GPT-6 Astra x V2Fun - 코드 생성에서 모델 협업까지

다음과 같은 3D 모델링 과정을 상상해 보세요.

GPT-6 Astra 에 굴착기 참고 이미지를 제공합니다. 그러면 먼저 운전석, 트랙, 하부 구조, 붐, 암, 버킷 등을 비롯한 기계의 구성 요소를 식별합니다.

이러한 주요 구성 요소는 각각 전문 3D 생성 모델로 전송되고, 수십 초 안에 별도의 에셋으로 반환됩니다.

다음으로 GPT-6 Astra 가 이어받습니다.

각 부품의 규모와 공간적 관계를 파악하고, 하부 구조 양쪽에 트랙을 배치하며, 붐을 차체에 연결한 다음 암과 버킷을 순서대로 연결합니다. 주요 구조가 완성되면 Three.js 를 사용해 유압 호스, 나사, 피벗 샤프트, 심지어 운전석 내부의 조이스틱까지 추가합니다.

마지막으로 완전하고 구조화되어 있으며 편집 가능한 굴착기가 3D 장면에 나타납니다.

이는 단순한 이미지-3D 생성이나 코드 생성 그 이상입니다.

두 가지 AI 역량이 더욱 자연스러운 방식으로 함께 작동하기 시작하는 것입니다.

GPT-6 Astra 는 이해, 계획, 구축을 담당하고, 전문 3D 파운데이션 모델은 복잡한 기하 구조를 처리합니다.

이는 Vertex Lab 의 제품인 V2Fun 이 최근 탐구해 온 새로운 워크플로입니다.

그 배경에는 더 광범위한 변화가 있습니다.

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

01 전환점

GPT-6 Astra 는 이미 3D 로 구축할 수 있습니다. 다음은 무엇일까요?

GPT-6 Astra 가 가져온 중요한 변화 중 하나는 대규모 언어 모델이 실제로 3차원 세계에 진입하고 있다는 점입니다.

과거에는 AI 에 이미지, 동영상 또는 텍스트를 생성해 달라고 요청하는 데 더 익숙했습니다. 이제 점점 향상된 멀티모달 이해, 공간 추론, 코딩 역량을 갖춘 GPT-6 Astra 는 3D 객체의 구조를 이해한 뒤 Three.js 와 같은 절차적 방법을 통해 실제로 구축할 수 있습니다.

산업 생산 라인을 예로 들어 보겠습니다.

GPT-6 Astra 는 컨베이어 벨트, 롤러, 지지 프레임, 모터, 작업대를 식별한 다음 해당하는 기하 구조를 단계적으로 생성할 수 있습니다.

이러한 객체는 명확한 수학적 관계와 반복 구조를 갖는 경향이 있으므로 절차적 모델링에 특히 적합합니다. 지지 기둥은 기본적인 기하 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 수정이 가능합니다.

이러한 관점에서 GPT-6 Astra 는 단순히 “3D 를 생성”하는 것 이상을 수행합니다. 3D 엔지니어에 가까운 역량을 개발하기 시작한 것입니다.

객체가 무엇으로 구성되어 있는지 이해하고, 이를 구축하는 것.

하지만 객체가 더욱 복잡해지면 새로운 질문이 생깁니다.

객체가 생산 라인이 아니라 사람의 얼굴, 생명체, 의상, 조각상, 또는 복잡한 산업 표면을 가진 굴착기라면 어떨까요? GPT-6 Astra 가 여전히 모든 기하 구조를 코드로 작성해야 할까요?

답은 양자택일이 아닐 수 있습니다.

그리고 바로 이 지점에서 V2Fun 이 워크플로에 들어올 수 있습니다.

02 WHY V2FUN

왜 V2Fun 일까요?

V2Fun 은 이 데모를 위해 즉석에서 추가한 3D API 가 아닙니다.

Vertex Lab 이 장기적으로 진행해 온 AI 3D 파운데이션 모델 연구 및 개발을 위한 제품 플랫폼입니다.

