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

GPT-6 Astra × V2Fun: Dari Pembuatan Kode hingga ​Kolaborasi Model

Bayangkan proses pemodelan 3D seperti ini.

Anda memberikan GPT-6 Astra gambar referensi sebuah ekskavator. Pertama-tama, ia mengidentifikasi komponen mesin: kabin, rantai, rangka bawah, boom, lengan, bucket, dan lainnya.

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

Selanjutnya, GPT-6 Astra mengambil alih.

Ia menentukan skala dan hubungan spasial setiap bagian, menempatkan rantai di kedua sisi rangka bawah, memasang boom ke bodi, lalu menyambungkan lengan dan bucket secara berurutan. Setelah struktur utama selesai, ia menggunakan Three.js untuk menambahkan selang hidraulik, sekrup, poros engsel, bahkan joystick kendali di dalam kabin.

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

Ini lebih dari sekadar pembuatan gambar-ke-3D, atau pembuatan 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.

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

Di baliknya terdapat perubahan 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 berikutnya?

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

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

Sebagai contoh, ambil lini produksi industri.

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 cenderung memiliki hubungan matematis yang jelas dan struktur berulang. Tiang penyangga dapat direpresentasikan dengan bentuk geometris dasar, roller dapat diduplikasi puluhan kali, dan panjang serta posisi sabuk konveyor dapat dikendalikan 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.” Ia mulai mengembangkan kemampuan yang lebih mirip dengan seorang insinyur 3D:

Memahami terbuat dari apa sebuah objek, lalu membangunnya.

Namun, ketika objek menjadi semakin kompleks, muncul pertanyaan baru.

Bagaimana jika objeknya 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 memilih salah satunya.

Dan inilah tepatnya tempat V2Fun dapat memasuki alur kerja.

02

MENGAPA V2FUN

Mengapa V2Fun?

V2Fun bukan 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 3D AI.

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

V2Fun sebelumnya diperkenalkan di HDC 2026 sebagai aplikasi AI-native pertama HarmonyOS yang didukung model fondasi 3D. Aplikasi seluler dan ruang kerja 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 dapat digunakan, dengan upaya dan waktu yang lebih sedikit?

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

Versi baru ini akan dilengkapi generasi terbaru model fondasi 3D-nya dan mendukung pembuatan tekstur dengan resolusi hingga 8K. Fokusnya adalah meningkatkan kualitas pembuatan 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, coding, dan orkestrasi agen.

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

Yang satu lebih baik dalam menjawab:

“Bagaimana seharusnya objek ini dibangun?”

Yang lain lebih baik dalam menjawab:

“Seperti apa sebenarnya komponen kompleks ini?”

Setelah kedua kemampuan ini bersatu, pembuatan 3D tidak lagi terbatas pada satu pendekatan.

03

TANTANGAN

Sebagian objek paling baik dibangun dengan kode. Sebagian lainnya lebih baik dihasilkan secara langsung.

Mari kembali ke ekskavator tadi.

Secara struktural, ekskavator sangat teratur.

GPT-6 Astra dapat dengan mudah memahami bahwa ekskavator terdiri dari rangka bawah, rantai kiri dan kanan, bodi, kabin, boom, lengan, dan bucket. Ia juga dapat memahami bagaimana bagian-bagian tersebut harus terhubung.

Namun, jika diperhatikan lebih dekat, masalahnya berubah.

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

GPT-6 Astra tentu dapat terus memperkirakan 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 semakin banyak token yang dihabiskan untuk menjelaskan geometri tingkat rendah.

Jadi, kami mencoba pendekatan yang berbeda.

GPT-6 Astra terlebih dahulu “memahami” ekskavator.

Kemudian ia mendelegasikan komponen utama yang kompleks, seperti kabin, rantai, lengan, dan bucket, kepada V2Fun 2.0 untuk dibuat secara terpisah.

Setelah pembuatan 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 membuat model bahasa mendeskripsikan permukaan secara tidak langsung melalui sejumlah besar kode.

Hal ini mungkin terlihat seperti sekadar menulis lebih sedikit Three.js, tetapi sebenarnya mengubah keseluruhan pendekatan komputasi.

Yang lebih menarik, V2Fun tidak menggantikan Three.js.

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

Selang hidraulik, misalnya.

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

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

Objek-objek ini memiliki dimensi 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.

Oleh 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 pembuatan 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 terutama merupakan objek permukaan keras.

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

Untuk mengeksplorasinya, 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 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 antaranya semuanya berkontribusi pada tampilan akhir.

Hal yang sama berlaku untuk zirah.

Meskipun merupakan objek permukaan keras, zirah bukan komponen teknik sederhana. Relief, ornamen, permukaan kontinu, dan bentuk bergaya semuanya berkontribusi pada identitas visual karakter.

Inilah jenis objek yang paling cocok 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 benar, dan bagaimana kepala harus terhubung ke 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 menjawab “cara menghasilkan geometri kompleks dengan cepat dan berkualitas tinggi.”

GPT-6 Astra menjawab “cara mengubah geometri tersebut menjadi objek 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 ​tekstur beresolusi tinggi​​ tetap konsisten di seluruh permukaan 3D.

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

Di sisi tekstur, fokusnya adalah mengatasi ketidakselarasan, robekan, dan hilangnya detail yang umum terjadi dalam pembuatan multiview beresolusi tinggi.

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

Bagi agen, kemampuan seperti ini sangat penting.

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

Aset yang dihasilkan tetap perlu dirakit, dikurangi jumlah poligonnya, dan dimodifikasi oleh GPT-6 Astra, lalu mungkin 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 dikerjakan oleh pengguna.

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, penggunaan tokennya sangat efisien.

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

Namun, menerapkan metode yang sama untuk memperkirakan 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 dibuat secara terpisah;

Hubungan spasial antarbagian;

Cara merakit objek final;

Bagian yang memerlukan perubahan lebih lanjut.

Inilah sebabnya V2Fun 2.0 menawarkan lebih dari sekadar “model yang tampak 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:

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

Kini menjadi:

Memahami → Memecah menjadi 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 inti 3D untuk agen

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

Bagaimana kita menghasilkan model yang lebih baik?

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

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

Struktur sederhana dapat dikodekan secara langsung.

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 peralihan industri pembuatan 3D dari alat pembuatan sekali pakai menuju produktivitas yang digerakkan oleh agen. Artikel referensi tersebut menggambarkan tren yang sama: pembuatan 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 sekadar 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 tujuan jangka panjang berupa kecerdasan spasial dan model dunia, Vertex Lab selalu berupaya membangun infrastruktur untuk pembuatan 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 mewujudkannya.

V2Fun 2.0 bertujuan menjadi kemampuan khusus yang diandalkannya untuk 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 pembuatan kode hingga kolaborasi model.

06

PENUTUP

Dari menghasilkan model menjadi kemampuan inti 3D untuk agen

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

Bagaimana kita menghasilkan model yang lebih baik?

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

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

Struktur sederhana dapat dikodekan secara langsung.

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 peralihan industri pembuatan 3D dari alat pembuatan sekali pakai menuju produktivitas yang digerakkan oleh agen. Artikel referensi tersebut menggambarkan tren yang sama: pembuatan 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 sekadar 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 tujuan jangka panjang berupa kecerdasan spasial dan model dunia, Vertex Lab selalu berupaya membangun infrastruktur untuk pembuatan 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 mewujudkannya.

V2Fun 2.0 bertujuan menjadi kemampuan khusus yang diandalkannya untuk 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 pembuatan kode hingga kolaborasi model.