GPT-6 Astra x V2Fun - Dari Pembuatan Kode hingga Kolaborasi Model

Bayangkan proses pemodelan 3D seperti ini.

Anda memberikan GPT-6 Astra sebuah gambar referensi ekskavator. Pertama-tama, GPT-6 Astra mengidentifikasi komponen-komponen mesin: kabin, track, undercarriage, boom, stick, bucket, dan lainnya.

Komponen-komponen utama ini kemudian dikirim satu per satu ke model generasi 3D khusus dan dikembalikan sebagai aset terpisah dalam hitungan puluhan detik.

Selanjutnya, GPT-6 Astra mengambil alih.

GPT-6 Astra menentukan skala dan hubungan spasial setiap bagian, menempatkan track di kedua sisi undercarriage, memasang boom ke bodi, lalu menghubungkan stick dan bucket secara berurutan. Setelah struktur utama selesai, GPT-6 Astra menggunakan Three.js untuk menambahkan selang hidraulik, sekrup, poros pivot, bahkan joystick kontrol di dalam kabin.

Akhirnya, sebuah ekskavator yang lengkap, terstruktur, dan dapat diedit muncul di dalam scene 3D.

Ini lebih dari sekadar generasi gambar-ke-3D atau generasi kode.

Ini adalah dua kemampuan AI yang mulai bekerja sama dengan cara yang lebih alami:

GPT-6 Astra menangani pemahaman, perencanaan, dan konstruksi, sementara model fondasi 3D khusus menangani geometri yang kompleks.

Ini adalah alur kerja baru yang baru-baru ini mulai dieksplorasi oleh V2Fun, produk dari Vertex Lab.

Di baliknya terdapat pergeseran yang lebih luas:

Agen 3D beralih dari “menghasilkan semuanya sendiri” menjadi “mengetahui model mana yang harus dipanggil, dan kapan.”

01 TITIK BALIK

GPT-6 Astra sudah dapat membangun dalam 3D. Apa selanjutnya?

Salah satu perubahan signifikan yang dibawa GPT-6 Astra adalah bahwa model bahasa besar benar-benar mulai memasuki dunia tiga dimensi.

Di masa lalu, kita lebih terbiasa meminta AI untuk menghasilkan gambar, video, atau teks. Kini, dengan kemampuan pemahaman multimodal, penalaran spasial, dan pemrograman yang semakin canggih, GPT-6 Astra dapat memahami struktur objek 3D lalu benar-benar membangunnya melalui metode prosedural seperti Three.js.

Ambil lini produksi industri sebagai contoh.

GPT-6 Astra dapat mengidentifikasi sabuk konveyor, roller, rangka penyangga, motor, dan stasiun kerja, lalu secara bertahap menghasilkan geometri yang sesuai.

Objek-objek ini sangat cocok untuk pemodelan prosedural karena biasanya memiliki hubungan matematis yang jelas dan struktur berulang. Sebuah kolom penyangga dapat direpresentasikan dengan bentuk geometris dasar, sebuah roller dapat diduplikasi puluhan kali, dan panjang serta posisi sabuk konveyor dapat dikontrol langsung melalui parameter.

Yang lebih penting, hasilnya bukan mesh yang sepenuhnya tidak transparan.

Setiap komponen dalam lini produksi tetap menjadi objek terpisah yang masih dapat dipindahkan, diduplikasi, dihapus, atau dimodifikasi.

Dari perspektif ini, GPT-6 Astra melakukan lebih dari sekadar “menghasilkan 3D.” GPT-6 Astra mulai mengembangkan kemampuan yang lebih mendekati seorang insinyur 3D:

Memahami objek tersusun dari apa, lalu membangunnya.

Namun, ketika objek menjadi lebih kompleks, pertanyaan baru pun muncul.