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

V2Fun 은 2026 년 HDC 에서 3D 파운데이션 모델로 구동되는 HarmonyOS 최초의 AI 네이티브 애플리케이션으로 처음 공개되었습니다. 모바일 앱과 웹 워크스페이스는 일상적인 창작부터 전문적인 3D 콘텐츠 제작까지 전체 워크플로를 아우릅니다.

핵심적으로 V2Fun 은 언제나 같은 질문을 다뤄 왔습니다.

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

곧 출시될 V2Fun 2.0 은 이러한 역량을 한층 발전시킬 것입니다.

새 버전에는 최신 세대의 3D 파운데이션 모델이 탑재되며, 최대 8K 해상도의 텍스처 생성을 지원합니다. 복잡한 기하 구조, 사람 캐릭터, 생명체, 의상, 조각상 및 기타 불규칙한 표면의 생성 품질 향상에 중점을 둡니다.

따라서 V2Fun 과 GPT-6 Astra 의 결합은 단순한 우연한 제품 협업 그 이상입니다.

두 제품이 뛰어난 문제 해결 영역은 본질적으로 상호 보완적입니다.

GPT-6 Astra 는 이해, 계획, 공간적 관계, 코딩 및 에이전트 오케스트레이션에 뛰어납니다.

V2Fun 은 복잡한 3D 기하 구조와 고품질 표면을 직접 생성하는 데 뛰어납니다.

한쪽은 다음 질문에 더 잘 답합니다.

“이 객체는 어떻게 구축해야 할까요?”

다른 한쪽은 다음 질문에 더 잘 답합니다.

“이 복잡한 구성 요소는 실제로 어떤 모습이어야 할까요?”

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

03 과제

어떤 것은 코드로 구축하는 것이 가장 좋고, 어떤 것은 직접 생성하는 편이 낫습니다

다시 굴착기로 돌아가 보겠습니다.

구조적으로 굴착기는 매우 규칙적입니다.

GPT-6 Astra 는 굴착기가 하부 구조, 좌우 트랙, 차체, 운전석, 붐, 암, 버킷으로 구성된다는 것을 쉽게 이해할 수 있습니다. 또한 이러한 부품들이 어떻게 연결되어야 하는지도 이해할 수 있습니다.

하지만 자세히 살펴보면 문제가 달라집니다.

운전석은 단순한 큐브가 아니며, 차체 외피는 몇 가지 기본 도형을 결합하는 것만으로 정확하게 표현할 수 없습니다. 버킷에는 연속적인 곡면이 있고, 암은 복잡한 윤곽을 가지며, 트랙과 하부 구조에는 풍부한 산업 디자인 디테일이 포함되어 있습니다.

GPT-6 Astra 는 물론 절차적 코드를 사용해 이러한 구조를 계속 근사할 수 있습니다.

하지만 기하 구조가 복잡할수록 더 많은 코드를 생성하고 수정해야 하며, 더 많은 반복 작업이 필요합니다.

에이전트 입장에서는 저수준 기하 구조를 설명하는 데 점점 더 많은 토큰을 사용해야 한다는 뜻입니다.

그래서 우리는 다른 접근 방식을 시도했습니다.

GPT-6 Astra 가 먼저 굴착기를 “이해”합니다.

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

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

여기서 V2Fun 은 지금까지 발전시켜 온 역량을 정확히 발휘합니다.

언어 모델이 대량의 코드를 통해 간접적으로 표면을 설명하도록 하는 대신, 시각적 입력에서 복잡한 3D 구조를 직접 재구성하는 것입니다.

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

더 흥미로운 점은 V2Fun 이 Three.js 를 대체하지 않는다는 것입니다.

조립 후에도 GPT-6 Astra 는 많은 요소를 직접 생성합니다.

예를 들어 유압 호스가 있습니다.

