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

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

Immagina un processo di modellazione 3D come questo.

Fornisci 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 componente, posiziona i cingoli ai due lati del sottocarro, collega il braccio al corpo e unisce quindi l’avambraccio e la benna in sequenza. Una volta completata la struttura principale, utilizza Three.js per aggiungere tubi idraulici, viti, perni di rotazione e persino i joystick di controllo all’interno della cabina.

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

Questo è più della semplice generazione da immagine a 3D o della sola generazione di codice.

È l’inizio di una collaborazione più naturale tra due capacità dell’IA:

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, sta esplorando 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 sa già costruire in 3D. Cosa viene dopo?

Uno dei cambiamenti più 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 costruirlo effettivamente attraverso metodi procedurali come Three.js.

Prendiamo ad esempio una linea di produzione industriale.

GPT-6 Astra può identificare 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. Un montante di supporto può essere rappresentato 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 questa prospettiva, GPT-6 Astra fa più che “generare 3D”. Sta iniziando a sviluppare una capacità più vicina a quella di un ingegnere 3D:

Capire da cosa è composto 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 continuare a scrivere tutta la geometria nel codice?

La risposta potrebbe non essere una scelta esclusiva.

Ed è proprio qui che V2Fun può inserirsi nel flusso di lavoro.

02

PERCHÉ V2FUN

Perché V2Fun?

V2Fun non è un’API 3D aggiunta all’ultimo momento solo per questa demo.

È la piattaforma di prodotto per la ricerca e lo sviluppo a lungo termine di Vertex Lab nel campo dei modelli fondazionali 3D per l’IA.

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

V2Fun è stata presentata in anteprima all’HDC 2026 come la prima applicazione AI-native di HarmonyOS basata su un modello fondazionale 3D. La sua app mobile e il 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.

Per questo 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 a:

“Come dovrebbe essere costruito questo oggetto?”

L’altra è più adatta a rispondere a:

“Che aspetto dovrebbe avere realmente questo componente complesso?”

Quando queste due capacità si uniscono, la generazione 3D non è più limitata a un unico 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, corpo, cabina, braccio, avambraccio e benna. Può anche capire come queste parti debbano essere collegate.

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 profilo complesso e i cingoli e il sottocarro contengono moltissimi dettagli di design industriale.

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

Ma più la geometria è complessa, più codice deve essere generato e revisionato e più iterazioni sono necessarie.

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

Abbiamo quindi provato un approccio diverso.

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

Poi delega i componenti principali complessi, come cabina, cingoli, braccio e benna, a V2Fun 2.0 per una generazione separata.

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

Qui V2Fun offre esattamente la capacità che sta sviluppando:

Ricostruire direttamente strutture 3D complesse dall’input visivo, invece di chiedere a un modello linguistico di descrivere indirettamente le superfici 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 genera ancora autonomamente molti elementi.

I tubi idraulici, per esempio.

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 ognuno 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 generazione di codice e modello fondazionale 3D, l’agente decide quale capacità sia più adatta a ciascuna parte.

04

ANCORA PIÙ COMPLESSO

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

L’escavatore è ancora principalmente un oggetto con superfici rigide.

I personaggi umani e le superfici organiche complesse sono ciò che porta realmente 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 include 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 molto più che dal posizionamento approssimativamente corretto di occhi, naso e bocca.

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

Lo stesso vale per l’armatura.

Sebbene sia un oggetto con superfici rigide, non è un semplice componente ingegneristico. Rilievi, ornamenti, 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 posizionate la spada e lo scudo? Le proporzioni delle parti sono coerenti? Quali modelli richiedono una riduzione del numero di poligoni? E come dovrebbe essere organizzato tutto in una risorsa 3D che possa essere modificata e utilizzata ulteriormente?

In altre parole:

V2Fun risponde alla domanda “come generare rapidamente geometrie complesse e di alta qualità”.

GPT-6 Astra risponde alla domanda “come trasformare quella geometria in un oggetto completo”.

Perché V2Fun è in grado di gestire questo livello di complessità geometrica?

Il motivo 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 alla gestione dei problemi di disallineamento, lacerazione e perdita di dettagli che si verificano comunemente nella generazione multivista ad alta risoluzione.

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

Per un agente, capacità di questo tipo sono di grande importanza.

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 eventualmente 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 utilizza Three.js per descrivere una struttura semplice, impiega 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 da generare e revisionare.

Si spendono quindi grandi quantità di token per domande come:

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

“Come si dovrebbe modificare ulteriormente questo profilo?”

“Quanti dettagli geometrici si dovrebbero aggiungere 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 suddividere l’oggetto;

Quali parti generare separatamente;

Come le parti sono correlate tra loro nello spazio;

Come assemblare l’oggetto finale;

Dove sono necessarie ulteriori modifiche.

Per questo V2Fun 2.0 offre più di “modelli dall’aspetto migliore”.

Ha anche il potenziale di ridurre sia il consumo di token e 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 della geometria → Revisionare → Scrivere altro codice della geometria → 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 dell’IA 3D è stata:

Come generare un modello migliore?

Ma man mano che modelli come GPT-6 Astra acquisiscono capacità più avanzate di comprensione multimodale, programmazione e agenti, anche questa domanda sta cambiando.

In futuro, l’IA potrebbe non aver bisogno di utilizzare un’unica 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 restituiti all’agente.

Questo è in linea con il passaggio dell’industria della generazione 3D dagli 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 basata sugli 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 dispositivi mobili, 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 infrastrutture 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 dover soltanto dire:

“Trasforma questo in 3D.”

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

V2Fun 2.0 punta a diventare la capacità specializzata su cui l’agente 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.

06

CONCLUSIONE

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

Negli ultimi anni, la domanda centrale dell’IA 3D è stata:

Come generare un modello migliore?

Ma man mano che modelli come GPT-6 Astra acquisiscono capacità più avanzate di comprensione multimodale, programmazione e agenti, anche questa domanda sta cambiando.

In futuro, l’IA potrebbe non aver bisogno di utilizzare un’unica 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 restituiti all’agente.

Questo è in linea con il passaggio dell’industria della generazione 3D dagli 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 basata sugli 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 dispositivi mobili, 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 infrastrutture 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 dover soltanto dire:

“Trasforma questo in 3D.”

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

V2Fun 2.0 punta a diventare la capacità specializzata su cui l’agente 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.