Bagaimana jika objek tersebut bukan lini produksi, melainkan wajah manusia, makhluk, pakaian, patung, atau bahkan ekskavator dengan permukaan industri yang kompleks? Haruskah GPT-6 Astra tetap menulis semua geometri dalam kode?

Jawabannya mungkin bukan pilihan salah satu.

Dan di sinilah V2Fun dapat memasuki alur kerja.

02 MENGAPA V2FUN

Mengapa V2Fun?

V2Fun bukanlah API 3D yang ditambahkan secara mendadak hanya untuk demo ini.

V2Fun adalah platform produk untuk penelitian dan pengembangan jangka panjang Vertex Lab terhadap model fondasi AI 3D.

Didirikan pada 2025, Vertex Lab secara konsisten berfokus pada generasi 3D, kecerdasan spasial, dan, dalam jangka panjang, infrastruktur untuk world model.

V2Fun sebelumnya diperkenalkan di HDC 2026 sebagai aplikasi AI-native pertama HarmonyOS yang didukung model fondasi 3D. Aplikasi seluler dan workspace web-nya mencakup seluruh alur kerja, mulai dari kreasi sehari-hari hingga produksi konten 3D profesional.

Pada intinya, V2Fun selalu menjawab pertanyaan yang sama:

Bagaimana objek tiga dimensi yang kompleks dapat diubah menjadi aset 3D yang siap digunakan, dengan usaha dan waktu yang lebih sedikit?

V2Fun 2.0 yang akan datang akan membawa kemampuan ini lebih jauh.

Versi baru ini akan dilengkapi model fondasi 3D generasi terbaru dan mendukung generasi tekstur dengan resolusi hingga 8K. Fokusnya adalah meningkatkan kualitas generasi untuk geometri kompleks, karakter manusia, makhluk, pakaian, patung, dan permukaan tidak beraturan lainnya.

Inilah sebabnya kombinasi V2Fun dan GPT-6 Astra lebih dari sekadar kolaborasi produk yang kebetulan terjadi.

Masalah yang unggul mereka selesaikan pada dasarnya saling melengkapi.

GPT-6 Astra unggul dalam pemahaman, perencanaan, hubungan spasial, pemrograman, dan orkestrasi agen.

V2Fun unggul dalam menghasilkan geometri 3D kompleks dan permukaan berkualitas tinggi secara langsung.

Yang satu lebih baik dalam menjawab:

“Bagaimana objek ini harus dibangun?”

Yang lain lebih baik dalam menjawab:

“Seperti apa sebenarnya komponen kompleks ini?”

Setelah kedua kemampuan ini digabungkan, generasi 3D tidak lagi terbatas pada satu pendekatan.

03 TANTANGAN

Sebagian hal paling baik dibangun dengan kode. Yang lain lebih baik dihasilkan secara langsung.

Mari kembali ke ekskavator tersebut.

Secara struktural, ekskavator sangat teratur.

GPT-6 Astra dapat dengan mudah memahami bahwa ekskavator terdiri dari undercarriage, track kiri dan kanan, bodi, kabin, boom, stick, dan bucket. GPT-6 Astra juga dapat memahami bagaimana bagian-bagian tersebut harus terhubung.

Namun, jika diperhatikan lebih dekat, masalahnya berubah.

Kabin bukanlah kubus sederhana, dan cangkang bodi tidak dapat direpresentasikan secara akurat hanya dengan menggabungkan beberapa bentuk primitif. Bucket memiliki permukaan melengkung kontinu, lengan memiliki garis luar yang kompleks, dan track serta undercarriage mengandung banyak detail desain industri.

GPT-6 Astra tentu dapat terus mendekati struktur ini dengan kode prosedural.

Namun, semakin kompleks geometrinya, semakin banyak kode yang harus dibuat dan direvisi, serta semakin banyak iterasi yang diperlukan.

Bagi sebuah agen, ini berarti menghabiskan semakin banyak token untuk mendeskripsikan geometri tingkat rendah.

