GPT-6 Astra x V2Fun - Od generowania kodu do współpracy modeli

GPT-6 Astra × V2Fun: Od generowania kodu do współpracy modeli

Wyobraź sobie proces modelowania 3D taki jak ten.

Dajesz GPT-6 Astra obraz referencyjny koparki. Najpierw rozpoznaje elementy maszyny: kabinę, gąsienice, podwozie, wysięgnik, ramię, łyżkę i inne.

Te główne elementy są następnie indywidualnie przesyłane do wyspecjalizowanego modelu generowania 3D i zwracane jako osobne zasoby w ciągu kilkudziesięciu sekund.

Następnie do działania przystępuje GPT-6 Astra.

Określa skalę i relacje przestrzenne poszczególnych części, umieszcza gąsienice po obu stronach podwozia, mocuje wysięgnik do korpusu, a następnie kolejno łączy ramię i łyżkę. Po ukończeniu głównej struktury używa Three.js, aby dodać przewody hydrauliczne, śruby, sworznie oraz joysticki sterujące wewnątrz kabiny.

W końcu w scenie 3D pojawia się kompletna, uporządkowana i edytowalna koparka.

To coś więcej niż samo generowanie obrazu do 3D lub samo generowanie kodu.

To dwie możliwości AI, które zaczynają współpracować w bardziej naturalny sposób:

GPT-6 Astra zajmuje się rozumieniem, planowaniem i konstruowaniem, podczas gdy wyspecjalizowany model bazowy 3D obsługuje złożoną geometrię.

To nowy przepływ pracy, który niedawno zaczął badać ​V2Fun​, produkt firmy Vertex Lab.

Za tym rozwiązaniem kryje się szersza zmiana:

Agenci 3D przechodzą od „generowania wszystkiego samodzielnie” do „wiedzy, który model wywołać i kiedy”.

01

PUNKT ZWROTNY

GPT-6 Astra już potrafi budować w 3D. Co dalej?

Jedną z istotnych zmian, jakie przyniósł GPT-6 Astra, jest rzeczywiste wejście dużych modeli językowych do świata trójwymiarowego.

W przeszłości częściej prosiliśmy AI o wygenerowanie obrazu, filmu lub fragmentu tekstu. Teraz, dzięki coraz lepszemu rozumieniu multimodalnemu, rozumowaniu przestrzennemu i programowaniu, GPT-6 Astra może zrozumieć strukturę obiektu 3D, a następnie faktycznie zbudować go metodami proceduralnymi, takimi jak Three.js.

Weźmy na przykład przemysłową linię produkcyjną.

GPT-6 Astra może rozpoznać jej przenośniki taśmowe, rolki, ramy wsporcze, silniki i stanowiska pracy, a następnie stopniowo wygenerować odpowiadającą im geometrię.

Obiekty te szczególnie dobrze nadają się do modelowania proceduralnego, ponieważ zwykle mają wyraźne zależności matematyczne i powtarzalne struktury. Słup wsporczy można przedstawić za pomocą podstawowego kształtu geometrycznego, rolkę można powielić dziesiątki razy, a długość i położenie przenośnika taśmowego można bezpośrednio kontrolować za pomocą parametrów.

Co ważniejsze, rezultat nie jest całkowicie nieprzejrzystą siatką.

Każdy element linii produkcyjnej pozostaje osobnym obiektem, który nadal można przesuwać, powielać, usuwać lub modyfikować.

Z tej perspektywy GPT-6 Astra robi więcej niż „generuje 3D”. Zaczyna rozwijać możliwości bliższe tym, jakie ma inżynier 3D:

Rozumie, z czego składa się obiekt, i buduje go.

Jednak gdy obiekty stają się bardziej złożone, pojawia się nowe pytanie.

Co jeśli obiektem nie jest linia produkcyjna, lecz ludzka twarz, stworzenie, ubranie, rzeźba albo nawet koparka o złożonych przemysłowych powierzchniach? Czy GPT-6 Astra nadal powinien zapisywać całą geometrię w kodzie?

Odpowiedź może nie być kwestią wyboru jednej z dwóch opcji.

I właśnie tutaj V2Fun może wkroczyć do przepływu pracy.

02

DLACZEGO V2FUN

Dlaczego V2Fun?

V2Fun nie jest interfejsem API 3D dodanym naprędce wyłącznie na potrzeby tej demonstracji.

