GPT-6 Astra x V2Fun - 코드 생성에서 모델 협업까지

GPT-6 Astra × V2Fun: 코드 생성에서 모델 협업까지

다음과 같은 3D 모델링 프로세스를 상상해 보세요.

GPT-6 Astra에 굴삭기 참고 이미지를 제공합니다. 그러면 먼저 운전실, 궤도, 하부 차체, 붐, 암, 버킷 등을 비롯한 기계의 구성 요소를 식별합니다.

그런 다음 이러한 주요 구성 요소를 각각 전문 3D 생성 모델에 보내고, 수십 초 안에 별도의 에셋으로 반환받습니다.

다음으로 GPT-6 Astra가 작업을 이어받습니다.

각 부품의 크기와 공간적 관계를 파악하고, 하부 차체 양쪽에 궤도를 배치하며, 붐을 본체에 연결한 뒤 암과 버킷을 순서대로 연결합니다. 주요 구조가 완성되면 Three.js를 사용해 유압 호스, 나사, 회전축, 심지어 운전실 내부의 제어 조이스틱까지 추가합니다.

마침내 완전하고 구조화되어 있으며 편집 가능한 굴삭기가 3D 장면에 나타납니다.

이는 단순한 이미지-3D 생성이나 코드 생성 그 이상입니다.

두 가지 AI 역량이 더욱 자연스러운 방식으로 협력하기 시작한 것입니다.

GPT-6 Astra는 이해, 계획, 구축을 담당하고, 전문 3D 파운데이션 모델은 복잡한 형상을 담당합니다.

이는 Vertex Lab의 제품인 ​V2Fun​이 최근 탐색하고 있는 새로운 워크플로입니다.

그 배경에는 더 큰 변화가 있습니다.

3D 에이전트는 “모든 것을 직접 생성하는 것”에서 “어떤 모델을 언제 호출해야 하는지 아는 것”으로 나아가고 있습니다.

01

TURNING POINT

GPT-6 Astra는 이미 3D로 구축할 수 있습니다. 다음은 무엇일까요?

GPT-6 Astra가 가져온 중요한 변화 중 하나는 대규모 언어 모델이 진정으로 3차원 세계에 진입하고 있다는 점입니다.

과거에는 AI에 이미지, 동영상 또는 텍스트를 생성해 달라고 요청하는 데 익숙했습니다. 이제 더욱 향상된 멀티모달 이해, 공간 추론, 코딩 역량을 갖춘 GPT-6 Astra는 3D 객체의 구조를 이해하고, Three.js와 같은 절차적 방법을 통해 실제로 이를 구축할 수 있습니다.

산업 생산 라인을 예로 들어 보겠습니다.

GPT-6 Astra는 컨베이어 벨트, 롤러, 지지 프레임, 모터, 작업대를 식별한 다음 해당 형상을 단계적으로 생성할 수 있습니다.

이러한 객체는 명확한 수학적 관계와 반복 구조를 갖는 경우가 많기 때문에 절차적 모델링에 특히 적합합니다. 지지 기둥은 기본 기하학적 형태로 표현할 수 있고, 롤러는 수십 번 복제할 수 있으며, 컨베이어 벨트의 길이와 위치는 매개변수를 통해 직접 제어할 수 있습니다.

더 중요한 점은 결과물이 완전히 불투명한 메시가 아니라는 것입니다.

생산 라인의 각 구성 요소는 여전히 별도의 객체로 유지되므로 이동, 복제, 삭제 또는 수정할 수 있습니다.

이러한 관점에서 GPT-6 Astra는 단순히 “3D를 생성”하는 것 이상을 수행합니다. 3D 엔지니어에 가까운 역량을 발휘하기 시작한 것입니다.

객체가 무엇으로 구성되어 있는지 이해하고, 이를 구축하는 것.

하지만 객체가 더 복잡해지면 새로운 질문이 생깁니다.

객체가 생산 라인이 아니라 사람의 얼굴, 생물, 의류, 조각상, 또는 복잡한 산업 표면을 가진 굴삭기라면 어떨까요? GPT-6 Astra가 여전히 모든 형상을 코드로 작성해야 할까요?

답은 양자택일이 아닐 수 있습니다.

바로 이 지점에서 V2Fun이 워크플로에 참여할 수 있습니다.

02

WHY V2FUN

왜 V2Fun인가요?

V2Fun은 이 데모를 위해 즉석에서 추가한 3D API가 아닙니다.

Vertex Lab이 AI 3D 파운데이션 모델을 장기적으로 연구하고 개발하기 위한 제품 플랫폼입니다.

