें हैं, आर्म की बाहरी रूपरेखा जटिल है, और ट्रैक तथा अंडरकैरिज में औद्योगिक डिज़ाइन के अनेक विवरण हैं।

GPT-6 Astra निश्चित रूप से प्रक्रियात्मक कोड के साथ इन संरचनाओं का अनुमान लगाना जारी रख सकता है।

लेकिन ज्यामिति जितनी जटिल होगी, उतना ही अधिक कोड जनरेट और संशोधित करना पड़ेगा और उतने ही अधिक पुनरावृत्तियों की आवश्यकता होगी।

किसी एजेंट के लिए इसका अर्थ है निम्न-स्तरीय ज्यामिति का वर्णन करने में लगातार अधिक टोकन खर्च करना।

इसलिए हमने एक अलग दृष्टिकोण आज़माया।

GPT-6 Astra पहले खुदाई मशीन को “समझता” है।

फिर यह कैबिन, ट्रैक, आर्म और बकेट जैसे जटिल मुख्य घटकों को अलग-अलग जनरेशन के लिए V2Fun 2.0 को सौंप देता है।

जनरेशन पूरी होने के बाद GPT-6 Astra फिर से काम संभालता है, पैमाने, घुमाव और स्थिति को समायोजित करता है और पूरे ऑब्जेक्ट को असेंबल करता है।

यहां V2Fun वही क्षमता प्रदान करता है जिसे वह विकसित करता आया है:

भाषा मॉडल से बड़ी मात्रा में कोड के माध्यम से सतहों का अप्रत्यक्ष वर्णन कराने के बजाय, दृश्य इनपुट से सीधे जटिल 3D संरचनाओं का पुनर्निर्माण करना।

यह केवल कम Three.js लिखने जैसा लग सकता है, लेकिन वास्तव में यह पूरी कम्प्यूटेशनल पद्धति बदल देता है।

और भी दिलचस्प बात यह है कि V2Fun Three.js को प्रतिस्थापित नहीं करता।

असेंबली के बाद GPT-6 Astra अब भी कई तत्वों को स्वयं जनरेट करता है।

उदाहरण के लिए हाइड्रॉलिक होज़।

होज़ मूल रूप से कुछ प्रमुख बिंदुओं को जोड़ने वाली नलीनुमा संरचना होती है, इसलिए यह प्रक्रियात्मक मॉडलिंग के लिए आदर्श है।

यही बात स्क्रू, कनेक्टिंग शाफ्ट और जॉयस्टिक पर भी लागू होती है।

इन ऑब्जेक्ट के आयाम नियमित, संरचनाएं सरल और संख्या अक्सर अधिक होती है। हर एक के लिए अलग से 3D फाउंडेशन मॉडल को कॉल करना वास्तव में वर्कफ़्लो में लागत और जटिलता बढ़ा देगा।

इसलिए अंतिम खुदाई मशीन एक वास्तविक हाइब्रिड एसेट है।

V2Fun जटिल मुख्य घटक जनरेट करता है।

GPT-6 Astra + Three.js नियमित विवरण संभालते हैं।

इसके बाद GPT-6 Astra दोनों को एकल, संरचित 3D ऑब्जेक्ट में व्यवस्थित करता है।

यही इस दृष्टिकोण को प्रभावशाली बनाता है:

कोड जनरेशन और 3D फाउंडेशन मॉडल के बीच चुनाव करने के बजाय, एजेंट तय करता है कि प्रत्येक भाग के लिए कौन-सी क्षमता सबसे उपयुक्त है।

04 अधिक जटिल

मानव किरदारों के साथ V2Fun का महत्व और भी स्पष्ट हो जाता है

खुदाई मशीन अब भी मुख्य रूप से हार्ड-सर्फ़ेस ऑब्जेक्ट है।

मानव किरदार और जटिल ऑर्गेनिक सतहें ही किसी पूरी तरह प्रक्रियात्मक दृष्टिकोण की सीमाओं को वास्तव में सामने लाती हैं।