To platforma produktowa służąca długoterminowym badaniom i rozwojowi bazowych modeli AI 3D firmy Vertex Lab.

Założona w 2025 roku firma Vertex Lab konsekwentnie koncentruje się na generowaniu 3D, inteligencji przestrzennej, a w dłuższej perspektywie także na infrastrukturze dla modeli świata.

V2Fun został wcześniej zaprezentowany podczas HDC 2026 jako pierwsza natywna aplikacja AI systemu HarmonyOS wykorzystująca bazowy model 3D. Jego aplikacja mobilna i internetowa przestrzeń robocza obejmują cały przepływ pracy — od codziennego tworzenia po profesjonalną produkcję treści 3D.

U podstaw od zawsze odpowiadał na to samo pytanie:

Jak złożony obiekt trójwymiarowy przekształcić w użyteczny zasób 3D mniejszym nakładem pracy i w krótszym czasie?

Nadchodzący V2Fun 2.0 rozwinie te możliwości.

Nowa wersja będzie wyposażona w najnowszą generację bazowego modelu 3D i umożliwi generowanie tekstur w rozdzielczości do 8K. Skupi się na poprawie jakości generowania złożonej geometrii, postaci ludzkich, stworzeń, ubrań, rzeźb i innych nieregularnych powierzchni.

Dlatego połączenie V2Fun i GPT-6 Astra to coś więcej niż przypadkowa współpraca produktowa.

Problemy, które oba rozwiązania najlepiej rozwiązują, są z natury komplementarne.

GPT-6 Astra specjalizuje się w rozumieniu, planowaniu, relacjach przestrzennych, programowaniu i orkiestracji agentów.

V2Fun specjalizuje się w bezpośrednim generowaniu złożonej geometrii 3D i wysokiej jakości powierzchni.

Jeden lepiej odpowiada na pytanie:

„Jak należy zbudować ten obiekt?”

Drugi lepiej odpowiada na pytanie:

„Jak właściwie powinien wyglądać ten złożony element?”

Gdy te dwie możliwości się połączą, generowanie 3D nie będzie już ograniczone do jednego podejścia.

03

WYZWANIE

Niektóre rzeczy najlepiej budować za pomocą kodu. Inne lepiej generować bezpośrednio.

Wróćmy do tej koparki.

Pod względem struktury jest bardzo regularna.

GPT-6 Astra z łatwością rozumie, że koparka składa się z podwozia, lewej i prawej gąsienicy, korpusu, kabiny, wysięgnika, ramienia i łyżki. Potrafi także zrozumieć, jak te części powinny się łączyć.

Jednak przy bliższym spojrzeniu problem się zmienia.

Kabina nie jest prostym sześcianem, a skorupy korpusu nie da się dokładnie przedstawić za pomocą połączenia kilku prymitywów. Łyżka ma ciągłe zakrzywione powierzchnie, ramię ma złożony obrys, a gąsienice i podwozie zawierają mnóstwo szczegółów wzornictwa przemysłowego.

GPT-6 Astra z pewnością może nadal przybliżać te struktury za pomocą kodu proceduralnego.

Jednak im bardziej złożona geometria, tym więcej kodu trzeba wygenerować i poprawiać oraz tym więcej iteracji jest potrzebnych.

Dla agenta oznacza to poświęcanie coraz większej liczby tokenów na opisywanie geometrii niskiego poziomu.

Dlatego wypróbowaliśmy inne podejście.

GPT-6 Astra najpierw „rozumie” koparkę.

Następnie zleca złożone główne elementy, takie jak kabina, gąsienice, ramię i łyżka, do osobnego wygenerowania przez V2Fun 2.0.

Po zakończeniu generowania GPT-6 Astra ponownie przejmuje działanie, aby dostosować skalę, obrót i położenie oraz złożyć cały obiekt.

V2Fun wnosi tutaj dokładnie te możliwości, które rozwija:

Bezpośrednia rekonstrukcja złożonych struktur 3D na podstawie danych wizualnych zamiast pośredniego opisywania powierzchni przez model językowy za pomocą dużych ilości kodu.

Może to wyglądać jak zwykłe pisanie mniejszej ilości kodu Three.js, ale w rzeczywistości zmienia całe podejście obliczeniowe.

Co ciekawsze, V2Fun nie zastępuje Three.js.