2025년에 설립된 Vertex Lab은 3D 생성, 공간 지능, 그리고 장기적으로는 월드 모델을 위한 인프라에 지속적으로 집중해 왔습니다.

V2Fun은 이전에 HDC 2026에서 3D 파운데이션 모델로 구동되는 HarmonyOS 최초의 AI 네이티브 애플리케이션으로 공개되었습니다. 모바일 앱과 웹 워크스페이스를 통해 일상적인 창작부터 전문적인 3D 콘텐츠 제작까지 전체 워크플로를 지원합니다.

핵심적으로 V2Fun은 언제나 같은 질문을 다뤄 왔습니다.

복잡한 3차원 객체를 어떻게 하면 더 적은 노력과 짧은 시간으로 사용할 수 있는 3D 에셋으로 바꿀 수 있을까요?

출시 예정인 V2Fun 2.0은 이러한 역량을 한 단계 더 발전시킬 것입니다.

새 버전에는 최신 세대 3D 파운데이션 모델이 탑재되며 최대 8K 해상도의 텍스처 생성을 지원합니다. 복잡한 형상, 인간 캐릭터, 생물, 의류, 조각상 및 기타 불규칙한 표면의 생성 품질 향상에 중점을 둘 예정입니다.

이 때문에 V2Fun과 GPT-6 Astra의 결합은 단순한 우연한 제품 협업 그 이상입니다.

두 제품이 해결하는 데 강점을 가진 문제는 본질적으로 상호 보완적입니다.

GPT-6 Astra는 이해, 계획, 공간적 관계, 코딩, 에이전트 오케스트레이션에 강점을 보입니다.

V2Fun은 복잡한 3D 형상과 고품질 표면을 직접 생성하는 데 강점을 보입니다.

한쪽은 다음 질문에 더 능숙합니다.

“이 객체는 어떻게 구축해야 할까요?”

다른 한쪽은 다음 질문에 더 능숙합니다.

“이 복잡한 구성 요소는 실제로 어떤 모습이어야 할까요?”

이 두 역량이 결합되면 3D 생성은 더 이상 하나의 접근 방식에만 제한되지 않습니다.

03

CHALLENGE

어떤 것은 코드로 구축하는 것이 가장 좋고, 어떤 것은 직접 생성하는 편이 더 좋습니다.

다시 굴삭기로 돌아가 보겠습니다.

구조적으로 굴삭기는 매우 규칙적입니다.

GPT-6 Astra는 굴삭기가 하부 차체, 왼쪽과 오른쪽 궤도, 본체, 운전실, 붐, 암, 버킷으로 구성된다는 점을 쉽게 이해할 수 있습니다. 또한 이러한 부품이 어떻게 연결되어야 하는지도 이해할 수 있습니다.

하지만 자세히 살펴보면 문제는 달라집니다.

운전실은 단순한 정육면체가 아니며, 본체 외피는 몇 가지 기본 도형을 결합하는 것만으로 정확하게 표현할 수 없습니다. 버킷에는 연속적인 곡면이 있고, 암은 복잡한 윤곽을 가지며, 궤도와 하부 차체에는 수많은 산업 디자인 디테일이 포함되어 있습니다.

GPT-6 Astra는 물론 절차적 코드로 이러한 구조를 계속 근사할 수 있습니다.

하지만 형상이 복잡해질수록 생성하고 수정해야 하는 코드가 늘어나며, 필요한 반복 작업도 많아집니다.

에이전트 입장에서는 낮은 수준의 형상을 설명하는 데 점점 더 많은 토큰을 사용해야 한다는 뜻입니다.

그래서 우리는 다른 접근 방식을 시도했습니다.

GPT-6 Astra가 먼저 굴삭기를 “이해”합니다.

그런 다음 운전실, 궤도, 암, 버킷과 같은 복잡한 주요 구성 요소를 V2Fun 2.0에 맡겨 각각 생성합니다.

생성이 완료되면 GPT-6 Astra가 다시 작업을 이어받아 크기, 회전, 위치를 조정하고 전체 객체를 조립합니다.

이 과정에서 V2Fun은 지금까지 개발해 온 역량을 정확히 발휘합니다.

언어 모델이 많은 양의 코드를 통해 표면을 간접적으로 설명하는 대신, 시각적 입력으로부터 복잡한 3D 구조를 직접 재구성하는 것입니다.

이는 단순히 Three.js 코드를 덜 작성하는 것처럼 보일 수 있지만, 실제로는 전체 계산 접근 방식을 바꿉니다.

더 흥미로운 점은 V2Fun이 Three.js를 대체하지 않는다는 것입니다.

