GPT-6 Astra x V2Fun - コード生成からモデル連携へ

** GPT-6 Astra × V2Fun：コード生成からモデル協調へ **

このような 3D モデリングプロセスを想像してみてください。

GPT-6 Astra に油圧ショベルの参照画像を渡します。まず、キャビン、履帯、下部走行体、ブーム、アーム、バケットなど、機械の構成要素を特定します。

これらの主要コンポーネントは、その後、専用の 3D 生成モデルに個別に送られ、数十秒以内に個別のアセットとして返されます。

次に、GPT-6 Astra が引き継ぎます。

各部品のスケールと空間的な関係を判断し、下部走行体の左右に履帯を配置し、ブームを本体に取り付け、続けてアームとバケットを接続します。主要構造が完成すると、 Three.js を使って油圧ホース、ねじ、旋回軸、さらにはキャビン内部の操作レバーまで追加します。

最後に、完全で構造化され、編集可能な油圧ショベルが 3D シーンに現れます。

これは、画像から 3D への生成だけでも、コード生成だけでもありません。

2 つの AI 能力が、より自然な形で連携し始めているのです。

** GPT-6 Astra は理解、計画、構築を担い、専用の 3D 基盤モデルは複雑なジオメトリを担います。 **

これは、 Vertex Lab の製品である ** V2Fun ** が最近模索している新しいワークフローです。

その背景には、より大きな変化があります。

** 3D エージェントは、「すべてを自分で生成する」段階から、「どのモデルをいつ呼び出すべきかを理解する」段階へ移行しています。 **

** 01 **

** 転換点 **

** GPT-6 Astra はすでに 3D で構築できる。次に来るものは何か？ **

GPT-6 Astra がもたらした大きな変化の 1 つは、大規模言語モデルが本格的に 3 次元の世界へ進出したことです。

これまで私たちは、 AI に画像、動画、あるいは文章を生成してもらうことに慣れていました。現在では、ますます高度になるマルチモーダル理解、空間推論、コーディングによって、 GPT-6 Astra は 3D オブジェクトの構造を理解し、 Three.js のような手続き型の手法を通じて、実際にそれを構築できます。

たとえば、工業生産ラインを考えてみましょう。

GPT-6 Astra は、コンベヤーベルト、ローラー、支持フレーム、モーター、作業ステーションを特定し、対応するジオメトリを段階的に生成できます。

これらのオブジェクトは、明確な数学的関係と反復構造を持つ傾向があるため、手続き型モデリングに特に適しています。支持柱は基本的な幾何形状で表現でき、ローラーは数十回複製でき、コンベヤーベルトの長さと位置はパラメーターによって直接制御できます。

さらに重要なのは、結果が完全に不透明なメッシュではないことです。

生産ラインの各コンポーネントは個別のオブジェクトとして保持され、移動、複製、削除、変更を引き続き行えます。

この観点から見ると、 GPT-6 Astra は単に「 3D を生成」しているだけではありません。 3D エンジニアに近い能力を発揮し始めているのです。

** オブジェクトが何で構成されているかを理解し、それを構築すること。 **

しかし、オブジェクトが複雑になるにつれて、新たな疑問が生じます。

そのオブジェクトが生産ラインではなく、人間の顔、生物、衣服、彫刻、あるいは複雑な工業表面を持つ油圧ショベルだったらどうでしょうか？ GPT-6 Astra はそれでも、すべてのジオメトリをコードで記述すべきなのでしょうか？

答えは、二者択一ではないかもしれません。

そして、まさにここで V2Fun がワークフローに加わります。

** 02 **

** なぜ V2Fun なのか **

** なぜ V2Fun なのか？ **

V2Fun は、このデモのためだけに急ごしらえで追加された 3D API ではありません。

Vertex Lab が長期的に取り組む AI 3D 基盤モデルの研究開発のための製品プラットフォームです。

2025 年に設立された Vertex Lab は、一貫して 3D 生成、空間知能、そして長期的にはワールドモデルのためのインフラに注力してきました。

V2Fun は以前、 HDC 2026 において、 3D 基盤モデルを搭載した HarmonyOS 初の AI ネイティブアプリケーションとして発表されました。モバイルアプリとウェブワークスペースは、日常的な制作からプロフェッショナルな 3D コンテンツ制作まで、ワークフロー全体をカバーしています。

その中核にあるのは、常に同じ問いです。

** 複雑な 3 次元オブジェクトを、より少ない労力と短い時間で、実用的な 3D アセットに変えるにはどうすればよいか？ **

近日公開予定の ** V2Fun 2.0 ** は、これらの機能をさらに進化させます。

新バージョンには最新世代の 3D 基盤モデルが搭載され、最大 8K 解像度のテクスチャ生成に対応します。複雑なジオメトリ、人間キャラクター、生物、衣服、彫刻、その他の不規則な表面の生成品質向上に重点を置きます。