Po złożeniu GPT-6 Astra nadal samodzielnie generuje wiele elementów.

Na przykład przewody hydrauliczne.

Przewód jest zasadniczo rurową strukturą łączącą kilka kluczowych punktów, dzięki czemu doskonale nadaje się do modelowania proceduralnego.

To samo dotyczy śrub, wałów łączących i joysticków.

Obiekty te mają regularne wymiary, proste struktury i często występują w dużej liczbie. Osobne wywoływanie bazowego modelu 3D dla każdego z nich faktycznie zwiększyłoby koszt i złożoność przepływu pracy.

Końcowa koparka jest więc prawdziwie hybrydowym zasobem.

V2Fun generuje złożone główne elementy.

GPT-6 Astra + Three.js obsługuje regularne szczegóły.

Następnie GPT-6 Astra porządkuje oba rodzaje elementów w jeden uporządkowany obiekt 3D.

To właśnie czyni to podejście tak przekonującym:

Zamiast wybierać między generowaniem kodu a bazowym modelem 3D, agent decyduje, która możliwość najlepiej pasuje do każdej części.

04

WIĘKSZA ZŁOŻONOŚĆ

W przypadku postaci ludzkich wartość V2Fun staje się jeszcze wyraźniejsza

Koparka nadal jest przede wszystkim obiektem o twardych powierzchniach.

To postaci ludzkie i złożone powierzchnie organiczne naprawdę doprowadzają podejście czysto proceduralne do jego granic.

Aby to zbadać, stworzyliśmy bardziej ambitną demonstrację:

Poprosiliśmy GPT-6 Astra o zbudowanie w pełni uzbrojonego i opancerzonego króla.

Oprócz samego ludzkiego ciała postać ta obejmuje skomplikowaną zbroję, głowę, miecz i tarczę.

Postaci ludzkie znacznie trudniej opisać za pomocą reguł niż sprzęt mechaniczny.

To, czy twarz „wygląda właściwie”, zależy od czegoś więcej niż tylko umieszczenia oczu, nosa i ust w przybliżeniu odpowiednich miejscach.

Kształt twarzy, kości policzkowe, oczodoły, grzbiet nosa, usta oraz subtelne, ciągłe zmiany krzywizny między nimi — wszystko to wpływa na ostateczny wygląd.

To samo dotyczy zbroi.

Choć jest obiektem o twardych powierzchniach, nie stanowi prostego elementu inżynieryjnego. Płaskorzeźby, ornamenty, ciągłe powierzchnie i stylizowane formy współtworzą tożsamość wizualną postaci.

Są to dokładnie te rodzaje obiektów, z którymi lepiej radzi sobie bazowy model 3D nowej generacji w V2Fun 2.0.

W tej demonstracji GPT-6 Astra najpierw rozumie postać jako całość i dzieli ją na kilka głównych części: głowę, ciało i zbroję, miecz oraz tarczę.

Następnie V2Fun generuje te złożone elementy osobno.

GPT-6 Astra zajmuje się tym, co następuje później:

Czy głowa ma właściwą skalę i jak powinna łączyć się z ciałem? Gdzie należy umieścić miecz i tarczę? Czy proporcje części są spójne? Które modele wymagają redukcji liczby wielokątów? I jak zorganizować wszystko w zasób 3D, który można edytować i dalej wykorzystywać?

Innymi słowy:

V2Fun odpowiada na pytanie „jak szybko i w wysokiej jakości wygenerować złożoną geometrię”.

GPT-6 Astra odpowiada na pytanie „jak przekształcić tę geometrię w kompletny obiekt”.

Dlaczego V2Fun potrafi obsługiwać tak złożoną geometrię?

Powód wykracza poza stwierdzenie, że „jest także modelem przekształcającym obraz w 3D”.

Główne badania i prace rozwojowe firmy Vertex Lab w ostatnim czasie koncentrowały się na dwóch fundamentalnych pytaniach:

Jak dokładniej reprezentować geometrię i jak zachować spójność ​tekstur o wysokiej rozdzielczości​​​ na powierzchniach 3D.

W zakresie geometrii zespół nieustannie udoskonala reprezentacje 3D i architekturę generowania, dążąc do ograniczenia nieefektywnych reprezentacji geometrycznych oraz skupienia możliwości modelu na obszarach o dużej krzywiźnie, cienkich strukturach i złożonych regionach.

