GPT-6 Astra x V2Fun - Da Geração de Código à Colaboração entre Modelos

Imagine um processo de modelação 3D como este.

Dá ao GPT-6 Astra uma imagem de referência de uma escavadora. Primeiro, identifica os componentes da máquina: a cabine, os rastos, o trem de rodagem, a lança, o braço, o balde, entre outros.

Estes componentes principais são depois enviados individualmente para um modelo especializado de geração 3D e devolvidos como ativos separados em dezenas de segundos.

Em seguida, o GPT-6 Astra assume o controlo.

Determina a escala e as relações espaciais de cada peça, coloca os rastos de cada lado do trem de rodagem, fixa a lança ao corpo e depois liga o braço e o balde em sequência. Quando a estrutura principal está concluída, utiliza o Three.js para adicionar mangueiras hidráulicas, parafusos, eixos de articulação e até os joysticks de controlo dentro da cabine.

Por fim, surge na cena 3D uma escavadora completa, estruturada e editável.

Isto é mais do que apenas geração de imagem para 3D ou geração de código.

São duas capacidades de IA a começar a trabalhar em conjunto de uma forma mais natural:

O GPT-6 Astra trata da compreensão, do planeamento e da construção, enquanto um modelo fundacional 3D especializado trata da geometria complexa.

Este é um novo fluxo de trabalho que a V2Fun, um produto da Vertex Lab, tem explorado recentemente.

Por detrás disto está uma mudança mais ampla:

Os agentes 3D estão a passar de “gerar tudo por si próprios” para “saber qual modelo chamar e quando”.

01 PONTO DE VIRAGEM

O GPT-6 Astra já consegue construir em 3D. O que vem a seguir?

Uma mudança significativa trazida pelo GPT-6 Astra é o facto de os grandes modelos de linguagem estarem verdadeiramente a entrar no mundo tridimensional.

No passado, estávamos mais habituados a pedir à IA para gerar uma imagem, um vídeo ou um texto. Agora, com uma compreensão multimodal, um raciocínio espacial e capacidades de programação cada vez mais avançados, o GPT-6 Astra consegue compreender a estrutura de um objeto 3D e depois construí-lo efetivamente através de métodos procedurais, como o Three.js.

Tomemos como exemplo uma linha de produção industrial.

O GPT-6 Astra consegue identificar as suas correias transportadoras, rolos, estruturas de suporte, motores e postos de trabalho, gerando depois progressivamente a geometria correspondente.

Estes objetos são particularmente adequados à modelação procedural porque tendem a ter relações matemáticas claras e estruturas repetidas. Uma coluna de suporte pode ser representada por uma forma geométrica básica, um rolo pode ser duplicado dezenas de vezes e o comprimento e a posição de uma correia transportadora podem ser controlados diretamente através de parâmetros.

Mais importante ainda, o resultado não é uma malha completamente opaca.

Cada componente da linha de produção continua a ser um objeto separado que pode ser movido, duplicado, eliminado ou modificado.

Desta perspetiva, o GPT-6 Astra faz mais do que “gerar 3D”. Está a começar a desenvolver uma capacidade mais próxima da de um engenheiro 3D:

Compreender de que é feito um objeto e construí-lo.

Mas, à medida que os objetos se tornam mais complexos, surge uma nova questão.

E se o objeto não for uma linha de produção, mas um rosto humano, uma criatura, roupa, uma escultura ou até uma escavadora com superfícies industriais complexas? Deverá o GPT-6 Astra continuar a escrever toda a geometria em código?

A resposta pode não ser uma questão de escolher entre uma coisa ou outra.

E é precisamente aqui que a V2Fun pode entrar no fluxo de trabalho.

02 PORQUÊ A V2FUN

Porquê a V2Fun?

A V2Fun não é uma API 3D adicionada à pressa apenas para esta demonstração.

É a plataforma de produto para a investigação e o desenvolvimento de longo prazo da Vertex Lab no domínio dos modelos fundacionais 3D.

Fundada em 2025, a Vertex Lab tem-se concentrado consistentemente na geração 3D, na inteligência espacial e, a mais longo prazo, na infraestrutura para modelos do mundo.

