GPT-6 Astra x V2Fun - От генерации кода к сотрудничеству моделей

Представьте себе процесс 3D-моделирования.

Вы предоставляете GPT-6 Astra эталонное изображение экскаватора. Сначала она распознаёт компоненты машины: кабину, гусеницы, ходовую часть, стрелу, рукоять, ковш и другие элементы.

Затем эти основные компоненты по отдельности отправляются в специализированную модель 3D-генерации и возвращаются в виде отдельных ассетов в течение нескольких десятков секунд.

Далее GPT-6 Astra снова вступает в работу.

Она определяет масштаб и пространственные взаимосвязи каждой детали, размещает гусеницы по обе стороны ходовой части, присоединяет стрелу к корпусу, а затем последовательно соединяет рукоять и ковш. После завершения основной конструкции она использует Three.js, чтобы добавить гидравлические шланги, винты, шарнирные оси и даже рычаги управления внутри кабины.

Наконец, в 3D-сцене появляется полностью собранный, структурированный и редактируемый экскаватор.

Это больше, чем просто генерация 3D из изображения или генерация кода.

Это две возможности ИИ, которые начинают работать вместе более естественным образом:

GPT-6 Astra отвечает за понимание, планирование и сборку, а специализированная фундаментальная 3D-модель — за сложную геометрию.

Это новый рабочий процесс, который V2Fun, продукт Vertex Lab, недавно начала исследовать.

За ним стоит более масштабный сдвиг:

3D-агенты переходят от «самостоятельной генерации всего» к «пониманию того, какую модель и когда нужно вызвать».

01 ПЕРЕЛОМНЫЙ МОМЕНТ

GPT-6 Astra уже умеет создавать объекты в 3D. Что дальше?

Одно из значительных изменений, принесённых GPT-6 Astra, заключается в том, что большие языковые модели действительно входят в трёхмерный мир.

Раньше мы чаще просили ИИ сгенерировать изображение, видео или фрагмент текста. Теперь, благодаря всё более развитым мультимодальному пониманию, пространственному мышлению и навыкам программирования, GPT-6 Astra может понять структуру 3D-объекта, а затем фактически создать его процедурными методами, такими как Three.js.

Возьмём, например, промышленную производственную линию.

GPT-6 Astra может распознать её конвейерные ленты, ролики, опорные рамы, двигатели и рабочие станции, а затем поэтапно сгенерировать соответствующую геометрию.

Эти объекты особенно хорошо подходят для процедурного моделирования, поскольку обычно имеют чёткие математические взаимосвязи и повторяющиеся структуры. Опорную колонну можно представить базовой геометрической формой, ролик — продублировать десятки раз, а длину и положение конвейерной ленты — напрямую задавать параметрами.

Что ещё важнее, результат не является полностью непрозрачной сеткой.

Каждый компонент производственной линии остаётся отдельным объектом, который по-прежнему можно перемещать, дублировать, удалять или изменять.

С этой точки зрения GPT-6 Astra делает больше, чем «генерирует 3D». Она начинает развивать возможности, близкие к возможностям 3D-инженера:

Понимать, из чего состоит объект, и создавать его.

Но по мере усложнения объектов возникает новый вопрос.

Что, если объектом будет не производственная линия, а человеческое лицо, существо, одежда, скульптура или даже экскаватор со сложными промышленными поверхностями? Должна ли GPT-6 Astra по-прежнему описывать всю геометрию в коде?

Ответ может заключаться не в выборе одного из двух вариантов.

И именно здесь в рабочий процесс может войти V2Fun.

02 ПОЧЕМУ V2FUN

Почему V2Fun?

V2Fun — это не 3D API, наспех добавленный специально для этой демонстрации.

Это продуктовая платформа для долгосрочных исследований и разработки фундаментальных ИИ-моделей для 3D от Vertex Lab.

Основанная в 2025 году, Vertex Lab последовательно сосредоточена на 3D-генерации, пространственном интеллекте и, в долгосрочной перспективе, инфраструктуре для мировых моделей.