W zakresie tekstur koncentruje się na problemach z niedopasowaniem, rozrywaniem i utratą szczegółów, które często występują podczas generowania w wysokiej rozdzielczości z wielu perspektyw.

Stanowi to również podstawę możliwości V2Fun 2.0 w zakresie dostarczania wysokiej jakości tekstur w rozdzielczości do 8K.

Dla agenta takie możliwości mają ogromne znaczenie.

Wywołuje on wyspecjalizowany model, który tworzy rzeczywiste zasoby 3D, a nie narzędzie generowania wizualnego, które jedynie tworzy coś, co „wygląda jak 3D”.

Wygenerowane zasoby nadal muszą zostać złożone, zredukowane pod względem liczby wielokątów i zmodyfikowane przez GPT-6 Astra, a ostatecznie mogą trafić do animacji, gier, druku 3D lub innych przepływów pracy 3D.

To właśnie wyzwanie produktowe, które V2Fun stara się rozwiązać:

Zapewnienie, aby AI generowało coś więcej niż jednorazowy rezultat: zasób 3D, nad którym ludzie mogą naprawdę dalej pracować.

05

WYDAJNOŚĆ

Oprócz wyższej jakości zachodzi jeszcze jedna zmiana: tokeny

Ten przepływ pracy przynosi jeszcze jedną bardzo bezpośrednią korzyść:

Wydajność tokenowa.

Gdy GPT-6 Astra używa Three.js do opisywania prostej struktury, wykorzystuje tokeny bardzo efektywnie.

Walec, przewód hydrauliczny lub kilka śrub wymagają bardzo niewielkiej ilości kodu.

Jednak zastosowanie tej samej metody do przybliżania ludzkich twarzy, fałd materiału lub bardzo złożonych powierzchni przemysłowych szybko zwiększa ilość kodu geometrii, który trzeba wygenerować i poprawiać.

Duże liczby tokenów są wtedy zużywane na pytania takie jak:

„Jak sprawić, aby ta powierzchnia była nieco dokładniejsza?”

„Jak jeszcze bardziej dopasować ten obrys?”

„Ile szczegółów geometrycznych należy tutaj dodać?”

Gdy złożone części są bezpośrednio zlecane V2Fun, te procesy niskiego poziomu zostają skondensowane do jednego wywołania wyspecjalizowanego modelu.

GPT-6 Astra może przeznaczyć więcej zasobów rozumowania na decyzje, które rzeczywiście tego wymagają:

Jak podzielić obiekt;

Które części należy wygenerować osobno;

Jak części są wzajemnie powiązane w przestrzeni;

Jak złożyć końcowy obiekt;

Gdzie potrzebne są dalsze zmiany.

Dlatego V2Fun 2.0 oferuje więcej niż „lepiej wyglądające modele”.

Może również zmniejszyć zarówno zużycie tokenów przez GPT-6 Astra, jak i całkowity czas modelowania złożonych zadań 3D.

Wcześniej przepływ pracy mógł wyglądać tak:

Zrozumienie → Napisanie kodu geometrii → Poprawki → Napisanie kolejnego kodu geometrii → Ponowne poprawki

Teraz wygląda tak:

Zrozumienie → Podział na części → Równoległe generowanie → Złożenie → Dodanie lokalnych szczegółów

Gdy wiele złożonych elementów można wygenerować jednocześnie, przewaga wydajnościowa staje się jeszcze większa.

06

ZAKOŃCZENIE

Od generowania modelu do stania się kluczową możliwością 3D dla agentów

W ciągu ostatnich kilku lat centralne pytanie w dziedzinie AI 3D brzmiało:

Jak wygenerować lepszy model?

Jednak wraz ze wzrostem możliwości rozumienia multimodalnego, programowania i działania agentowego modeli takich jak GPT-6 Astra pytanie to się zmienia.

W przyszłości AI może nie potrzebować jednej techniki do każdego zadania 3D.

Proste struktury można kodować bezpośrednio.

Złożone powierzchnie można zlecać V2Fun.

Istniejące zasoby można ponownie wykorzystywać bez zmian.

Redukcję liczby wielokątów, składanie i modyfikacje strukturalne można następnie ponownie przekazać agentowi.