호스는 본질적으로 몇 개의 주요 지점을 연결하는 관 형태의 구조이므로 절차적 모델링에 이상적입니다.

나사, 연결 샤프트, 조이스틱도 마찬가지입니다.

이러한 객체는 치수가 규칙적이고 구조가 단순하며, 대량으로 나타나는 경우가 많습니다. 각각에 대해 3D 파운데이션 모델을 별도로 호출하면 오히려 워크플로에 비용과 복잡성이 더해집니다.

따라서 최종 굴착기는 진정한 하이브리드 에셋입니다.

V2Fun 은 복잡한 주요 구성 요소를 생성합니다.

GPT-6 Astra + Three.js 는 규칙적인 디테일을 처리합니다.

그런 다음 GPT-6 Astra 가 두 요소를 하나의 구조화된 3D 객체로 정리합니다.

이 점이 이 접근 방식을 매력적으로 만듭니다.

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

04 더 복잡한 대상

사람 캐릭터에서는 V2Fun 의 가치가 더욱 분명해집니다

굴착기는 여전히 주로 하드 서피스 객체입니다.

사람 캐릭터와 복잡한 유기적 표면은 순수 절차적 접근 방식의 한계를 진정으로 시험하는 대상입니다.

이를 탐구하기 위해 우리는 더 야심찬 데모를 제작했습니다.

GPT-6 Astra 에 완전 무장 및 갑옷을 갖춘 왕을 구축하도록 요청하는 것입니다.

이 캐릭터에는 인간의 몸 자체 외에도 정교한 갑옷, 머리, 검, 방패가 포함됩니다.

사람 캐릭터는 기계 장비보다 규칙을 통해 표현하기가 훨씬 어렵습니다.

얼굴이 “올바르게 보이는지”는 눈, 코, 입을 대략 정확한 위치에 배치하는 것 이상에 달려 있습니다.

얼굴의 형태, 광대뼈, 안와, 콧대, 입술, 그리고 이들 사이에서 미묘하고 연속적으로 변화하는 곡률이 모두 최종 외관에 기여합니다.

갑옷도 마찬가지입니다.

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

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

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

그런 다음 V2Fun 이 이러한 복잡한 구성 요소를 각각 생성합니다.

이후의 작업은 GPT-6 Astra 가 처리합니다.

머리의 크기는 올바르게 조정되었으며 몸과 어떻게 연결해야 할까요? 검과 방패는 어디에 배치해야 할까요? 부품들의 비율은 일관적인가요? 어떤 모델의 폴리곤 수를 줄여야 할까요? 그리고 편집하고 추가로 활용할 수 있는 3D 에셋으로 모든 요소를 어떻게 정리해야 할까요?

다시 말해:

V2Fun 은 “복잡한 기하 구조를 빠르고 높은 품질로 생성하는 방법”을 해결합니다.

GPT-6 Astra 는 “그 기하 구조를 완전한 객체로 전환하는 방법”을 해결합니다.

V2Fun 은 왜 이러한 복잡한 기하 구조 계층을 처리할 수 있을까요?

그 이유는 “이미지-3D 모델이기도 하기 때문”을 넘어섭니다.

Vertex Lab 의 최근 핵심 연구 및 개발은 두 가지 근본적인 질문에 집중해 왔습니다.

기하 구조를 더 정확하게 표현하는 방법과, 3D 표면 전체에서 고해상도 텍스처의 일관성을 유지하는 방법.

기하 구조 측면에서 팀은 3D 표현 방식과 생성 아키텍처를 계속 개선하며, 비효율적인 기하 표현을 줄이고 곡률이 높은 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 V2Fun 2.0 이 최대 8K 해상도에서 고품질 텍스처를 제공할 수 있는 기반이기도 합니다.

에이전트에게 이러한 역량은 매우 중요합니다.

단순히 “3D 처럼 보이는” 것을 생성하는 시각적 생성 도구가 아니라 실제 3D 에셋을 생성하는 전문 모델을 호출하기 때문입니다.