A V2Fun foi apresentada anteriormente na HDC 2026 como a primeira aplicação nativa de IA do HarmonyOS alimentada por um modelo fundacional 3D. A sua aplicação móvel e o espaço de trabalho Web abrangem todo o fluxo de trabalho, desde a criação quotidiana até à produção profissional de conteúdos 3D.

No seu núcleo, sempre abordou a mesma questão:

Como pode um objeto tridimensional complexo ser transformado num ativo 3D utilizável, com menos esforço e em menos tempo?

A futura V2Fun 2.0 levará estas capacidades mais longe.

A nova versão contará com a geração mais recente do seu modelo fundacional 3D e suportará a geração de texturas com resoluções até 8K. Terá como foco melhorar a qualidade da geração de geometrias complexas, personagens humanos, criaturas, roupa, esculturas e outras superfícies irregulares.

É por isso que a combinação da V2Fun com o GPT-6 Astra é mais do que uma colaboração ocasional entre produtos.

Os problemas que resolvem melhor são inerentemente complementares.

O GPT-6 Astra destaca-se na compreensão, no planeamento, nas relações espaciais, na programação e na orquestração de agentes.

A V2Fun destaca-se na geração direta de geometrias 3D complexas e superfícies de alta qualidade.

Um é melhor a responder:

“Como deve este objeto ser construído?”

O outro é melhor a responder:

“Qual deve ser, na realidade, o aspeto deste componente complexo?”

Quando estas duas capacidades se juntam, a geração 3D deixa de estar limitada a uma única abordagem.

03 DESAFIO

Algumas coisas são melhor construídas com código. Outras são melhor geradas diretamente.

Voltemos à escavadora.

Estruturalmente, é altamente regular.

O GPT-6 Astra consegue compreender facilmente que uma escavadora é composta por um trem de rodagem, rastos esquerdo e direito, um corpo, uma cabine, uma lança, um braço e um balde. Também consegue compreender como essas peças devem ser ligadas.

Mas, se olharmos mais de perto, o problema muda.

A cabine não é um cubo simples e a carcaça do corpo não pode ser representada com precisão através da combinação de alguns elementos primitivos. O balde tem superfícies curvas contínuas, o braço tem um contorno complexo e os rastos e o trem de rodagem contêm uma grande quantidade de detalhes de design industrial.

O GPT-6 Astra pode certamente continuar a aproximar estas estruturas com código procedural.

Mas quanto mais complexa for a geometria, mais código terá de ser gerado e revisto, e mais iterações serão necessárias.

Para um agente, isto significa gastar cada vez mais tokens a descrever geometria de baixo nível.

Por isso, experimentámos uma abordagem diferente.

Primeiro, o GPT-6 Astra “compreende” a escavadora.

Depois, delega os componentes principais complexos, como a cabine, os rastos, o braço e o balde, à V2Fun 2.0 para geração separada.

Quando a geração está concluída, o GPT-6 Astra assume novamente o controlo para ajustar a escala, a rotação e a posição, e montar o objeto completo.

Aqui, a V2Fun oferece exatamente a capacidade que tem vindo a desenvolver:

Reconstruir estruturas 3D complexas diretamente a partir de dados visuais, em vez de fazer com que um modelo de linguagem descreva indiretamente as superfícies através de grandes quantidades de código.

Isto pode parecer simplesmente escrever menos Three.js, mas, na realidade, altera toda a abordagem computacional.

Mais interessante ainda, a V2Fun não substitui o Three.js.

Após a montagem, o GPT-6 Astra continua a gerar muitos elementos por si próprio.

As mangueiras hidráulicas, por exemplo.

Uma mangueira é essencialmente uma estrutura tubular que liga alguns pontos-chave, o que a torna ideal para a modelação procedural.

O mesmo se aplica aos parafusos, aos eixos de ligação e aos joysticks.

Estes objetos têm dimensões regulares, estruturas simples e aparecem frequentemente em grandes quantidades. Chamar separadamente um modelo fundacional 3D para cada um acrescentaria, na realidade, custos e complexidade ao fluxo de trabalho.

A escavadora final é, portanto, um verdadeiro ativo híbrido.

A V2Fun gera os componentes principais complexos.