Ранее V2Fun была представлена на HDC 2026 как первое нативное ИИ-приложение HarmonyOS, работающее на базе фундаментальной 3D-модели. Её мобильное приложение и веб-рабочее пространство охватывают весь процесс — от повседневного творчества до профессионального производства 3D-контента.

В основе всегда лежал один и тот же вопрос:

Как превратить сложный трёхмерный объект в пригодный к использованию 3D-ассет с меньшими усилиями и за меньшее время?

Предстоящая V2Fun 2.0 расширит эти возможности.

В новой версии будет представлено последнее поколение фундаментальной 3D-модели, а также поддержка генерации текстур с разрешением до 8K. Основное внимание будет уделено повышению качества генерации сложной геометрии, человеческих персонажей, существ, одежды, скульптур и других неровных поверхностей.

Именно поэтому сочетание V2Fun и GPT-6 Astra — это больше, чем случайное продуктовое сотрудничество.

Проблемы, которые они особенно хорошо решают, по своей природе дополняют друг друга.

GPT-6 Astra сильна в понимании, планировании, пространственных взаимосвязях, программировании и оркестрации агентов.

V2Fun сильна в непосредственной генерации сложной 3D-геометрии и высококачественных поверхностей.

Первая лучше отвечает на вопрос:

«Как следует создать этот объект?»

Вторая лучше отвечает на вопрос:

«Как на самом деле должен выглядеть этот сложный компонент?»

Когда эти две возможности объединяются, 3D-генерация больше не ограничивается одним подходом.

03 ВЫЗОВ

Одни объекты лучше создавать кодом. Другие лучше генерировать напрямую.

Вернёмся к экскаватору.

С точки зрения структуры он очень регулярен.

GPT-6 Astra легко может понять, что экскаватор состоит из ходовой части, левой и правой гусениц, корпуса, кабины, стрелы, рукояти и ковша. Она также может понять, как эти детали должны соединяться.

Но если присмотреться, проблема меняется.

Кабина — не простой куб, а оболочку корпуса нельзя точно представить, объединив несколько примитивов. Ковш имеет непрерывные изогнутые поверхности, рукоять — сложный контур, а гусеницы и ходовая часть содержат множество деталей промышленного дизайна.

GPT-6 Astra, безусловно, может продолжить приближённо описывать эти структуры процедурным кодом.

Но чем сложнее геометрия, тем больше кода приходится генерировать и пересматривать, и тем больше итераций требуется.

Для агента это означает всё больше токенов, расходуемых на описание геометрии низкого уровня.

Поэтому мы попробовали другой подход.

Сначала GPT-6 Astra «понимает» экскаватор.

Затем она передаёт сложные основные компоненты, такие как кабина, гусеницы, рукоять и ковш, в V2Fun 2.0 для отдельной генерации.

После завершения генерации GPT-6 Astra снова вступает в работу, чтобы скорректировать масштаб, поворот и положение, а также собрать весь объект.

Здесь V2Fun предоставляет именно ту возможность, которую она развивает:

Непосредственно реконструировать сложные 3D-структуры по визуальному вводу, вместо того чтобы заставлять языковую модель косвенно описывать поверхности с помощью больших объёмов кода.

На первый взгляд это может выглядеть просто как написание меньшего количества кода Three.js, но на самом деле такой подход меняет весь вычислительный процесс.

Что ещё интереснее, V2Fun не заменяет Three.js.

После сборки GPT-6 Astra по-прежнему сама генерирует множество элементов.

Например, гидравлические шланги.

Шланг — это по сути трубчатая структура, соединяющая несколько ключевых точек, поэтому он идеально подходит для процедурного моделирования.

То же относится к винтам, соединительным валам и рычагам управления.

Эти объекты имеют регулярные размеры, простую структуру и часто встречаются в большом количестве. Отдельный вызов фундаментальной 3D-модели для каждого из них на самом деле добавил бы рабочему процессу стоимость и сложность.

Таким образом, итоговый экскаватор является настоящим гибридным ассетом.

