GPT-6 Astra x V2Fun - Dalla generazione di codice alla collaborazione tra modelli

Immagina un processo di modellazione 3D come questo.

Dai a GPT-6 Astra un'immagine di riferimento di un escavatore. Per prima cosa identifica i componenti della macchina: cabina, cingoli, sottocarro, braccio, avambraccio, benna e altro ancora.

Questi componenti principali vengono quindi inviati singolarmente a un modello specializzato di generazione 3D e restituiti come risorse separate nel giro di poche decine di secondi.

Poi subentra GPT-6 Astra.

Determina la scala e le relazioni spaziali di ogni parte, posiziona i cingoli ai lati del sottocarro, collega il braccio al corpo e unisce quindi l'avambraccio e la benna in sequenza. Una volta completata la struttura principale, usa Three.js per aggiungere tubi idraulici, viti, perni di articolazione e persino i joystick di comando all'interno della cabina.

Infine, nella scena 3D appare un escavatore completo, strutturato e modificabile.

Non si tratta soltanto di generazione da immagine a 3D, né soltanto di generazione di codice.

Si tratta di due capacità dell'IA che iniziano a lavorare insieme in modo più naturale:

GPT-6 Astra si occupa di comprensione, pianificazione e costruzione, mentre un modello fondazionale 3D specializzato gestisce la geometria complessa.

Questo è un nuovo flusso di lavoro che V2Fun, un prodotto di Vertex Lab, ha iniziato a esplorare di recente.

Alla base c'è un cambiamento più ampio:

Gli agenti 3D stanno passando dal “generare tutto autonomamente” al “sapere quale modello chiamare e quando”.

01 PUNTO DI SVOLTA

GPT-6 Astra è già in grado di costruire in 3D. Cosa viene dopo?

Uno dei cambiamenti significativi introdotti da GPT-6 Astra è che i modelli linguistici di grandi dimensioni stanno entrando davvero nel mondo tridimensionale.

In passato eravamo più abituati a chiedere all'IA di generare un'immagine, un video o un testo. Ora, grazie a capacità sempre più avanzate di comprensione multimodale, ragionamento spaziale e programmazione, GPT-6 Astra può comprendere la struttura di un oggetto 3D e poi costruirlo concretamente attraverso metodi procedurali come Three.js.

Prendiamo ad esempio una linea di produzione industriale.

GPT-6 Astra può identificare i suoi nastri trasportatori, rulli, telai di supporto, motori e postazioni di lavoro, per poi generare progressivamente la geometria corrispondente.

Questi oggetti sono particolarmente adatti alla modellazione procedurale perché tendono ad avere relazioni matematiche chiare e strutture ripetute. Una colonna di supporto può essere rappresentata da una forma geometrica di base, un rullo può essere duplicato decine di volte e la lunghezza e la posizione di un nastro trasportatore possono essere controllate direttamente tramite parametri.

Ancora più importante, il risultato non è una mesh completamente opaca.

Ogni componente della linea di produzione rimane un oggetto separato che può ancora essere spostato, duplicato, eliminato o modificato.

Da questo punto di vista, GPT-6 Astra fa più che “generare 3D”. Sta iniziando a sviluppare una capacità più vicina a quella di un ingegnere 3D:

Capire di cosa è fatto un oggetto e costruirlo.

Ma quando gli oggetti diventano più complessi, emerge una nuova domanda.

E se l'oggetto non fosse una linea di produzione, ma un volto umano, una creatura, un capo d'abbigliamento, una scultura o persino un escavatore con superfici industriali complesse? GPT-6 Astra dovrebbe comunque scrivere tutta la geometria nel codice?

La risposta potrebbe non essere un aut-aut.

Ed è esattamente qui che V2Fun può entrare nel flusso di lavoro.

02 PERCHÉ V2FUN

Perché V2Fun?

V2Fun non è un'API 3D aggiunta al volo solo per questa demo.

È la piattaforma di prodotto dedicata alla ricerca e allo sviluppo a lungo termine di Vertex Lab nel campo dei modelli fondazionali 3D.

Fondata nel 2025, Vertex Lab si è concentrata costantemente sulla generazione 3D, sull'intelligenza spaziale e, nel lungo periodo, sull'infrastruttura per i modelli del mondo.