조립 후에도 GPT-6 Astra는 여전히 많은 요소를 직접 생성합니다.

예를 들어 유압 호스가 있습니다.

호스는 본질적으로 몇 개의 핵심 지점을 연결하는 관형 구조이므로 절차적 모델링에 적합합니다.

나사, 연결축, 조이스틱도 마찬가지입니다.

이러한 객체는 규칙적인 치수와 단순한 구조를 가지며, 많은 수가 반복해서 나타나는 경우가 많습니다. 각각을 별도로 3D 파운데이션 모델에 호출하면 오히려 워크플로에 비용과 복잡성이 추가됩니다.

따라서 최종 굴삭기는 진정한 하이브리드 에셋입니다.

V2Fun은 복잡한 주요 구성 요소를 생성합니다.

GPT-6 Astra + Three.js는 규칙적인 디테일을 처리합니다.

그런 다음 GPT-6 Astra가 두 결과를 하나의 구조화된 3D 객체로 정리합니다.

이것이 이 접근 방식을 매력적으로 만드는 이유입니다.

코드 생성과 3D 파운데이션 모델 중 하나를 선택하는 대신, 에이전트가 각 부분에 가장 적합한 역량을 결정합니다.

04

MORE COMPLEX

인간 캐릭터에서는 V2Fun의 가치가 더욱 분명해집니다

굴삭기는 여전히 주로 하드 서피스 객체입니다.

순수한 절차적 접근 방식의 한계를 진정으로 시험하는 것은 인간 캐릭터와 복잡한 유기적 표면입니다.

이를 탐색하기 위해 더 야심찬 데모를 제작했습니다.

GPT-6 Astra에 완전무장한 갑옷 입은 왕을 구축하도록 요청하는 것입니다.

이 캐릭터에는 인간의 몸 자체뿐 아니라 정교한 갑옷, 머리, 검, 방패도 포함됩니다.

인간 캐릭터는 기계 장비보다 규칙으로 표현하기가 훨씬 어렵습니다.

얼굴이 “자연스러워 보이는지”는 눈, 코, 입을 대략 올바른 위치에 배치하는 것만으로 결정되지 않습니다.

얼굴의 형태, 광대뼈, 안와, 콧대, 입술, 그리고 이들 사이의 미묘하고 연속적인 곡률 변화가 모두 최종 모습에 영향을 줍니다.

갑옷도 마찬가지입니다.

하드 서피스 객체이기는 하지만 단순한 공학 부품은 아닙니다. 부조, 장식, 연속적인 표면, 양식화된 형태가 모두 캐릭터의 시각적 정체성을 구성합니다.

이러한 객체야말로 V2Fun 2.0의 차세대 3D 파운데이션 모델이 더욱 적합하게 처리할 수 있는 대상입니다.

이 데모에서 GPT-6 Astra는 먼저 캐릭터 전체를 이해하고, 머리, 몸과 갑옷, 검, 방패 등 여러 주요 부분으로 나눕니다.

그런 다음 V2Fun이 이러한 복잡한 구성 요소를 각각 생성합니다.

다음 단계는 GPT-6 Astra가 담당합니다.

머리의 크기는 올바른가요? 몸에는 어떻게 연결해야 할까요? 검과 방패는 어디에 배치해야 할까요? 각 부분의 비율은 일관적인가요? 어떤 모델의 폴리곤 수를 줄여야 할까요? 그리고 편집하고 추가로 활용할 수 있는 3D 에셋으로 모든 것을 어떻게 구성해야 할까요?

다시 말해,

V2Fun은 “복잡한 형상을 빠르고 높은 품질로 생성하는 방법”을 해결합니다.

GPT-6 Astra는 “그 형상을 완전한 객체로 전환하는 방법”을 해결합니다.

V2Fun은 어떻게 이 정도로 복잡한 형상을 처리할 수 있을까요?

그 이유는 “또 하나의 이미지-3D 모델이기 때문”이라는 설명을 넘어섭니다.

Vertex Lab이 최근 핵심적으로 연구하고 개발해 온 내용은 두 가지 근본적인 질문에 초점을 맞추고 있습니다.

형상을 더 정확하게 표현하는 방법과, 3D 표면 전체에서 ​고해상도​​ 텍스처의 일관성을 유지하는 방법입니다.

형상 측면에서 팀은 3D 표현과 생성 아키텍처를 계속 개선하며, 비효율적인 형상 표현을 줄이고 높은 곡률 영역, 얇은 구조, 복잡한 영역에 모델 역량을 집중하는 것을 목표로 하고 있습니다.