Jadi, kami mencoba pendekatan yang berbeda.

GPT-6 Astra terlebih dahulu “memahami” ekskavator.

Kemudian GPT-6 Astra mendelegasikan komponen utama yang kompleks, seperti kabin, track, lengan, dan bucket, kepada V2Fun 2.0 untuk dibuat secara terpisah.

Setelah generasi selesai, GPT-6 Astra kembali mengambil alih untuk menyesuaikan skala, rotasi, dan posisi, lalu merakit seluruh objek.

Di sini, V2Fun menghadirkan kemampuan yang memang sedang dikembangkannya:

Merekonstruksi struktur 3D kompleks secara langsung dari input visual, alih-alih meminta model bahasa mendeskripsikan permukaan secara tidak langsung melalui kode dalam jumlah besar.

Sekilas, ini mungkin terlihat seperti sekadar menulis lebih sedikit Three.js, tetapi sebenarnya pendekatan komputasinya berubah secara keseluruhan.

Yang lebih menarik, V2Fun tidak menggantikan Three.js.

Setelah perakitan, GPT-6 Astra masih menghasilkan banyak elemen itu sendiri.

Selang hidraulik, misalnya.

Selang pada dasarnya adalah struktur berbentuk tabung yang menghubungkan beberapa titik penting, sehingga sangat ideal untuk pemodelan prosedural.

Hal yang sama berlaku untuk sekrup, poros penghubung, dan joystick.

Objek-objek ini memiliki dimensi yang teratur, struktur sederhana, dan sering muncul dalam jumlah besar. Memanggil model fondasi 3D secara terpisah untuk setiap objek justru akan menambah biaya dan kompleksitas alur kerja.

Karena itu, ekskavator final merupakan aset hibrida yang sesungguhnya.

V2Fun menghasilkan komponen utama yang kompleks.

GPT-6 Astra + Three.js menangani detail yang teratur.

GPT-6 Astra kemudian mengatur keduanya menjadi satu objek 3D yang terstruktur.

Inilah yang membuat pendekatan ini menarik:

Alih-alih memilih antara generasi kode dan model fondasi 3D, agen menentukan kemampuan mana yang paling sesuai untuk setiap bagian.

04 LEBIH KOMPLEKS

Pada karakter manusia, nilai V2Fun menjadi semakin jelas

Ekskavator masih merupakan objek yang terutama berupa hard-surface.

Karakter manusia dan permukaan organik yang kompleks benar-benar mendorong pendekatan yang sepenuhnya prosedural hingga mencapai batasnya.

Untuk mengeksplorasi hal ini, kami membuat demo yang lebih ambisius:

Meminta GPT-6 Astra membangun seorang raja yang sepenuhnya bersenjata dan berzirah.

Selain tubuh manusia itu sendiri, karakter ini mencakup zirah yang rumit, kepala, pedang, dan perisai.

Karakter manusia jauh lebih sulit diekspresikan melalui aturan dibandingkan peralatan mekanis.

Apakah sebuah wajah “terlihat benar” bergantung pada lebih dari sekadar menempatkan mata, hidung, dan mulut di posisi yang kurang lebih tepat.

Bentuk wajah, tulang pipi, rongga mata, batang hidung, bibir, serta perubahan kelengkungan yang halus dan kontinu di antara semuanya turut menentukan tampilan akhir.

Hal yang sama berlaku untuk zirah.

Meskipun merupakan objek hard-surface, zirah bukanlah komponen teknik yang sederhana. Relief, ornamen, permukaan kontinu, dan bentuk bergaya semuanya berkontribusi pada identitas visual karakter.

Objek-objek inilah yang paling sesuai ditangani oleh model fondasi 3D generasi berikutnya dari V2Fun 2.0.

Dalam demo ini, GPT-6 Astra terlebih dahulu memahami karakter secara keseluruhan dan memecahnya menjadi beberapa bagian utama: kepala, tubuh dan zirah, pedang, serta perisai.

