GPT-6 Astra x V2Fun - Daripada Penjanaan Kod kepada Kerjasama Model

Bayangkan proses pemodelan 3D seperti ini.

Anda memberikan GPT-6 Astra imej rujukan sebuah jengkaut. Mula-mula, ia mengenal pasti komponen mesin: kabin, trek, bahagian bawah, boom, lengan, baldi dan banyak lagi.

Komponen utama ini kemudiannya dihantar secara individu kepada model penjanaan 3D khusus dan dikembalikan sebagai aset berasingan dalam masa beberapa puluh saat.

Seterusnya, GPT-6 Astra mengambil alih.

Ia menentukan skala dan hubungan ruang setiap bahagian, meletakkan trek di kedua-dua sisi bahagian bawah, memasang boom pada badan, kemudian menyambungkan lengan dan baldi mengikut urutan. Setelah struktur utama siap, ia menggunakan Three.js untuk menambah hos hidraulik, skru, aci pangsi dan juga kayu bedik kawalan di dalam kabin.

Akhirnya, sebuah jengkaut yang lengkap, berstruktur dan boleh diedit muncul dalam adegan 3D.

Ini lebih daripada sekadar penjanaan imej-ke-3D atau penjanaan kod.

Ia ialah dua keupayaan AI yang mula berfungsi bersama dengan cara yang lebih semula jadi:

GPT-6 Astra mengendalikan pemahaman, perancangan dan pembinaan, manakala model asas 3D khusus mengendalikan geometri kompleks.

Ini ialah aliran kerja baharu yang baru-baru ini diterokai oleh V2Fun, produk daripada Vertex Lab.

Di sebaliknya terdapat perubahan yang lebih luas:

Ejen 3D sedang beralih daripada “menjana segala-galanya sendiri” kepada “mengetahui model mana yang perlu dipanggil dan bila.”

01 TITIK PERUBAHAN

GPT-6 Astra sudah boleh membina dalam 3D. Apakah langkah seterusnya?

Salah satu perubahan penting yang dibawa oleh GPT-6 Astra ialah model bahasa besar kini benar-benar memasuki dunia tiga dimensi.

Pada masa lalu, kita lebih biasa meminta AI menjana imej, video atau teks. Kini, dengan pemahaman multimodal, penaakulan ruang dan pengekodan yang semakin berkeupayaan, GPT-6 Astra boleh memahami struktur objek 3D dan kemudian membinanya melalui kaedah prosedur seperti Three.js.

Sebagai contoh, lihat barisan pengeluaran industri.

GPT-6 Astra boleh mengenal pasti tali sawat, penggelek, rangka sokongan, motor dan stesen kerja, kemudian menjana geometri yang sepadan secara berperingkat.

Objek-objek ini amat sesuai untuk pemodelan prosedur kerana lazimnya mempunyai hubungan matematik dan struktur berulang yang jelas. Tiang sokongan boleh diwakili oleh bentuk geometri asas, penggelek boleh diduplikasi berpuluh-puluh kali, dan panjang serta kedudukan tali sawat boleh dikawal secara langsung melalui parameter.

Lebih penting lagi, hasilnya bukan jejaring yang sepenuhnya legap.

Setiap komponen dalam barisan pengeluaran kekal sebagai objek berasingan yang masih boleh dialihkan, diduplikasi, dipadam atau diubah suai.

Dari perspektif ini, GPT-6 Astra melakukan lebih daripada “menjana 3D.” Ia mula mengembangkan keupayaan yang lebih hampir kepada seorang jurutera 3D:

Memahami objek itu diperbuat daripada apa dan membinanya.

Namun, apabila objek menjadi semakin kompleks, persoalan baharu muncul.

Bagaimana jika objek itu bukan barisan pengeluaran, tetapi wajah manusia, makhluk, pakaian, arca atau malah jengkaut dengan permukaan industri yang kompleks? Perlukah GPT-6 Astra terus menulis semua geometri dalam kod?

Jawapannya mungkin bukan pilihan salah satu sahaja.

Dan di sinilah V2Fun boleh memasuki aliran kerja.

02 MENGAPA V2FUN

Mengapa V2Fun?

V2Fun bukan API 3D yang ditambah secara tergesa-gesa hanya untuk demo ini.

Ia ialah platform produk untuk penyelidikan dan pembangunan jangka panjang Vertex Lab terhadap model asas AI 3D.

Ditubuhkan pada 2025, Vertex Lab sentiasa memberi tumpuan kepada penjanaan 3D, kecerdasan ruang dan, dalam jangka lebih panjang, infrastruktur untuk model dunia.

V2Fun sebelum ini diperkenalkan di HDC 2026 sebagai aplikasi natif AI pertama HarmonyOS yang dikuasakan oleh model asas 3D. Aplikasi mudah alih dan ruang kerjanya di web merangkumi keseluruhan aliran kerja daripada penciptaan harian hingga penghasilan kandungan 3D profesional.