इसे परखने के लिए हमने एक अधिक महत्वाकांक्षी डेमो बनाया:

GPT-6 Astra से पूरी तरह हथियारबंद और कवचधारी राजा बनाने को कहना।

मानव शरीर के अलावा इस किरदार में जटिल कवच, सिर, तलवार और ढाल शामिल हैं।

यांत्रिक उपकरणों की तुलना में मानव किरदारों को नियमों के माध्यम से व्यक्त करना बहुत कठिन है।

किसी चेहरे का “सही दिखना” केवल आंखों, नाक और मुंह को लगभग सही स्थानों पर रखने पर निर्भर नहीं करता।

चेहरे का आकार, गाल की हड्डियां, आंखों के गड्ढे, नाक का पुल, होंठ और इनके बीच वक्रता में होने वाले सूक्ष्म, निरंतर बदलाव सभी अंतिम रूप में योगदान देते हैं।

कवच के लिए भी यही बात सही है।

हालांकि यह हार्ड-सर्फ़ेस ऑब्जेक्ट है, लेकिन यह कोई साधारण इंजीनियरिंग घटक नहीं है। उभरी हुई कारीगरी, अलंकरण, निरंतर सतहें और शैलीबद्ध रूप सभी किरदार की दृश्य पहचान में योगदान देते हैं।

यही वे ऑब्जेक्ट हैं जिन्हें V2Fun 2.0 का अगली पीढ़ी का 3D फाउंडेशन मॉडल बेहतर ढंग से संभाल सकता है।

इस डेमो में GPT-6 Astra पहले किरदार को समग्र रूप से समझता है और उसे कई मुख्य भागों में बांटता है: सिर, शरीर और कवच, तलवार और ढाल।

इसके बाद V2Fun इन जटिल घटकों को अलग-अलग जनरेट करता है।

GPT-6 Astra इसके बाद का काम संभालता है:

क्या सिर का पैमाना सही है और इसे शरीर से कैसे जोड़ा जाना चाहिए? तलवार और ढाल को कहां रखा जाना चाहिए? क्या भागों के अनुपात एकसमान हैं? किन मॉडलों के पॉलीगॉन कम करने की आवश्यकता है? और हर चीज़ को ऐसे 3D एसेट में कैसे व्यवस्थित किया जाए जिसे संपादित करके आगे उपयोग किया जा सके?

दूसरे शब्दों में:

V2Fun “जटिल ज्यामिति को तेज़ी से और उच्च गुणवत्ता में कैसे जनरेट किया जाए” को संबोधित करता है।

GPT-6 Astra “उस ज्यामिति को पूर्ण ऑब्जेक्ट में कैसे बदला जाए” को संबोधित करता है।

V2Fun जटिल ज्यामिति की इस परत को क्यों संभाल सकता है?

इसका कारण केवल यह नहीं है कि “यह भी एक इमेज-टू-3D मॉडल है।”

हाल के कार्यों में Vertex Lab के मुख्य अनुसंधान और विकास ने दो मूलभूत प्रश्नों पर ध्यान केंद्रित किया है:

ज्यामिति को अधिक सटीक रूप से कैसे दर्शाया जाए और 3D सतहों पर उच्च-रिज़ॉल्यूशन टेक्सचर को एकसमान कैसे रखा जाए।

ज्यामिति के क्षेत्र में टीम अपने 3D रिप्रेज़ेंटेशन और जनरेशन आर्किटेक्चर को लगातार बेहतर बना रही है, जिसका लक्ष्य अप्रभावी ज्यामितीय रिप्रेज़ेंटेशन को कम करना और मॉडल की क्षमता को उच्च-वक्रता वाले क्षेत्रों, पतली संरचनाओं और जटिल भागों पर केंद्रित करना है।