V2Fun генерирует сложные основные компоненты.

GPT-6 Astra + Three.js отвечают за регулярные детали.

Затем GPT-6 Astra объединяет их в единый структурированный 3D-объект.

Именно это делает данный подход убедительным:

Вместо выбора между генерацией кода и фундаментальной 3D-моделью агент определяет, какая возможность лучше всего подходит для каждой детали.

04 ЕЩЁ СЛОЖНЕЕ

На человеческих персонажах ценность V2Fun становится ещё очевиднее

Экскаватор по-прежнему является преимущественно объектом с жёсткими поверхностями.

Именно человеческие персонажи и сложные органические поверхности по-настоящему доводят чисто процедурный подход до предела.

Чтобы исследовать это, мы создали более амбициозную демонстрацию:

Попросили GPT-6 Astra создать полностью вооружённого и облачённого в доспехи короля.

Помимо самого человеческого тела, этот персонаж включает сложные доспехи, голову, меч и щит.

Человеческих персонажей гораздо сложнее описывать правилами, чем механическое оборудование.

То, выглядит ли лицо «правильно», зависит не только от приблизительно верного размещения глаз, носа и рта.

Форма лица, скулы, глазницы, переносица, губы и тонкие непрерывные изменения кривизны между ними — всё это влияет на итоговый внешний вид.

То же относится к доспехам.

Хотя это объект с жёсткой поверхностью, он не является простой инженерной деталью. Рельеф, орнамент, непрерывные поверхности и стилизованные формы — всё это формирует визуальную идентичность персонажа.

Именно с такими объектами лучше всего справляется фундаментальная 3D-модель нового поколения в V2Fun 2.0.

В этой демонстрации GPT-6 Astra сначала понимает персонажа как единое целое и разбивает его на несколько основных частей: голову, тело и доспехи, меч и щит.

Затем V2Fun отдельно генерирует эти сложные компоненты.

GPT-6 Astra занимается следующим этапом:

Правильно ли масштабирована голова и как её следует соединить с телом? Где разместить меч и щит? Согласуются ли пропорции деталей? Для каких моделей нужно уменьшить количество полигонов? И как организовать всё в 3D-ассет, который можно редактировать и использовать дальше?

Иными словами:

V2Fun отвечает на вопрос «как быстро и качественно сгенерировать сложную геометрию».

GPT-6 Astra отвечает на вопрос «как превратить эту геометрию в законченный объект».

Почему V2Fun может работать с этим уровнем сложной геометрии?

Причина выходит за рамки того, что «это тоже модель преобразования изображения в 3D».

В последних исследованиях и разработках Vertex Lab основное внимание уделялось двум фундаментальным вопросам:

Как точнее представлять геометрию и как сохранять согласованность текстур высокого разрешения на 3D-поверхностях.

Что касается геометрии, команда продолжает совершенствовать 3D-представления и архитектуру генерации, стремясь уменьшить неэффективность геометрических представлений и сосредоточить возможности модели на участках с высокой кривизной, тонких структурах и сложных областях.

В области текстур основное внимание уделяется устранению рассогласований, разрывов и потери деталей, которые часто возникают при генерации в высоком разрешении с разных ракурсов.

Это также лежит в основе способности V2Fun 2.0 создавать высококачественные текстуры с разрешением до 8K.

Для агента такие возможности имеют большое значение.

Он вызывает специализированную модель, создающую реальные 3D-ассеты, а не инструмент визуальной генерации, который лишь создаёт нечто, «выглядящее как 3D».

Сгенерированные ассеты по-прежнему должны быть собраны, оптимизированы по количеству полигонов и изменены GPT-6 Astra, а впоследствии могут использоваться в анимации, играх, 3D-печати и других 3D-процессах.

Именно эту продуктовою задачу V2Fun стремится решить:

Гарантировать, что ИИ создаёт не разовый результат, а 3D-ассет, с которым люди действительно могут продолжать работать.