Jest to zgodne ze zmianą zachodzącą w branży generowania 3D — od jednorazowych narzędzi generowania w kierunku produktywności opartej na agentach. Artykuł referencyjny opisuje ten sam trend: generowanie 3D przechodzi od etapu przypominającego wczesne chatboty do fazy produktywności napędzanej przez agentów.

Dla Vertex Lab kierunek ten jest zgodny z długoterminową wizją technologiczną firmy.

Od początku firma nigdy nie definiowała V2Fun wyłącznie jako „strony internetowej do przekształcania obrazu w 3D”.

Od uczynienia tworzenia 3D bardziej dostępnym na urządzeniach mobilnych, przez umożliwienie profesjonalnej produkcji zasobów w internecie, po modele 3D, animację, ruch oraz długoterminowe dążenie do inteligencji przestrzennej i modeli świata — firma Vertex Lab zawsze dążyła do budowania infrastruktury dla generowania treści 3D i inteligencji przestrzennej.

Rozwój agentów może otworzyć nową drogę do osiągnięcia tego celu.

W przyszłości użytkownicy mogą nie musieć wiedzieć, który model wywołać, jaki kod napisać ani jakie podejście do modelowania wybrać.

Mogą jedynie powiedzieć:

„Przekształć to w 3D.”

GPT-6 Astra zrozumie polecenie i zdecyduje, jak je wykonać.

V2Fun 2.0 ma ambicję stać się wyspecjalizowaną możliwością, na której GPT-6 Astra polega w przypadku złożonego świata trójwymiarowego.

GPT-6 Astra zajmuje się rozumieniem, planowaniem i konstruowaniem.

V2Fun przekształca złożone idee trójwymiarowe w rzeczywiste zasoby.

GPT-6 Astra × V2Fun: Od generowania kodu do współpracy modeli.

06

ZAKOŃCZENIE

Od generowania modelu do stania się kluczową możliwością 3D dla agentów

W ciągu ostatnich kilku lat centralne pytanie w dziedzinie AI 3D brzmiało:

Jak wygenerować lepszy model?

Jednak wraz ze wzrostem możliwości rozumienia multimodalnego, programowania i działania agentowego modeli takich jak GPT-6 Astra pytanie to się zmienia.

W przyszłości AI może nie potrzebować jednej techniki do każdego zadania 3D.

Proste struktury można kodować bezpośrednio.

Złożone powierzchnie można zlecać V2Fun.

Istniejące zasoby można ponownie wykorzystywać bez zmian.

Redukcję liczby wielokątów, składanie i modyfikacje strukturalne można następnie ponownie przekazać agentowi.

Jest to zgodne ze zmianą zachodzącą w branży generowania 3D — od jednorazowych narzędzi generowania w kierunku produktywności opartej na agentach. Artykuł referencyjny opisuje ten sam trend: generowanie 3D przechodzi od etapu przypominającego wczesne chatboty do fazy produktywności napędzanej przez agentów.

Dla Vertex Lab kierunek ten jest zgodny z długoterminową wizją technologiczną firmy.

Od początku firma nigdy nie definiowała V2Fun wyłącznie jako „strony internetowej do przekształcania obrazu w 3D”.

Od uczynienia tworzenia 3D bardziej dostępnym na urządzeniach mobilnych, przez umożliwienie profesjonalnej produkcji zasobów w internecie, po modele 3D, animację, ruch oraz długoterminowe dążenie do inteligencji przestrzennej i modeli świata — firma Vertex Lab zawsze dążyła do budowania infrastruktury dla generowania treści 3D i inteligencji przestrzennej.

Rozwój agentów może otworzyć nową drogę do osiągnięcia tego celu.

W przyszłości użytkownicy mogą nie musieć wiedzieć, który model wywołać, jaki kod napisać ani jakie podejście do modelowania wybrać.

Mogą jedynie powiedzieć:

„Przekształć to w 3D.”

GPT-6 Astra zrozumie polecenie i zdecyduje, jak je wykonać.

V2Fun 2.0 ma ambicję stać się wyspecjalizowaną możliwością, na której GPT-6 Astra polega w przypadku złożonego świata trójwymiarowego.

GPT-6 Astra zajmuje się rozumieniem, planowaniem i konstruowaniem.

V2Fun przekształca złożone idee trójwymiarowe w rzeczywiste zasoby.

GPT-6 Astra × V2Fun: Od generowania kodu do współpracy modeli.