V2Fun kemudian menghasilkan komponen-komponen kompleks ini secara terpisah.

GPT-6 Astra menangani tahap berikutnya:

Apakah kepala memiliki skala yang tepat, dan bagaimana kepala harus terhubung dengan tubuh? Di mana pedang dan perisai harus ditempatkan? Apakah proporsi setiap bagian konsisten? Model mana yang memerlukan pengurangan poligon? Dan bagaimana semuanya harus diatur menjadi aset 3D yang dapat diedit dan digunakan lebih lanjut?

Dengan kata lain:

V2Fun menangani “cara menghasilkan geometri kompleks dengan cepat dan berkualitas tinggi.”

GPT-6 Astra menangani “cara mengubah geometri tersebut menjadi objek yang lengkap.”

Mengapa V2Fun dapat menangani lapisan geometri kompleks ini?

Alasannya lebih dari sekadar “V2Fun juga merupakan model gambar-ke-3D.”

Penelitian dan pengembangan inti Vertex Lab dalam beberapa waktu terakhir berfokus pada dua pertanyaan mendasar:

Bagaimana merepresentasikan geometri dengan lebih akurat, dan bagaimana menjaga konsistensi tekstur beresolusi tinggi di seluruh permukaan 3D.

Dalam hal geometri, tim terus menyempurnakan representasi 3D dan arsitektur generasinya, dengan tujuan mengurangi representasi geometris yang tidak efisien serta memusatkan kapasitas model pada area dengan kelengkungan tinggi, struktur tipis, dan wilayah kompleks.

Dalam hal tekstur, fokusnya adalah mengatasi ketidakselarasan, robekan, dan hilangnya detail yang umum terjadi dalam generasi multiview beresolusi tinggi.

Hal ini juga mendukung kemampuan V2Fun 2.0 untuk menghasilkan tekstur berkualitas tinggi dengan resolusi hingga 8K.

Bagi sebuah agen, kemampuan seperti ini sangat penting.

Agen memanggil model khusus yang menghasilkan aset 3D nyata, bukan alat generasi visual yang sekadar membuat sesuatu yang “terlihat 3D.”

Aset yang dihasilkan tetap perlu dirakit, dikurangi jumlah poligonnya, dan dimodifikasi oleh GPT-6 Astra, serta pada akhirnya dapat digunakan dalam animasi, game, pencetakan 3D, atau alur kerja 3D lainnya.

Inilah tantangan produk yang sedang diupayakan V2Fun untuk diselesaikan:

Memastikan AI menghasilkan lebih dari sekadar hasil sekali pakai: aset 3D yang benar-benar dapat terus digunakan dan dikerjakan oleh manusia.

05 EFISIENSI

Selain kualitas yang lebih tinggi, ada perubahan lain: token

Alur kerja ini memiliki manfaat lain yang sangat langsung:

Efisiensi token.

Ketika GPT-6 Astra menggunakan Three.js untuk mendeskripsikan struktur sederhana, token digunakan dengan sangat efisien.

Sebuah silinder, selang hidraulik, atau beberapa sekrup hanya memerlukan sedikit kode.

Namun, menerapkan metode yang sama untuk mendekati wajah manusia, lipatan kain, atau permukaan industri yang sangat kompleks dengan cepat meningkatkan jumlah kode geometri yang harus dibuat dan direvisi.

Sejumlah besar token kemudian dihabiskan untuk pertanyaan seperti:

“Bagaimana membuat permukaan ini sedikit lebih akurat?”

“Bagaimana garis luar ini harus disesuaikan lebih lanjut?”

“Seberapa banyak detail geometris yang harus ditambahkan di sini?”

Ketika bagian-bagian kompleks langsung didelegasikan kepada V2Fun, proses tingkat rendah ini diringkas menjadi satu panggilan ke model khusus.