텍스처 측면에서는 고해상도 멀티뷰 생성에서 흔히 발생하는 정렬 불일치, 찢어짐, 디테일 손실을 해결하는 데 중점을 둡니다.

이는 최대 8K 해상도의 고품질 텍스처를 제공하는 V2Fun 2.0의 역량을 뒷받침합니다.

에이전트에게 이러한 역량은 매우 중요합니다.

단순히 “3D처럼 보이는” 무언가를 만드는 시각 생성 도구가 아니라, 실제 3D 에셋을 생성하는 전문 모델을 호출하기 때문입니다.

생성된 에셋은 여전히 GPT-6 Astra에 의해 조립되고, 폴리곤 수가 줄어들며, 수정되어야 하고, 최종적으로 애니메이션, 게임, 3D 프린팅 또는 기타 3D 워크플로에 사용될 수 있습니다.

이것이 V2Fun이 해결하기 위해 노력해 온 제품 과제입니다.

AI가 일회성 결과물 이상을 생성하도록 하는 것, 즉 사람들이 실제로 계속 작업할 수 있는 3D 에셋을 만드는 것입니다.

05

EFFICIENCY

더 높은 품질을 넘어, 또 하나의 변화가 있습니다. 바로 토큰입니다

이 워크플로에는 또 하나의 직접적인 이점이 있습니다.

토큰 효율성입니다.

GPT-6 Astra가 Three.js를 사용해 단순한 구조를 설명할 때는 토큰을 매우 효율적으로 사용합니다.

원기둥, 유압 호스 또는 몇 개의 나사는 코드가 거의 필요하지 않습니다.

하지만 같은 방법으로 사람의 얼굴, 옷감의 주름 또는 매우 복잡한 산업 표면을 근사하려 하면 생성하고 수정해야 하는 형상 코드의 양이 빠르게 늘어납니다.

그러면 다음과 같은 질문에 많은 토큰이 사용됩니다.

“이 표면을 조금 더 정확하게 만들려면 어떻게 해야 할까?”

“이 윤곽을 어떻게 더 조정해야 할까?”

“여기에 어느 정도의 형상 디테일을 추가해야 할까?”

복잡한 부분을 V2Fun에 직접 위임하면 이러한 낮은 수준의 과정이 전문 모델에 대한 단 한 번의 호출로 압축됩니다.

GPT-6 Astra는 진정으로 추론이 필요한 결정에 더 많은 추론 리소스를 사용할 수 있습니다.

객체를 어떻게 분해할지;

어떤 부분을 별도로 생성할지;

각 부분이 공간에서 서로 어떤 관계를 가지는지;

최종 객체를 어떻게 조립할지;

어디를 추가로 수정해야 할지.

이 때문에 V2Fun 2.0은 단순히 “더 보기 좋은 모델”을 제공하는 데 그치지 않습니다.

복잡한 3D 작업에서 GPT-6 Astra의 토큰 소비와 전체 모델링 시간을 모두 줄일 가능성도 있습니다.

기존 워크플로는 다음과 같았을 수 있습니다.

이해 → 형상 코드 작성 → 수정 → 추가 형상 코드 작성 → 다시 수정

이제는 다음과 같이 바뀝니다.

이해 → 부분으로 분해 → 병렬 생성 → 조립 → 로컬 디테일 추가

여러 복잡한 구성 요소를 동시에 생성할 수 있다면 이러한 효율성의 이점은 더욱 커집니다.

06

CLOSING

모델 생성에서 에이전트를 위한 핵심 3D 역량으로

지난 몇 년 동안 AI 3D 분야의 중심 질문은 다음과 같았습니다.

어떻게 하면 더 나은 모델을 생성할 수 있을까?

하지만 GPT-6 Astra와 같은 모델이 더욱 강력한 멀티모달 이해, 코딩, 에이전트 역량을 갖추면서 이 질문은 달라지고 있습니다.

미래의 AI는 모든 3D 작업에 하나의 기법만 사용할 필요가 없을지도 모릅니다.

단순한 구조는 직접 코딩할 수 있습니다.

복잡한 표면은 V2Fun에 위임할 수 있습니다.

기존 에셋은 그대로 재사용할 수 있습니다.

그런 다음 폴리곤 수 감소, 조립, 구조 조정은 에이전트에 다시 맡길 수 있습니다.

이는 3D 생성 산업이 일회성 생성 도구에서 에이전트 기반 생산성으로 전환하는 흐름과 맞닿아 있습니다. 참고 글에서도 같은 추세를 설명합니다. 3D 생성은 초기 챗봇과 비슷한 단계에서 에이전트가 이끄는 생산성의 단계로 이동하고 있습니다.