V2Fun è stata presentata in precedenza all'HDC 2026 come la prima applicazione AI-native di HarmonyOS basata su un modello fondazionale 3D. La sua app mobile e il suo workspace web coprono l'intero flusso di lavoro, dalla creazione quotidiana alla produzione professionale di contenuti 3D.

Al suo centro ha sempre affrontato la stessa domanda:

Come si può trasformare un oggetto tridimensionale complesso in una risorsa 3D utilizzabile, con meno impegno e in meno tempo?

La prossima V2Fun 2.0 porterà queste capacità ancora più avanti.

La nuova versione includerà l'ultima generazione del suo modello fondazionale 3D e supporterà la generazione di texture con risoluzioni fino a 8K. Si concentrerà sul miglioramento della qualità di generazione per geometrie complesse, personaggi umani, creature, abbigliamento, sculture e altre superfici irregolari.

Ecco perché la combinazione di V2Fun e GPT-6 Astra è più di una collaborazione occasionale tra prodotti.

I problemi che eccellono nel risolvere sono intrinsecamente complementari.

GPT-6 Astra eccelle nella comprensione, nella pianificazione, nelle relazioni spaziali, nella programmazione e nell'orchestrazione degli agenti.

V2Fun eccelle nella generazione diretta di geometrie 3D complesse e superfici di alta qualità.

Il primo è più adatto a rispondere alla domanda:

“Come dovrebbe essere costruito questo oggetto?”

L'altro è più adatto a rispondere alla domanda:

“Che aspetto dovrebbe avere concretamente questo componente complesso?”

Quando queste due capacità si uniscono, la generazione 3D non è più limitata a un solo approccio.

03 SFIDA

Alcune cose si costruiscono meglio con il codice. Altre si generano meglio direttamente.

Torniamo a quell'escavatore.

Dal punto di vista strutturale, è altamente regolare.

GPT-6 Astra può comprendere facilmente che un escavatore è composto da un sottocarro, cingoli sinistro e destro, un corpo, una cabina, un braccio, un avambraccio e una benna. Può anche comprendere come collegare queste parti.

Ma osservando più attentamente, il problema cambia.

La cabina non è un semplice cubo e la scocca non può essere rappresentata accuratamente combinando alcuni primitivi. La benna presenta superfici curve continue, il braccio ha un contorno complesso e i cingoli e il sottocarro contengono una grande quantità di dettagli di design industriale.

GPT-6 Astra può certamente continuare ad approssimare queste strutture con codice procedurale.

Ma quanto più la geometria è complessa, tanto più codice deve essere generato e revisionato, e tanto più numerose diventano le iterazioni necessarie.

Per un agente, questo significa spendere sempre più token per descrivere la geometria a basso livello.

Abbiamo quindi provato un approccio diverso.

GPT-6 Astra prima “comprende” l'escavatore.

Poi delega a V2Fun 2.0 la generazione separata dei componenti principali complessi, come cabina, cingoli, braccio e benna.

Una volta completata la generazione, GPT-6 Astra riprende il controllo per regolare scala, rotazione e posizione e assemblare l'oggetto completo.

Qui V2Fun offre esattamente la capacità che sta sviluppando:

Ricostruire strutture 3D complesse direttamente dall'input visivo, invece di far descrivere a un modello linguistico le superfici indirettamente attraverso grandi quantità di codice.

Può sembrare semplicemente un modo per scrivere meno Three.js, ma in realtà cambia l'intero approccio computazionale.

È ancora più interessante il fatto che V2Fun non sostituisca Three.js.

Dopo l'assemblaggio, GPT-6 Astra continua a generare autonomamente molti elementi.

Ad esempio, i tubi idraulici.

Un tubo è essenzialmente una struttura tubolare che collega alcuni punti chiave, il che lo rende ideale per la modellazione procedurale.

Lo stesso vale per viti, alberi di collegamento e joystick.

Questi oggetti hanno dimensioni regolari, strutture semplici e spesso compaiono in grandi quantità. Chiamare separatamente un modello fondazionale 3D per ciascuno di essi aggiungerebbe in realtà costi e complessità al flusso di lavoro.

L'escavatore finale è quindi una vera risorsa ibrida.

V2Fun genera i componenti principali complessi.

GPT-6 Astra + Three.js gestisce i dettagli regolari.

GPT-6 Astra organizza poi entrambi in un unico oggetto 3D strutturato.