GPT-6 Astra dapat mencurahkan lebih banyak sumber daya penalarannya untuk keputusan yang benar-benar membutuhkannya:

Cara memecah objek;

Bagian mana yang harus dihasilkan secara terpisah;

Bagaimana bagian-bagian tersebut saling berhubungan dalam ruang;

Cara merakit objek final;

Di mana perubahan lebih lanjut diperlukan.

Inilah sebabnya V2Fun 2.0 menawarkan lebih dari sekadar “model yang terlihat lebih baik.”

V2Fun 2.0 juga berpotensi mengurangi konsumsi token dan total waktu pemodelan GPT-6 Astra untuk tugas 3D yang kompleks.

Sebelumnya, alur kerjanya mungkin seperti ini:

Memahami → Menulis kode geometri → Merevisi → Menulis lebih banyak kode geometri → Merevisi lagi

Kini alurnya menjadi:

Memahami → Memecah menjadi beberapa bagian → Menghasilkan secara paralel → Merakit → Menambahkan detail lokal

Ketika beberapa komponen kompleks dapat dihasilkan secara bersamaan, keunggulan efisiensi ini menjadi semakin besar.

06 PENUTUP

Dari menghasilkan model menjadi kemampuan 3D inti bagi agen

Dalam beberapa tahun terakhir, pertanyaan utama dalam AI 3D adalah:

Bagaimana kita menghasilkan model yang lebih baik?

Namun, ketika model seperti GPT-6 Astra memperoleh kemampuan pemahaman multimodal, pemrograman, dan agen yang lebih kuat, pertanyaan tersebut pun berubah.

Di masa depan, AI mungkin tidak perlu menggunakan satu teknik untuk setiap tugas 3D.

Struktur sederhana dapat langsung dibuat dengan kode.

Permukaan kompleks dapat didelegasikan kepada V2Fun.

Aset yang sudah ada dapat digunakan kembali apa adanya.

Pengurangan poligon, perakitan, dan penyesuaian struktural kemudian dapat diserahkan kembali kepada agen.

Hal ini sejalan dengan pergeseran industri generasi 3D dari alat generasi sekali pakai menuju produktivitas yang digerakkan oleh agen. Artikel referensi tersebut menggambarkan tren yang sama: generasi 3D bergerak dari tahap yang menyerupai chatbot awal menuju fase produktivitas yang didukung agen.

Bagi Vertex Lab, arah ini konsisten dengan visi teknis jangka panjangnya.

Sejak awal, perusahaan tidak pernah mendefinisikan V2Fun hanya sebagai “situs web gambar-ke-3D.”

Mulai dari membuat kreasi 3D lebih mudah diakses melalui perangkat seluler, memungkinkan produksi aset profesional di web, hingga model 3D, animasi, gerakan, serta upaya jangka panjang menuju kecerdasan spasial dan world model, Vertex Lab selalu berupaya membangun infrastruktur untuk generasi konten 3D dan kecerdasan spasial.

Kemunculan agen dapat membuka jalur baru menuju tujuan tersebut.

Di masa depan, pengguna mungkin tidak perlu mengetahui model mana yang harus dipanggil, kode apa yang harus ditulis, atau pendekatan pemodelan mana yang harus dipilih.

Mereka mungkin hanya perlu mengatakan:

“Ubah ini menjadi 3D.”

GPT-6 Astra akan memahami permintaan tersebut dan menentukan cara untuk mewujudkannya.

V2Fun 2.0 bertujuan menjadi kemampuan khusus yang diandalkan GPT-6 Astra untuk menghadapi dunia tiga dimensi yang kompleks.

GPT-6 Astra menangani pemahaman, perencanaan, dan konstruksi.

V2Fun mengubah ide tiga dimensi yang kompleks menjadi aset nyata.

GPT-6 Astra × V2Fun: Dari generasi kode menuju kolaborasi model.