Pada terasnya, ia sentiasa menangani soalan yang sama:

Bagaimanakah objek tiga dimensi yang kompleks boleh ditukar menjadi aset 3D yang boleh digunakan, dengan usaha yang lebih sedikit dan dalam masa yang lebih singkat?

V2Fun 2.0 yang akan datang akan memperluas lagi keupayaan ini.

Versi baharu ini akan menampilkan generasi terkini model asas 3Dnya dan menyokong penjanaan tekstur pada resolusi sehingga 8K. Fokusnya adalah untuk meningkatkan kualiti penjanaan bagi geometri kompleks, watak manusia, makhluk, pakaian, arca dan permukaan tidak sekata yang lain.

Inilah sebabnya gabungan V2Fun dan GPT-6 Astra lebih daripada sekadar kerjasama produk secara kebetulan.

Masalah yang cemerlang diselesaikan oleh kedua-duanya sememangnya saling melengkapi.

GPT-6 Astra cemerlang dalam pemahaman, perancangan, hubungan ruang, pengekodan dan penyelarasan ejen.

V2Fun cemerlang dalam menjana geometri 3D kompleks dan permukaan berkualiti tinggi secara langsung.

Satu daripadanya lebih baik dalam menjawab:

“Bagaimanakah objek ini harus dibina?”

Satu lagi lebih baik dalam menjawab:

“Apakah rupa sebenar komponen kompleks ini?”

Apabila kedua-dua keupayaan ini digabungkan, penjanaan 3D tidak lagi terhad kepada satu pendekatan sahaja.

03 CABARAN

Sesetengah perkara paling baik dibina dengan kod. Yang lain lebih baik dijana secara langsung.

Mari kita kembali kepada jengkaut itu.

Dari segi struktur, ia sangat teratur.

GPT-6 Astra boleh memahami dengan mudah bahawa jengkaut terdiri daripada bahagian bawah, trek kiri dan kanan, badan, kabin, boom, lengan dan baldi. Ia juga boleh memahami cara bahagian-bahagian itu harus disambungkan.

Namun, lihat dengan lebih dekat dan masalahnya berubah.

Kabin bukan kubus ringkas, dan cangkerang badan tidak boleh diwakili dengan tepat hanya dengan menggabungkan beberapa bentuk asas. Baldi mempunyai permukaan melengkung berterusan, lengan mempunyai garis luar yang kompleks, manakala trek dan bahagian bawah mengandungi banyak butiran reka bentuk industri.

GPT-6 Astra sememangnya boleh terus menghampiri struktur ini menggunakan kod prosedur.

Namun, semakin kompleks geometri, semakin banyak kod perlu dijana dan disemak, dan semakin banyak lelaran diperlukan.

Bagi ejen, ini bermakna semakin banyak token dibelanjakan untuk menerangkan geometri peringkat rendah.

Jadi, kami mencuba pendekatan yang berbeza.

GPT-6 Astra terlebih dahulu “memahami” jengkaut itu.

Kemudian ia menyerahkan komponen utama yang kompleks, seperti kabin, trek, lengan dan baldi, kepada V2Fun 2.0 untuk dijana secara berasingan.

Setelah penjanaan selesai, GPT-6 Astra mengambil alih semula untuk melaraskan skala, putaran dan kedudukan, serta memasang keseluruhan objek.

Di sini, V2Fun membawa keupayaan yang dibangunkannya dengan tepat:

Membina semula struktur 3D kompleks secara langsung daripada input visual, dan bukannya meminta model bahasa menerangkan permukaan secara tidak langsung melalui sejumlah besar kod.

Ini mungkin kelihatan seperti sekadar menulis kurang Three.js, tetapi sebenarnya ia mengubah keseluruhan pendekatan pengiraan.

Lebih menarik lagi, V2Fun tidak menggantikan Three.js.

Selepas pemasangan, GPT-6 Astra masih menjana banyak elemen itu sendiri.

Contohnya, hos hidraulik.

Hos pada asasnya ialah struktur berbentuk tiub yang menghubungkan beberapa titik utama, menjadikannya sesuai untuk pemodelan prosedur.

Perkara yang sama terpakai pada skru, aci penyambung dan kayu bedik.

Objek-objek ini mempunyai dimensi yang teratur, struktur ringkas dan sering muncul dalam jumlah yang banyak. Memanggil model asas 3D secara berasingan untuk setiap satunya sebenarnya akan menambah kos dan kerumitan pada aliran kerja.

Oleh itu, jengkaut akhir ialah aset hibrid yang sebenar.

V2Fun menjana komponen utama yang kompleks.

GPT-6 Astra + Three.js mengendalikan butiran yang teratur.