O GPT-6 Astra + Three.js trata dos detalhes regulares.

O GPT-6 Astra organiza depois ambos num único objeto 3D estruturado.

É isto que torna a abordagem tão convincente:

Em vez de escolher entre a geração de código e um modelo fundacional 3D, o agente decide qual a capacidade mais adequada para cada componente.

04 MAIS COMPLEXO

Com personagens humanas, o valor da V2Fun torna-se ainda mais claro

A escavadora continua a ser sobretudo um objeto de superfície rígida.

As personagens humanas e as superfícies orgânicas complexas são aquilo que realmente leva uma abordagem puramente procedural aos seus limites.

Para explorar esta questão, criámos uma demonstração mais ambiciosa:

Pedir ao GPT-6 Astra para construir um rei completamente armado e protegido por uma armadura.

Para além do próprio corpo humano, esta personagem inclui uma armadura complexa, uma cabeça, uma espada e um escudo.

As personagens humanas são muito mais difíceis de expressar através de regras do que o equipamento mecânico.

O facto de um rosto “parecer correto” depende de mais do que colocar os olhos, o nariz e a boca em posições aproximadamente corretas.

A forma do rosto, as maçãs do rosto, as cavidades oculares, a cana do nariz, os lábios e as alterações subtis e contínuas da curvatura entre estes elementos contribuem para o aspeto final.

O mesmo se aplica à armadura.

Embora seja um objeto de superfície rígida, não é um simples componente de engenharia. Os relevos, os ornamentos, as superfícies contínuas e as formas estilizadas contribuem todos para a identidade visual da personagem.

Estes são precisamente os tipos de objetos que o modelo fundacional 3D de próxima geração da V2Fun 2.0 está mais preparado para processar.

Nesta demonstração, o GPT-6 Astra começa por compreender a personagem como um todo e divide-a em várias partes principais: a cabeça, o corpo e a armadura, a espada e o escudo.

A V2Fun gera depois estes componentes complexos separadamente.

O GPT-6 Astra trata do que vem a seguir:

A cabeça está corretamente dimensionada e como deve ligar-se ao corpo? Onde devem ser colocados a espada e o escudo? As proporções das peças são consistentes? Que modelos precisam de redução de polígonos? E como deve tudo ser organizado num ativo 3D que possa ser editado e utilizado posteriormente?

Por outras palavras:

A V2Fun trata de “como gerar rapidamente geometrias complexas e de alta qualidade”.

O GPT-6 Astra trata de “como transformar essa geometria num objeto completo”.

Porque consegue a V2Fun processar este nível de geometria complexa?

A razão vai além de “também é um modelo de imagem para 3D”.

A investigação e o desenvolvimento centrais da Vertex Lab nos trabalhos recentes têm-se concentrado em duas questões fundamentais:

Como representar a geometria com maior precisão e como manter a consistência das texturas de alta resolução nas superfícies 3D.

No âmbito da geometria, a equipa continua a aperfeiçoar as suas representações 3D e a arquitetura de geração, com o objetivo de reduzir representações geométricas ineficientes e concentrar a capacidade do modelo em áreas de elevada curvatura, estruturas finas e regiões complexas.

No âmbito das texturas, o foco está em resolver os desalinhamentos, rasgões e perdas de detalhe que ocorrem frequentemente na geração multivista de alta resolução.

Isto também sustenta a capacidade da V2Fun 2.0 de fornecer texturas de alta qualidade com resoluções até 8K.

Para um agente, capacidades como estas são extremamente importantes.

Está a chamar um modelo especializado que produz ativos 3D reais, em vez de uma ferramenta de geração visual que apenas cria algo que “parece 3D”.

Os ativos gerados continuam a ter de ser montados, reduzidos em número de polígonos e modificados pelo GPT-6 Astra, podendo eventualmente ser utilizados em animação, jogos, impressão 3D ou outros fluxos de trabalho 3D.

Este é o desafio de produto que a V2Fun tem vindo a procurar resolver:

Garantir que a IA gera mais do que um resultado único: um ativo 3D com o qual as pessoas possam realmente continuar a trabalhar.