だからこそ、 V2Fun と GPT-6 Astra の組み合わせは、偶然生まれた製品コラボレーション以上のものなのです。

両者が得意とする問題解決の領域は、本質的に補完関係にあります。

GPT-6 Astra は、理解、計画、空間的関係、コーディング、エージェントのオーケストレーションを得意とします。

V2Fun は、複雑な 3D ジオメトリと高品質な表面を直接生成することを得意とします。

一方は、次の問いに答えることに優れています。

** 「このオブジェクトはどのように構築すべきか？」 **

もう一方は、次の問いに答えることに優れています。

** 「この複雑なコンポーネントは、実際にどのような外観にすべきか？」 **

この 2 つの能力が組み合わさると、 3D 生成は 1 つの手法に制限されなくなります。

** 03 **

** 課題 **

** コードで構築するのが最適なものもあれば、直接生成する方がよいものもある **

先ほどの油圧ショベルに戻りましょう。

構造的には、非常に規則的です。

GPT-6 Astra は、油圧ショベルが下部走行体、左右の履帯、本体、キャビン、ブーム、アーム、バケットで構成されていることを容易に理解できます。また、それらの部品がどのように接続されるべきかも理解できます。

しかし、さらに詳しく見ると、問題は変わります。

キャビンは単純な立方体ではなく、本体の外殻もいくつかのプリミティブを組み合わせるだけでは正確に表現できません。バケットには連続した曲面があり、アームには複雑な輪郭があり、履帯と下部走行体には工業デザインの細部が数多く含まれています。

GPT-6 Astra はもちろん、手続き型コードによってこれらの構造を近似し続けることができます。

しかし、ジオメトリが複雑になるほど、生成・修正すべきコードが増え、必要な反復回数も多くなります。

エージェントにとっては、低レベルのジオメトリを記述するために、ますます多くのトークンを費やすことになります。

そこで、私たちは別のアプローチを試しました。

GPT-6 Astra はまず、油圧ショベルを「理解」します。

次に、キャビン、履帯、アーム、バケットなどの複雑な主要コンポーネントを V2Fun 2.0 に委任し、それぞれ個別に生成します。

生成が完了すると、 GPT-6 Astra が再び引き継ぎ、スケール、回転、位置を調整して、オブジェクト全体を組み立てます。

ここで V2Fun は、まさに開発してきた能力を発揮します。

** 大量のコードを通じて言語モデルに間接的に表面を記述させるのではなく、視覚入力から複雑な 3D 構造を直接再構築すること。 **

これは単に Three.js の記述量を減らしているように見えるかもしれませんが、実際には計算アプローチ全体を変えています。

さらに興味深いことに、 V2Fun は Three.js に取って代わるものではありません。

組み立ての後も、 GPT-6 Astra は多くの要素を自ら生成します。

たとえば、油圧ホースです。

ホースは本質的に、いくつかの重要な点をつなぐ管状構造であり、手続き型モデリングに適しています。

ねじ、接続シャフト、操作レバーも同様です。

これらのオブジェクトは寸法が規則的で、構造が単純で、しばしば大量に登場します。 1 つ 1 つについて 3D 基盤モデルを個別に呼び出すと、かえってワークフローのコストと複雑さが増してしまいます。

したがって、最終的な油圧ショベルは真のハイブリッドアセットです。

V2Fun が複雑な主要コンポーネントを生成します。

GPT-6 Astra と Three.js が規則的な細部を処理します。

その後、 GPT-6 Astra が両者を 1 つの構造化された 3D オブジェクトにまとめます。

この点が、このアプローチを魅力的なものにしています。

** コード生成と 3D 基盤モデルのどちらかを選ぶのではなく、エージェントが各部品に最適な能力を判断するのです。 **

** 04 **

** さらなる複雑性 **

** 人間キャラクターでは、 V2Fun の価値がさらに明確になる **

油圧ショベルは、依然として主にハードサーフェスオブジェクトです。

純粋に手続き型のアプローチを限界まで追い込むのは、人間キャラクターや複雑な有機的表面です。

これを検証するため、より意欲的なデモを作成しました。

** GPT-6 Astra に、完全武装・重装備の王を構築させること。 **

このキャラクターには、人体そのものに加えて、精巧な鎧、頭部、剣、盾が含まれています。

人間キャラクターは、機械設備よりもルールで表現することがはるかに困難です。

顔が「正しく見える」かどうかは、目、鼻、口をおおよそ正しい位置に配置するだけでは決まりません。

顔の形、頬骨、眼窩、鼻筋、唇、そしてそれらの間で生じる微妙で連続的な曲率の変化が、最終的な外観にすべて影響します。

鎧についても同じことが言えます。

ハードサーフェスオブジェクトではありますが、単純な工学部品ではありません。レリーフ、装飾、連続した表面、様式化された形状のすべてが、キャラクターの視覚的アイデンティティに寄与します。