GPT-6 Astra kemudian menyusun kedua-duanya menjadi satu objek 3D berstruktur.

Inilah yang menjadikan pendekatan ini menarik:

Daripada memilih antara penjanaan kod dan model asas 3D, ejen menentukan keupayaan yang paling sesuai untuk setiap bahagian.

04 LEBIH KOMPLEKS

Dengan watak manusia, nilai V2Fun menjadi lebih jelas

Jengkaut masih merupakan objek permukaan keras pada asasnya.

Watak manusia dan permukaan organik yang kompleks benar-benar menguji had pendekatan prosedur semata-mata.

Untuk menerokainya, kami mencipta demo yang lebih bercita-cita tinggi:

Meminta GPT-6 Astra membina seorang raja yang lengkap bersenjata dan berperisai.

Selain tubuh manusia itu sendiri, watak ini merangkumi perisai yang rumit, kepala, pedang dan perisai tangan.

Watak manusia jauh lebih sukar diterangkan melalui peraturan berbanding peralatan mekanikal.

Sama ada wajah “kelihatan betul” bergantung pada lebih daripada sekadar meletakkan mata, hidung dan mulut pada kedudukan yang secara kasar betul.

Bentuk muka, tulang pipi, soket mata, batang hidung, bibir dan perubahan kelengkungan yang halus serta berterusan antara semuanya menyumbang kepada penampilan akhir.

Perkara yang sama berlaku pada perisai.

Walaupun ia objek permukaan keras, ia bukan komponen kejuruteraan yang ringkas. Relief, hiasan, permukaan berterusan dan bentuk bergaya semuanya menyumbang kepada identiti visual watak.

Inilah jenis objek yang lebih sesuai dikendalikan oleh model asas 3D generasi seterusnya V2Fun 2.0.

Dalam demo ini, GPT-6 Astra terlebih dahulu memahami watak secara keseluruhan dan memecahkannya kepada beberapa bahagian utama: kepala, badan dan perisai, pedang serta perisai tangan.

V2Fun kemudian menjana komponen kompleks ini secara berasingan.

GPT-6 Astra mengendalikan langkah seterusnya:

Adakah kepala diskalakan dengan betul dan bagaimana ia harus disambungkan kepada badan? Di manakah pedang dan perisai tangan harus diletakkan? Adakah perkadaran bahagian-bahagian itu konsisten? Model yang manakah memerlukan pengurangan poligon? Dan bagaimanakah segala-galanya harus disusun menjadi aset 3D yang boleh diedit dan digunakan selanjutnya?

Dengan kata lain:

V2Fun menangani “cara menjana geometri kompleks dengan pantas dan berkualiti tinggi.”

GPT-6 Astra menangani “cara menukar geometri itu menjadi objek yang lengkap.”

Mengapakah V2Fun boleh mengendalikan lapisan geometri kompleks ini?

Sebabnya melangkaui “ia juga merupakan model imej-ke-3D.”

Penyelidikan dan pembangunan teras Vertex Lab dalam kerja terbaharunya memberi tumpuan kepada dua persoalan asas:

Bagaimanakah geometri boleh diwakili dengan lebih tepat dan bagaimanakah tekstur beresolusi tinggi boleh dikekalkan konsisten merentasi permukaan 3D?

Dari segi geometri, pasukan itu terus memperhalus perwakilan 3D dan seni bina penjanaannya, dengan matlamat mengurangkan perwakilan geometri yang tidak cekap serta memfokuskan kapasiti model pada kawasan berkelengkungan tinggi, struktur nipis dan bahagian kompleks.

Dari segi tekstur, tumpuannya adalah untuk menangani ketidakselarasan, koyakan dan kehilangan butiran yang lazim berlaku dalam penjanaan berbilang pandangan beresolusi tinggi.

Hal ini turut menjadi asas kepada keupayaan V2Fun 2.0 untuk menghasilkan tekstur berkualiti tinggi pada resolusi sehingga 8K.

Bagi ejen, keupayaan seperti ini amat penting.

Ia memanggil model khusus yang menghasilkan aset 3D sebenar, bukannya alat penjanaan visual yang sekadar mencipta sesuatu yang “kelihatan 3D.”

Aset yang dijana masih perlu dipasang, dikurangkan kiraan poligonnya dan diubah suai oleh GPT-6 Astra, dan akhirnya mungkin digunakan dalam animasi, permainan, pencetakan 3D atau aliran kerja 3D lain.

Inilah cabaran produk yang sedang diusahakan oleh V2Fun:

Memastikan AI menjana lebih daripada hasil sekali guna: aset 3D yang benar-benar boleh terus digunakan dan diusahakan oleh manusia.

05 KECEKAPAN

Selain kualiti yang lebih tinggi, terdapat satu lagi perubahan: token

Aliran kerja ini mempunyai satu lagi manfaat yang sangat langsung:

Kecekapan token.