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

이는 V2Fun 이 해결하기 위해 노력해 온 제품 과제입니다.

AI 가 일회성 결과를 넘어 사람들이 실제로 계속 작업할 수 있는 3D 에셋을 생성하도록 하는 것.

05 효율성

더 높은 품질을 넘어, 또 다른 변화가 있습니다: 토큰

이 워크플로에는 또 하나의 직접적인 이점이 있습니다.

토큰 효율성입니다.

GPT-6 Astra 가 Three.js 를 사용해 단순한 구조를 설명할 때는 토큰을 매우 효율적으로 사용합니다.

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

하지만 사람의 얼굴, 천의 주름 또는 매우 복잡한 산업 표면을 근사하는 데 같은 방법을 적용하면 생성하고 수정해야 하는 기하 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 기하 디테일을 얼마나 추가해야 할까?”

복잡한 부분을 V2Fun 에 직접 위임하면 이러한 저수준 과정은 전문 모델에 대한 단일 호출로 압축됩니다.

GPT-6 Astra 는 실제로 추론 자원이 필요한 의사 결정에 더 많은 역량을 집중할 수 있습니다.

객체를 어떻게 분해할지;

어떤 부분을 별도로 생성할지;

공간에서 각 부분이 서로 어떤 관계를 갖는지;

최종 객체를 어떻게 조립할지;

추가 변경이 필요한 부분은 어디인지.

이 때문에 V2Fun 2.0 은 단순히 “더 보기 좋은 모델” 이상의 것을 제공합니다.

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

기존 워크플로는 다음과 같았을 수 있습니다.

이해 → 기하 코드 작성 → 수정 → 더 많은 기하 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 마무리

모델 생성에서 에이전트를 위한 핵심 3D 역량으로

지난 몇 년간 AI 3D 분야의 핵심 질문은 다음과 같았습니다.

더 나은 모델을 어떻게 생성할 것인가?

하지만 GPT-6 Astra 와 같은 모델이 더욱 강력한 멀티모달 이해, 코딩 및 에이전트 역량을 갖추면서 이 질문은 변화하고 있습니다.

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

단순한 구조는 직접 코드로 작성할 수 있습니다.

복잡한 표면은 V2Fun 에 위임할 수 있습니다.

기존 에셋은 그대로 재사용할 수 있습니다.

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

이는 3D 생성 산업이 일회성 생성 도구에서 에이전트 기반 생산성으로 전환하는 흐름과 일치합니다. 참고 문서에서도 같은 추세를 설명합니다. 3D 생성은 초기 챗봇과 유사한 단계에서 에이전트가 생산성을 제공하는 단계로 이동하고 있습니다.

Vertex Lab 에게 이러한 방향은 장기적인 기술 비전과 일치합니다.

처음부터 이 회사는 V2Fun 을 단순한 “이미지-3D 웹사이트”로 정의한 적이 없습니다.

모바일에서 3D 창작의 접근성을 높이는 것부터 웹에서 전문적인 에셋 제작을 지원하는 것, 3D 모델, 애니메이션, 모션, 그리고 장기적으로 공간 지능과 월드 모델을 추구하는 것에 이르기까지 Vertex Lab 은 언제나 3D 콘텐츠 생성과 공간 지능을 위한 인프라를 구축하고자 했습니다.

에이전트의 부상은 이러한 목표를 향한 새로운 길을 열 수 있습니다.

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

다음과 같이 말하기만 하면 될 수도 있습니다.

“이것을 3D 로 만들어 줘.”

GPT-6 Astra 는 요청을 이해하고 이를 실행할 방법을 결정합니다.

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

GPT-6 Astra 는 이해, 계획, 구축을 담당합니다.

V2Fun 은 복잡한 3차원 아이디어를 실제 에셋으로 전환합니다.

GPT-6 Astra × V2Fun: 코드 생성에서 모델 협업으로