È questo a rendere convincente l'approccio:

Invece di scegliere tra la generazione di codice e un modello fondazionale 3D, l'agente decide quale capacità sia più adatta a ciascuna parte.

04 PIÙ COMPLESSO

Con i personaggi umani, il valore di V2Fun diventa ancora più evidente

L'escavatore è ancora principalmente un oggetto hard-surface.

I personaggi umani e le superfici organiche complesse sono ciò che porta davvero un approccio puramente procedurale ai suoi limiti.

Per esplorare questo aspetto, abbiamo creato una demo più ambiziosa:

Chiedere a GPT-6 Astra di costruire un re completamente armato e corazzato.

Oltre al corpo umano, questo personaggio comprende un'armatura elaborata, una testa, una spada e uno scudo.

I personaggi umani sono molto più difficili da esprimere attraverso regole rispetto alle apparecchiature meccaniche.

Che un volto “sembri corretto” dipende da più che dal semplice posizionamento approssimativamente corretto di occhi, naso e bocca.

La forma del viso, gli zigomi, le orbite, il ponte nasale, le labbra e i cambiamenti sottili e continui della curvatura tra questi elementi contribuiscono tutti all'aspetto finale.

Lo stesso vale per l'armatura.

Sebbene sia un oggetto hard-surface, non è un semplice componente ingegneristico. Lavorazioni in rilievo, decorazioni, superfici continue e forme stilizzate contribuiscono tutti all'identità visiva del personaggio.

Questi sono esattamente i tipi di oggetti che il modello fondazionale 3D di nuova generazione di V2Fun 2.0 è più adatto a gestire.

In questa demo, GPT-6 Astra comprende prima il personaggio nel suo insieme e lo suddivide in diverse parti principali: testa, corpo e armatura, spada e scudo.

V2Fun genera quindi separatamente questi componenti complessi.

GPT-6 Astra gestisce ciò che viene dopo:

La testa è scalata correttamente e come dovrebbe collegarsi al corpo? Dove dovrebbero essere posizionati la spada e lo scudo? Le proporzioni delle parti sono coerenti? Quali modelli richiedono una riduzione dei poligoni? E come dovrebbe essere organizzato tutto in una risorsa 3D che possa essere modificata e utilizzata ulteriormente?

In altre parole:

V2Fun si occupa di “come generare rapidamente geometrie complesse e di alta qualità”.

GPT-6 Astra si occupa di “come trasformare quella geometria in un oggetto completo”.

Perché V2Fun è in grado di gestire questo livello di geometria complessa?

La ragione va oltre il fatto che “è anch'esso un modello da immagine a 3D”.

La ricerca e lo sviluppo fondamentali di Vertex Lab negli ultimi anni si sono concentrati su due domande essenziali:

Come rappresentare la geometria in modo più accurato e come mantenere texture ad alta risoluzione coerenti sulle superfici 3D.

Sul fronte della geometria, il team continua a perfezionare le rappresentazioni 3D e l'architettura di generazione, con l'obiettivo di ridurre le rappresentazioni geometriche inefficienti e concentrare la capacità del modello sulle aree ad alta curvatura, sulle strutture sottili e sulle regioni complesse.

Sul fronte delle texture, l'attenzione è rivolta ad affrontare i problemi di disallineamento, strappi e perdita di dettagli che si verificano comunemente nella generazione multivista ad alta risoluzione.

Questo sostiene anche la capacità di V2Fun 2.0 di fornire texture di alta qualità con risoluzioni fino a 8K.

Per un agente, capacità di questo tipo sono molto importanti.

Sta chiamando un modello specializzato che produce vere risorse 3D, invece di uno strumento di generazione visiva che crea soltanto qualcosa che “sembra 3D”.

Le risorse generate devono ancora essere assemblate, ridotte nel numero di poligoni e modificate da GPT-6 Astra, e potrebbero infine entrare in flussi di lavoro di animazione, videogiochi, stampa 3D o altri ambiti 3D.

Questa è la sfida di prodotto che V2Fun sta cercando di risolvere:

Fare in modo che l'IA generi più di un risultato usa e getta: una risorsa 3D con cui le persone possano davvero continuare a lavorare.

05 EFFICIENZA

Oltre alla qualità superiore, c'è un altro cambiamento: i token

Questo flusso di lavoro offre un altro vantaggio molto diretto:

Efficienza dei token.