Apabila GPT-6 Astra menggunakan Three.js untuk menerangkan struktur ringkas, ia menggunakan token dengan sangat cekap.

Sebuah silinder, hos hidraulik atau beberapa skru memerlukan kod yang sangat sedikit.

Namun, menggunakan kaedah yang sama untuk menghampiri wajah manusia, lipatan kain atau permukaan industri yang sangat kompleks akan meningkatkan dengan pantas jumlah kod geometri yang perlu dijana dan disemak.

Sebilangan besar token kemudiannya dibelanjakan untuk soalan seperti:

“Bagaimanakah permukaan ini boleh dibuat sedikit lebih tepat?”

“Bagaimanakah garis luar ini harus dilaraskan lagi?”

“Berapakah butiran geometri yang perlu ditambah di sini?”

Apabila bahagian kompleks diserahkan secara langsung kepada V2Fun, proses peringkat rendah ini diringkaskan menjadi satu panggilan kepada model khusus.

GPT-6 Astra boleh menumpukan lebih banyak sumber penaakulannya pada keputusan yang benar-benar memerlukannya:

Cara memecahkan objek;

Bahagian yang manakah harus dijana secara berasingan;

Cara bahagian-bahagian itu berkait antara satu sama lain dalam ruang;

Cara memasang objek akhir;

Tempat perubahan lanjut diperlukan.

Inilah sebabnya V2Fun 2.0 menawarkan lebih daripada “model yang kelihatan lebih baik.”

Ia juga berpotensi mengurangkan penggunaan token GPT-6 Astra dan jumlah masa pemodelan untuk tugasan 3D yang kompleks.

Aliran kerja sebelum ini mungkin:

Fahami → Tulis kod geometri → Semak semula → Tulis lebih banyak kod geometri → Semak semula lagi

Kini ia menjadi:

Fahami → Pecahkan kepada bahagian → Jana secara selari → Pasang → Tambah butiran setempat

Apabila berbilang komponen kompleks boleh dijana serentak, kelebihan kecekapan ini menjadi lebih besar.

06 PENUTUP

Daripada menjana model kepada menjadi keupayaan 3D teras untuk ejen

Dalam beberapa tahun kebelakangan ini, persoalan utama dalam AI 3D ialah:

Bagaimanakah kita menjana model yang lebih baik?

Namun, apabila model seperti GPT-6 Astra memperoleh pemahaman multimodal, pengekodan dan keupayaan ejen yang lebih kukuh, persoalan itu berubah.

Pada masa hadapan, AI mungkin tidak perlu menggunakan satu teknik untuk setiap tugasan 3D.

Struktur ringkas boleh dikodkan secara langsung.

Permukaan kompleks boleh diserahkan kepada V2Fun.

Aset sedia ada boleh digunakan semula seperti seadanya.

Pengurangan poligon, pemasangan dan pelarasan struktur kemudiannya boleh diserahkan kembali kepada ejen.

Hal ini selari dengan perubahan industri penjanaan 3D daripada alat penjanaan sekali guna ke arah produktiviti dipacu ejen. Artikel rujukan menerangkan trend yang sama: penjanaan 3D sedang beralih daripada peringkat yang menyerupai bot sembang awal kepada fasa produktiviti yang dikuasakan oleh ejen.

Bagi Vertex Lab, arah ini konsisten dengan visi teknikal jangka panjangnya.

Sejak awal lagi, syarikat itu tidak pernah mentakrifkan V2Fun hanya sebagai “laman web imej-ke-3D.”

Daripada menjadikan penciptaan 3D lebih mudah diakses pada peranti mudah alih, kepada membolehkan penghasilan aset profesional di web, hingga model 3D, animasi, gerakan dan usaha jangka panjang mengejar kecerdasan ruang serta model dunia, Vertex Lab sentiasa berhasrat membina infrastruktur untuk penjanaan kandungan 3D dan kecerdasan ruang.

Kebangkitan ejen mungkin membuka laluan baharu ke arah matlamat itu.

Pada masa hadapan, pengguna mungkin tidak perlu mengetahui model mana yang perlu dipanggil, kod apa yang perlu ditulis atau pendekatan pemodelan yang perlu dipilih.

Mereka mungkin hanya perlu berkata:

“Tukarkan ini kepada 3D.”

GPT-6 Astra akan memahami permintaan itu dan menentukan cara melaksanakannya.

V2Fun 2.0 berhasrat menjadi keupayaan khusus yang digunakannya untuk dunia tiga dimensi yang kompleks.

GPT-6 Astra mengendalikan pemahaman, perancangan dan pembinaan.

V2Fun menukar idea tiga dimensi yang kompleks menjadi aset sebenar.

GPT-6 Astra × V2Fun: Daripada penjanaan kod kepada kerjasama model.