05 ЭФФЕКТИВНОСТЬ

Помимо повышения качества есть ещё одно изменение: токены

У этого рабочего процесса есть ещё одно очень непосредственное преимущество:

Эффективное использование токенов.

Когда GPT-6 Astra использует Three.js для описания простой структуры, она очень эффективно расходует токены.

Для цилиндра, гидравлического шланга или нескольких винтов требуется совсем немного кода.

Но применение того же метода для приближённого описания человеческих лиц, складок ткани или чрезвычайно сложных промышленных поверхностей быстро увеличивает объём геометрического кода, который необходимо генерировать и пересматривать.

В результате большое количество токенов тратится на вопросы вроде:

«Как сделать эту поверхность немного точнее?»

«Как ещё скорректировать этот контур?»

«Сколько геометрических деталей следует добавить сюда?»

Когда сложные части напрямую передаются V2Fun, эти низкоуровневые процессы сводятся к одному вызову специализированной модели.

GPT-6 Astra может направить больше ресурсов рассуждения на решения, которые действительно этого требуют:

Как разбить объект на части;

Какие части следует генерировать отдельно;

Как части соотносятся друг с другом в пространстве;

Как собрать итоговый объект;

Где необходимы дальнейшие изменения.

Именно поэтому V2Fun 2.0 предлагает больше, чем «более красивые модели».

Она также потенциально позволяет сократить расход токенов GPT-6 Astra и общее время моделирования для сложных 3D-задач.

Раньше рабочий процесс мог выглядеть так:

Понять → Написать код геометрии → Пересмотреть → Написать ещё код геометрии → Снова пересмотреть

Теперь он выглядит так:

Понять → Разбить на части → Сгенерировать параллельно → Собрать → Добавить локальные детали

Когда несколько сложных компонентов можно генерировать одновременно, преимущество в эффективности становится ещё больше.

06 ЗАКЛЮЧЕНИЕ

От генерации модели к ключевой 3D-возможности для агентов

В последние несколько лет центральным вопросом в области ИИ и 3D был следующий:

Как сгенерировать более качественную модель?

Но по мере того как такие модели, как GPT-6 Astra, получают более развитые возможности мультимодального понимания, программирования и работы в качестве агентов, этот вопрос меняется.

В будущем ИИ, возможно, не потребуется использовать один и тот же метод для каждой 3D-задачи.

Простые структуры можно создавать непосредственно с помощью кода.

Сложные поверхности можно передавать V2Fun.

Существующие ассеты можно использовать без изменений.

Затем оптимизацию по количеству полигонов, сборку и структурные корректировки можно снова передавать агенту.

Это соответствует переходу индустрии 3D-генерации от разовых инструментов генерации к продуктивности, управляемой агентами. В эталонной статье описывается та же тенденция: 3D-генерация переходит от этапа, напоминающего ранние чат-боты, к фазе продуктивности на основе агентов.

Для Vertex Lab это направление соответствует долгосрочному техническому видению компании.

С самого начала компания никогда не определяла V2Fun просто как «сайт для преобразования изображения в 3D».

От упрощения 3D-творчества на мобильных устройствах до обеспечения профессионального производства ассетов в интернете, а также 3D-моделей, анимации, движения и долгосрочного развития пространственного интеллекта и мировых моделей — Vertex Lab всегда стремилась создавать инфраструктуру для генерации 3D-контента и пространственного интеллекта.

Рост числа агентов может открыть новый путь к этой цели.

В будущем пользователям, возможно, не потребуется знать, какую модель вызвать, какой код написать или какой подход к моделированию выбрать.

Им достаточно будет сказать:

«Преврати это в 3D».

GPT-6 Astra поймёт запрос и решит, как его выполнить.

V2Fun 2.0 стремится стать специализированной возможностью, на которую она опирается при работе со сложным трёхмерным миром.

GPT-6 Astra отвечает за понимание, планирование и сборку.

V2Fun превращает сложные трёхмерные идеи в реальные ассеты.

GPT-6 Astra × V2Fun: от генерации кода к сотрудничеству моделей.