Quando GPT-6 Astra usa Three.js per descrivere una struttura semplice, utilizza i token in modo molto efficiente.

Un cilindro, un tubo idraulico o alcune viti richiedono pochissimo codice.

Ma applicare lo stesso metodo per approssimare volti umani, pieghe del tessuto o superfici industriali altamente complesse aumenta rapidamente la quantità di codice geometrico che deve essere generata e revisionata.

Grandi quantità di token vengono quindi spese per domande come:

“Come si può rendere questa superficie un po' più accurata?”

“Come si dovrebbe modificare ulteriormente questo contorno?”

“Quanto dettaglio geometrico dovrebbe essere aggiunto qui?”

Quando le parti complesse vengono delegate direttamente a V2Fun, questi processi di basso livello vengono condensati in una singola chiamata a un modello specializzato.

GPT-6 Astra può dedicare una parte maggiore delle proprie risorse di ragionamento alle decisioni che ne hanno davvero bisogno:

Come scomporre l'oggetto;

Quali parti generare separatamente;

Come sono correlate spazialmente le parti tra loro;

Come assemblare l'oggetto finale;

Dove sono necessarie ulteriori modifiche.

Ecco perché V2Fun 2.0 offre più di “modelli dall'aspetto migliore”.

Ha anche il potenziale per ridurre sia il consumo di token sia il tempo totale di modellazione di GPT-6 Astra per le attività 3D complesse.

In precedenza, il flusso di lavoro poteva essere:

Comprendere → Scrivere il codice geometrico → Revisionare → Scrivere altro codice geometrico → Revisionare di nuovo

Ora diventa:

Comprendere → Suddividere in parti → Generare in parallelo → Assemblare → Aggiungere dettagli locali

Quando più componenti complessi possono essere generati simultaneamente, questo vantaggio in termini di efficienza diventa ancora maggiore.

06 CONCLUSIONE

Dalla generazione di un modello a una capacità 3D fondamentale per gli agenti

Negli ultimi anni, la domanda centrale nell'ambito dell'IA 3D è stata:

Come possiamo generare un modello migliore?

Ma poiché modelli come GPT-6 Astra acquisiscono capacità più forti di comprensione multimodale, programmazione e gestione degli agenti, la domanda sta cambiando.

In futuro, l'IA potrebbe non aver bisogno di usare una singola tecnica per ogni attività 3D.

Le strutture semplici possono essere codificate direttamente.

Le superfici complesse possono essere delegate a V2Fun.

Le risorse esistenti possono essere riutilizzate così come sono.

La riduzione dei poligoni, l'assemblaggio e gli aggiustamenti strutturali possono poi essere affidati nuovamente all'agente.

Questo è in linea con il passaggio del settore della generazione 3D da strumenti di generazione una tantum verso una produttività guidata dagli agenti. L'articolo di riferimento descrive la stessa tendenza: la generazione 3D sta passando da una fase simile a quella dei primi chatbot a una fase di produttività alimentata dagli agenti.

Per Vertex Lab, questa direzione è coerente con la sua visione tecnica a lungo termine.

Fin dall'inizio, l'azienda non ha mai definito V2Fun semplicemente come un “sito web da immagine a 3D”.

Dal rendere la creazione 3D più accessibile su mobile, all'abilitare la produzione professionale di risorse sul web, fino ai modelli 3D, all'animazione, al movimento e alla ricerca a lungo termine sull'intelligenza spaziale e sui modelli del mondo, Vertex Lab ha sempre puntato a costruire un'infrastruttura per la generazione di contenuti 3D e l'intelligenza spaziale.

La crescita degli agenti potrebbe aprire una nuova strada verso questo obiettivo.

In futuro, gli utenti potrebbero non aver bisogno di sapere quale modello chiamare, quale codice scrivere o quale approccio di modellazione scegliere.

Potrebbero aver bisogno soltanto di dire:

“Trasforma questo in 3D.”

GPT-6 Astra comprenderà la richiesta e deciderà come eseguirla.

V2Fun 2.0 mira a diventare la capacità specializzata su cui fa affidamento per il complesso mondo tridimensionale.

GPT-6 Astra si occupa di comprensione, pianificazione e costruzione.

V2Fun trasforma idee tridimensionali complesse in risorse reali.

GPT-6 Astra × V2Fun: dalla generazione di codice alla collaborazione tra modelli.