05 EFICIÊNCIA

Para além de uma maior qualidade, há outra mudança: os tokens

Este fluxo de trabalho tem outro benefício muito direto:

Eficiência de tokens.

Quando o GPT-6 Astra utiliza o Three.js para descrever uma estrutura simples, utiliza os tokens de forma muito eficiente.

Um cilindro, uma mangueira hidráulica ou alguns parafusos requerem muito pouco código.

Mas aplicar o mesmo método para aproximar rostos humanos, dobras de tecido ou superfícies industriais altamente complexas aumenta rapidamente a quantidade de código geométrico que tem de ser gerado e revisto.

São então gastos grandes números de tokens em questões como:

“Como pode esta superfície tornar-se um pouco mais precisa?”

“Como deve este contorno ser ajustado?”

“Que quantidade de detalhe geométrico deve ser adicionada aqui?”

Quando as partes complexas são delegadas diretamente à V2Fun, estes processos de baixo nível são condensados numa única chamada a um modelo especializado.

O GPT-6 Astra pode dedicar mais dos seus recursos de raciocínio às decisões que realmente os exigem:

Como dividir o objeto;

Que partes devem ser geradas separadamente;

Como se relacionam espacialmente as peças entre si;

Como montar o objeto final;

Onde são necessárias alterações adicionais.

É por isso que a V2Fun 2.0 oferece mais do que “modelos com melhor aspeto”.

Também tem o potencial de reduzir tanto o consumo de tokens como o tempo total de modelação do GPT-6 Astra em tarefas 3D complexas.

O fluxo de trabalho poderia anteriormente ser:

Compreender → Escrever código de geometria → Rever → Escrever mais código de geometria → Rever novamente

Agora passa a ser:

Compreender → Dividir em partes → Gerar em paralelo → Montar → Adicionar detalhes locais

Quando vários componentes complexos podem ser gerados simultaneamente, esta vantagem de eficiência torna-se ainda maior.

06 CONCLUSÃO

De gerar um modelo a tornar-se numa capacidade 3D central para agentes

Ao longo dos últimos anos, a questão central da IA 3D tem sido:

Como geramos um modelo melhor?

Mas, à medida que modelos como o GPT-6 Astra adquirem capacidades mais fortes de compreensão multimodal, programação e atuação como agentes, essa questão está a mudar.

No futuro, a IA poderá não precisar de utilizar uma única técnica para todas as tarefas 3D.

As estruturas simples podem ser programadas diretamente.

As superfícies complexas podem ser delegadas à V2Fun.

Os ativos existentes podem ser reutilizados tal como estão.

A redução de polígonos, a montagem e os ajustes estruturais podem depois ser devolvidos ao agente.

Isto está alinhado com a mudança da indústria de geração 3D, que passa de ferramentas de geração pontual para uma produtividade orientada por agentes. O artigo de referência descreve a mesma tendência: a geração 3D está a passar de uma fase semelhante à dos primeiros chatbots para uma fase de produtividade alimentada por agentes.

Para a Vertex Lab, esta direção é consistente com a sua visão técnica de longo prazo.

Desde o início, a empresa nunca definiu a V2Fun como um simples “site de imagem para 3D”.

Desde tornar a criação 3D mais acessível em dispositivos móveis, passando por permitir a produção profissional de ativos na Web, até aos modelos 3D, à animação, ao movimento e à procura a longo prazo de inteligência espacial e modelos do mundo, a Vertex Lab sempre teve como objetivo construir infraestrutura para a geração de conteúdos 3D e a inteligência espacial.

A ascensão dos agentes pode abrir um novo caminho para esse objetivo.

No futuro, os utilizadores poderão não precisar de saber qual modelo chamar, que código escrever ou que abordagem de modelação escolher.

Poderão apenas ter de dizer:

“Transforma isto em 3D.”

O GPT-6 Astra compreenderá o pedido e decidirá como o executar.

A V2Fun 2.0 pretende tornar-se na capacidade especializada de que depende para o mundo tridimensional complexo.

O GPT-6 Astra trata da compreensão, do planeamento e da construção.

A V2Fun transforma ideias tridimensionais complexas em ativos reais.

GPT-6 Astra × V2Fun: Da geração de código à colaboração entre modelos.