Vertex Lab에게 이러한 방향은 장기적인 기술 비전과 일치합니다.

회사는 처음부터 V2Fun을 단순한 “이미지-3D 웹사이트”로 정의한 적이 없습니다.

모바일에서 3D 창작을 더 쉽게 만드는 것부터 웹에서 전문적인 에셋 제작을 지원하는 것, 3D 모델, 애니메이션, 모션, 그리고 장기적으로 공간 지능과 월드 모델을 추구하는 것에 이르기까지 Vertex Lab은 언제나 3D 콘텐츠 생성과 공간 지능을 위한 인프라를 구축하는 것을 목표로 해 왔습니다.

에이전트의 부상은 이러한 목표를 향한 새로운 길을 열 수 있습니다.

미래에는 사용자가 어떤 모델을 호출해야 하는지, 어떤 코드를 작성해야 하는지, 어떤 모델링 방식을 선택해야 하는지 알 필요가 없을지도 모릅니다.

다음과 같이 말하기만 하면 될 수 있습니다.

“이것을 3D로 바꿔 줘.”

GPT-6 Astra는 요청을 이해하고 이를 실행할 방법을 결정할 것입니다.

V2Fun 2.0은 GPT-6 Astra가 복잡한 3차원 세계를 다룰 때 의존하는 전문 역량이 되는 것을 목표로 합니다.

GPT-6 Astra는 이해, 계획, 구축을 담당합니다.

V2Fun은 복잡한 3차원 아이디어를 실제 에셋으로 바꿉니다.

GPT-6 Astra × V2Fun: 코드 생성에서 모델 협업까지.

06

CLOSING

모델 생성에서 에이전트를 위한 핵심 3D 역량으로

지난 몇 년 동안 AI 3D 분야의 중심 질문은 다음과 같았습니다.

어떻게 하면 더 나은 모델을 생성할 수 있을까?

하지만 GPT-6 Astra와 같은 모델이 더욱 강력한 멀티모달 이해, 코딩, 에이전트 역량을 갖추면서 이 질문은 달라지고 있습니다.

미래의 AI는 모든 3D 작업에 하나의 기법만 사용할 필요가 없을지도 모릅니다.

단순한 구조는 직접 코딩할 수 있습니다.

복잡한 표면은 V2Fun에 위임할 수 있습니다.

기존 에셋은 그대로 재사용할 수 있습니다.

그런 다음 폴리곤 수 감소, 조립, 구조 조정은 에이전트에 다시 맡길 수 있습니다.

이는 3D 생성 산업이 일회성 생성 도구에서 에이전트 기반 생산성으로 전환하는 흐름과 맞닿아 있습니다. 참고 글에서도 같은 추세를 설명합니다. 3D 생성은 초기 챗봇과 비슷한 단계에서 에이전트가 이끄는 생산성의 단계로 이동하고 있습니다.

Vertex Lab에게 이러한 방향은 장기적인 기술 비전과 일치합니다.

회사는 처음부터 V2Fun을 단순한 “이미지-3D 웹사이트”로 정의한 적이 없습니다.

모바일에서 3D 창작을 더 쉽게 만드는 것부터 웹에서 전문적인 에셋 제작을 지원하는 것, 3D 모델, 애니메이션, 모션, 그리고 장기적으로 공간 지능과 월드 모델을 추구하는 것에 이르기까지 Vertex Lab은 언제나 3D 콘텐츠 생성과 공간 지능을 위한 인프라를 구축하는 것을 목표로 해 왔습니다.

에이전트의 부상은 이러한 목표를 향한 새로운 길을 열 수 있습니다.

미래에는 사용자가 어떤 모델을 호출해야 하는지, 어떤 코드를 작성해야 하는지, 어떤 모델링 방식을 선택해야 하는지 알 필요가 없을지도 모릅니다.

다음과 같이 말하기만 하면 될 수 있습니다.

“이것을 3D로 바꿔 줘.”

GPT-6 Astra는 요청을 이해하고 이를 실행할 방법을 결정할 것입니다.

V2Fun 2.0은 GPT-6 Astra가 복잡한 3차원 세계를 다룰 때 의존하는 전문 역량이 되는 것을 목표로 합니다.

GPT-6 Astra는 이해, 계획, 구축을 담당합니다.

V2Fun은 복잡한 3차원 아이디어를 실제 에셋으로 바꿉니다.

GPT-6 Astra × V2Fun: 코드 생성에서 모델 협업까지.