これらはまさに、 V2Fun 2.0 の次世代 3D 基盤モデルが得意とする種類のオブジェクトです。

このデモでは、 GPT-6 Astra がまずキャラクター全体を理解し、頭部、身体と鎧、剣、盾という複数の主要パーツに分解します。

次に V2Fun が、これらの複雑なコンポーネントを個別に生成します。

その後を担当するのが GPT-6 Astra です。

頭部のスケールは正しいか、身体にはどのように接続すべきか？ 剣と盾はどこに配置すべきか？ 各部品の比率は整合しているか？ どのモデルのポリゴン数を削減する必要があるか？ そして、すべてを編集・再利用できる 3D アセットとしてどのように整理すべきか？

言い換えれば、次のようになります。

** V2Fun は「複雑なジオメトリを迅速かつ高品質に生成する方法」に対応します。 **

** GPT-6 Astra は「そのジオメトリを完全なオブジェクトに変える方法」に対応します。 **

** V2Fun はなぜ、このレベルの複雑なジオメトリを扱えるのか？ **

その理由は、「画像から 3D を生成するモデルでもある」というだけにとどまりません。

Vertex Lab が近年の中核的な研究開発で取り組んできたのは、次の 2 つの基本的な問いです。

** ジオメトリをより正確に表現するにはどうすればよいか、そして​高解像度 ​​テクスチャの一貫性を 3D 表面全体でどのように保つか。 **

ジオメトリの面では、チームは 3D 表現と生成アーキテクチャの改良を続けています。非効率なジオメトリ表現を減らし、高曲率領域、薄い構造、複雑な領域にモデルの容量を集中させることを目指しています。

テクスチャの面では、高解像度・マルチビュー生成で一般的に発生するずれ、裂け、ディテールの損失への対処に重点を置いています。

これが、 V2Fun 2.0 が最大 8K 解像度で高品質なテクスチャを提供できる能力の基盤にもなっています。

エージェントにとって、このような能力は非常に重要です。

単に「 3D に見える」ものを作る視覚生成ツールではなく、実際の 3D アセットを生成する専用モデルを呼び出しているからです。

生成されたアセットは、 GPT-6 Astra によって組み立てられ、ポリゴン数を削減され、変更される必要があります。そして最終的には、アニメーション、ゲーム、 3D プリント、その他の 3D ワークフローに利用される可能性があります。