टेक्सचर के क्षेत्र में ध्यान उन असंगतियों, फटने और विवरणों की कमी को दूर करने पर है जो आमतौर पर उच्च-रिज़ॉल्यूशन, मल्टीव्यू जनरेशन में होती हैं।

यही V2Fun 2.0 की 8K तक के रिज़ॉल्यूशन पर उच्च-गुणवत्ता वाले टेक्सचर उपलब्ध कराने की क्षमता का आधार भी है।

किसी एजेंट के लिए ऐसी क्षमताएं बहुत महत्वपूर्ण हैं।

यह ऐसे विशेषीकृत मॉडल को कॉल कर रहा है जो वास्तविक 3D एसेट तैयार करता है, न कि ऐसे दृश्य जनरेशन टूल को जो केवल कुछ ऐसा बनाता है जो “3D जैसा दिखता है।”

जनरेट किए गए एसेट को अब भी GPT-6 Astra द्वारा असेंबल, पॉलीगॉन संख्या में कम और संशोधित करने की आवश्यकता होगी, और अंततः वे एनीमेशन, गेमिंग, 3D प्रिंटिंग या अन्य 3D वर्कफ़्लो में प्रवेश कर सकते हैं।

यही वह उत्पाद चुनौती है जिसे V2Fun हल करने के लिए काम कर रहा है:

यह सुनिश्चित करना कि AI केवल एक बार का परिणाम नहीं, बल्कि ऐसा 3D एसेट जनरेट करे जिसके साथ लोग वास्तव में आगे भी काम कर सकें।

05 दक्षता

बेहतर गुणवत्ता से आगे, एक और बदलाव है: टोकन

इस वर्कफ़्लो का एक और प्रत्यक्ष लाभ है:

टोकन दक्षता।

जब GPT-6 Astra किसी सरल संरचना का वर्णन करने के लिए Three.js का उपयोग करता है, तो यह टोकन का बहुत कुशलता से उपयोग करता है।

एक सिलिंडर, हाइड्रॉलिक होज़ या कुछ स्क्रू के लिए बहुत कम कोड की आवश्यकता होती है।

लेकिन मानव चेहरों, कपड़े की सिलवटों या अत्यंत जटिल औद्योगिक सतहों का अनुमान लगाने के लिए यही तरीका अपनाने पर जनरेट और संशोधित किए जाने वाले ज्यामिति कोड की मात्रा तेज़ी से बढ़ती है।

इसके बाद बड़ी संख्या में टोकन ऐसे प्रश्नों पर खर्च होते हैं:

“इस सतह को थोड़ा अधिक सटीक कैसे बनाया जाए?”

“इस रूपरेखा को और कैसे समायोजित किया जाए?”

“यहां कितनी ज्यामितीय जानकारी जोड़ी जानी चाहिए?”

जब जटिल भागों को सीधे V2Fun को सौंप दिया जाता है, तो ये निम्न-स्तरीय प्रक्रियाएं विशेषीकृत मॉडल को किए गए एकल कॉल में संक्षिप्त हो जाती हैं।

GPT-6 Astra अपने तर्क संसाधनों को उन निर्णयों पर अधिक केंद्रित कर सकता है जिन्हें वास्तव में उनकी आवश्यकता है:

ऑब्जेक्ट को कैसे विभाजित करना है;

किन भागों को अलग-अलग जनरेट किया जाना चाहिए;

भागों का एक-दूसरे से स्थानिक संबंध कैसे है;

अंतिम ऑब्जेक्ट को कैसे असेंबल करना है;

आगे के बदलावों की आवश्यकता कहां है।

इसीलिए V2Fun 2.0 केवल “बेहतर दिखने वाले मॉडल” प्रदान नहीं करता।

इसमें जटिल 3D कार्यों के लिए GPT-6 Astra की टोकन खपत और कुल मॉडलिंग समय दोनों को कम करने की क्षमता भी है।

पहले वर्कफ़्लो शायद यह रहा होगा:

समझना → ज्यामिति कोड लिखना → संशोधित करना → और ज्यामिति कोड लिखना → फिर से संशोधित करना

अब यह बन जाता है:

समझना → भागों में बांटना → समानांतर रूप से जनरेट करना → असेंबल करना → स्थानीय विवरण जोड़ना

जब कई जटिल घटकों को एक साथ जनरेट किया जा सकता है, तो दक्षता का यह लाभ और भी बड़ा हो जाता है।

06 निष्कर्ष

मॉडल जनरेट करने से एजेंटों के लिए मुख्य 3D क्षमता बनने तक

पिछले कुछ वर्षों में AI 3D का केंद्रीय प्रश्न रहा है:

हम बेहतर मॉडल कैसे जनरेट करें?

लेकिन जैसे-जैसे GPT-6 Astra जैसे मॉडल अधिक मजबूत मल्टीमॉडल समझ, कोडिंग और एजेंट क्षमताएं हासिल कर रहे हैं, यह प्रश्न बदल रहा है।

भविष्य में AI को हर 3D कार्य के लिए एक ही तकनीक का उपयोग करने की आवश्यकता नहीं होगी।

सरल संरचनाओं को सीधे कोड किया जा सकता है।

जटिल सतहों को V2Fun को सौंपा जा सकता है।

मौजूदा एसेट का उसी रूप में पुनः उपयोग किया जा सकता है।

इसके बाद पॉलीगॉन कम करना, असेंबली और संरचनात्मक समायोजन फिर से एजेंट को सौंपे जा सकते हैं।

यह 3D जनरेशन उद्योग के एक बार इस्तेमाल होने वाले जनरेशन टूल से एजेंट-आधारित उत्पादकता की ओर बढ़ने के अनुरूप है। संदर्भ लेख भी इसी प्रवृत्ति का वर्णन करता है: 3D जनरेशन शुरुआती चैटबॉट जैसे चरण से एजेंट द्वारा संचालित उत्पादकता के चरण की ओर बढ़ रही है।

Vertex Lab के लिए यह दिशा उसके दीर्घकालिक तकनीकी दृष्टिकोण के अनुरूप है।

शुरुआत से ही कंपनी ने V2Fun को केवल “इमेज-टू-3D वेबसाइट” के रूप में परिभाषित नहीं किया है।

मोबाइल पर 3D निर्माण को अधिक सुलभ बनाने से लेकर वेब पर पेशेवर एसेट प्रोडक्शन सक्षम करने तक, और 3D मॉडल, एनीमेशन, मोशन तथा दीर्घकालिक रूप से स्थानिक बुद्धिमत्ता और वर्ल्ड मॉडल की दिशा में आगे बढ़ने तक, Vertex Lab का लक्ष्य हमेशा 3D कंटेंट जनरेशन और स्थानिक बुद्धिमत्ता के लिए इन्फ्रास्ट्रक्चर बनाना रहा है।

एजेंटों का उदय इस लक्ष्य की ओर एक नया मार्ग खोल सकता है।

भविष्य में उपयोगकर्ताओं को यह जानने की आवश्यकता नहीं होगी कि किस मॉडल को कॉल करना है, कौन-सा कोड लिखना है या कौन-सा मॉडलिंग दृष्टिकोण चुनना है।

उन्हें केवल यह कहना होगा:

“इसे 3D में बदलो।”

GPT-6 Astra अनुरोध को समझेगा और तय करेगा कि उसे कैसे पूरा करना है।

V2Fun 2.0 का लक्ष्य जटिल त्रि-आयामी दुनिया के लिए वह विशेषीकृत क्षमता बनना है जिस पर यह निर्भर करता है।

GPT-6 Astra समझ, योजना और निर्माण संभालता है।

V2Fun जटिल त्रि-आयामी विचारों को वास्तविक एसेट में बदलता है।

GPT-6 Astra × V2Fun: कोड जनरेशन से मॉडल सहयोग तक।