これは、 V2Fun が解決に取り組んできた製品上の課題です。

** AI が一度きりの結果ではなく、人々が実際に継続して扱える 3D アセットを生成できるようにすること。 **

** 05 **

** 効率 **

** 品質向上の先にあるもう 1 つの変化：トークン **

このワークフローには、もう 1 つ非常に直接的な利点があります。

** トークン効率です。 **

GPT-6 Astra が Three.js を使って単純な構造を記述する場合、トークンを非常に効率よく使えます。

円柱、油圧ホース、数本のねじなら、ごく少量のコードで済みます。

しかし、同じ方法で人間の顔、布のしわ、極めて複雑な工業表面を近似しようとすると、生成・修正すべきジオメトリコードの量が急速に増えます。

その結果、次のような問いに大量のトークンが費やされます。

「この表面をもう少し正確にするにはどうすればよいか？」

「この輪郭をさらにどのように調整すべきか？」

「ここにどの程度のジオメトリのディテールを追加すべきか？」

複雑な部分を V2Fun に直接委任すれば、こうした低レベルの処理は専用モデルへの 1 回の呼び出しに集約されます。

GPT-6 Astra は、本当に推論が必要な判断に、より多くの推論リソースを割けるようになります。

オブジェクトをどのように分解するか。

どの部品を個別に生成すべきか。

部品同士が空間的にどのような関係にあるか。

最終オブジェクトをどのように組み立てるか。

どこにさらなる変更が必要か。

だからこそ、 V2Fun 2.0 は単に「見栄えのよいモデル」を提供するだけではありません。

複雑な 3D タスクにおける GPT-6 Astra の トークン消費量とモデリング全体の所要時間 の両方を削減できる可能性もあります。

従来のワークフローは、次のようなものでした。

** 理解 → ジオメトリコードを記述 → 修正 → さらにジオメトリコードを記述 → 再修正 **

現在は、次のようになります。

** 理解 → パーツに分解 → 並列生成 → 組み立て → 局所的なディテールを追加 **

複数の複雑なコンポーネントを同時に生成できれば、この効率面での優位性はさらに大きくなります。

** 06 **

** 総括 **

** モデルを生成することから、エージェントの中核的な 3D 能力へ **

過去数年間、 AI 3D における中心的な問いは次のものでした。

** より優れたモデルを生成するにはどうすればよいか？ **

しかし、 GPT-6 Astra のようなモデルがより強力なマルチモーダル理解、コーディング、エージェント能力を獲得するにつれて、その問いは変わりつつあります。

将来の AI は、あらゆる 3D タスクに 1 つの手法だけを使う必要はないかもしれません。

単純な構造は直接コード化できます。

複雑な表面は V2Fun に委任できます。

既存のアセットはそのまま再利用できます。

その後、ポリゴン削減、組み立て、構造調整をエージェントに戻すことができます。

これは、 3D 生成業界が一度きりの生成ツールから、エージェント主導の生産性へ移行している流れと一致します。参照記事でも同じ傾向が説明されています。 3D 生成は、初期のチャットボットに似た段階から、エージェントによって生産性が高められる段階へ移行しているのです。

Vertex Lab にとって、この方向性は長期的な技術ビジョンと一致しています。

同社は当初から、 V2Fun を単なる「画像から 3D へのウェブサイト」と定義したことはありません。

モバイルで 3D 制作をより身近なものにすることから、ウェブ上でのプロフェッショナルなアセット制作、 3D モデル、アニメーション、モーション、そして長期的な空間知能とワールドモデルの追求に至るまで、 Vertex Lab は常に 3D コンテンツ生成と空間知能のためのインフラ構築を目指してきました。

エージェントの台頭は、その目標に向かう新たな道を開くかもしれません。

将来、ユーザーはどのモデルを呼び出すか、どんなコードを書くか、どのモデリング手法を選ぶかを知る必要がなくなるかもしれません。

必要なのは、次のように言うことだけかもしれません。

** 「これを 3D にして」 **

GPT-6 Astra がリクエストを理解し、実行方法を判断します。

V2Fun 2.0 は、複雑な 3 次元の世界のために GPT-6 Astra が頼る専用能力となることを目指しています。

** GPT-6 Astra は理解、計画、構築を担います。 **

** V2Fun は複雑な 3 次元のアイデアを実際のアセットに変えます。 **

** GPT-6 Astra × V2Fun：コード生成からモデル協調へ。 **

** 06 **

** 総括 **

** モデルを生成することから、エージェントの中核的な 3D 能力へ **

過去数年間、 AI 3D における中心的な問いは次のものでした。

** より優れたモデルを生成するにはどうすればよいか？ **

しかし、 GPT-6 Astra のようなモデルがより強力なマルチモーダル理解、コーディング、エージェント能力を獲得するにつれて、その問いは変わりつつあります。

将来の AI は、あらゆる 3D タスクに 1 つの手法だけを使う必要はないかもしれません。

単純な構造は直接コード化できます。

複雑な表面は V2Fun に委任できます。

既存のアセットはそのまま再利用できます。

その後、ポリゴン削減、組み立て、構造調整をエージェントに戻すことができます。

これは、 3D 生成業界が一度きりの生成ツールから、エージェント主導の生産性へ移行している流れと一致します。参照記事でも同じ傾向が説明されています。 3D 生成は、初期のチャットボットに似た段階から、エージェントによって生産性が高められる段階へ移行しているのです。

Vertex Lab にとって、この方向性は長期的な技術ビジョンと一致しています。

同社は当初から、 V2Fun を単なる「画像から 3D へのウェブサイト」と定義したことはありません。

モバイルで 3D 制作をより身近なものにすることから、ウェブ上でのプロフェッショナルなアセット制作、 3D モデル、アニメーション、モーション、そして長期的な空間知能とワールドモデルの追求に至るまで、 Vertex Lab は常に 3D コンテンツ生成と空間知能のためのインフラ構築を目指してきました。

エージェントの台頭は、その目標に向かう新たな道を開くかもしれません。

将来、ユーザーはどのモデルを呼び出すか、どんなコードを書くか、どのモデリング手法を選ぶかを知る必要がなくなるかもしれません。

必要なのは、次のように言うことだけかもしれません。

** 「これを 3D にして」 **

GPT-6 Astra がリクエストを理解し、実行方法を判断します。

V2Fun 2.0 は、複雑な 3 次元の世界のために GPT-6 Astra が頼る専用能力となることを目指しています。

** GPT-6 Astra は理解、計画、構築を担います。 **

** V2Fun は複雑な 3 次元のアイデアを実際のアセットに変えます。 **

** GPT-6 Astra × V2Fun：コード生成からモデル協調へ。 **