GPT-6 Astra x V2Fun - จากการสร้างโค้ดสู่การทำงานร่วมกันระหว่างโมเดล

GPT-6 Astra × V2Fun: จากการสร้างโค้ดสู่การทำงานร่วมกันของโมเดล

ลองจินตนาการถึงกระบวนการสร้างโมเดล 3D ในลักษณะนี้

คุณมอบภาพอ้างอิงของรถขุดให้ GPT-6 Astra มันจะเริ่มจากการระบุส่วนประกอบของเครื่องจักร ได้แก่ ห้องโดยสาร ตีนตะขาบ ช่วงล่าง บูม ก้านตัก บุ้งกี๋ และส่วนอื่นๆ

จากนั้นส่วนประกอบหลักเหล่านี้จะถูกส่งแยกกันไปยังโมเดลสร้าง 3D เฉพาะทาง และส่งกลับมาเป็นแอสเซ็ตแยกกันภายในเวลาไม่กี่สิบวินาที

ต่อไป GPT-6 Astra จะเข้ามารับช่วงต่อ

มันจะกำหนดสเกลและความสัมพันธ์เชิงพื้นที่ของแต่ละส่วน วางตีนตะขาบไว้คนละด้านของช่วงล่าง ติดบูมเข้ากับตัวรถ แล้วเชื่อมต่อก้านตักและบุ้งกี๋ตามลำดับ เมื่อโครงสร้างหลักเสร็จสมบูรณ์ มันจะใช้ Three.js เพิ่มสายไฮดรอลิก สกรู เพลาเดือยหมุน และแม้แต่ก้านควบคุมภายในห้องโดยสาร

ท้ายที่สุด รถขุดที่สมบูรณ์ มีโครงสร้าง และแก้ไขได้ก็ปรากฏขึ้นในฉาก 3D

นี่เป็นมากกว่าการสร้างภาพเป็น 3D เพียงอย่างเดียว หรือการสร้างโค้ดเพียงอย่างเดียว

แต่มันคือความสามารถของ AI สองด้านที่เริ่มทำงานร่วมกันอย่างเป็นธรรมชาติมากขึ้น:

GPT-6 Astra รับหน้าที่ทำความเข้าใจ วางแผน และก่อสร้าง ขณะที่โมเดลพื้นฐาน 3D เฉพาะทางรับหน้าที่จัดการเรขาคณิตที่ซับซ้อน

นี่คือเวิร์กโฟลว์รูปแบบใหม่ที่ ​V2Fun​ ผลิตภัณฑ์จาก Vertex Lab กำลังสำรวจอยู่ในช่วงที่ผ่านมา

เบื้องหลังสิ่งนี้คือการเปลี่ยนแปลงในวงกว้างกว่าเดิม:

เอเจนต์ 3D กำลังเปลี่ยนจาก “การสร้างทุกอย่างด้วยตัวเอง” ไปสู่ “การรู้ว่าควรเรียกใช้โมเดลใด และเมื่อใด”

01

จุดเปลี่ยน

GPT-6 Astra สามารถสร้างสิ่งต่างๆ ใน 3D ได้แล้ว แล้วอะไรจะเกิดขึ้นต่อไป?

หนึ่งในการเปลี่ยนแปลงสำคัญที่ GPT-6 Astra นำมาคือ โมเดลภาษาขนาดใหญ่กำลังก้าวเข้าสู่โลกสามมิติอย่างแท้จริง

ในอดีต เราคุ้นเคยกับการขอให้ AI สร้างภาพ วิดีโอ หรือข้อความสักชิ้นมากกว่า แต่ปัจจุบัน ด้วยความเข้าใจแบบหลายโมดัล การให้เหตุผลเชิงพื้นที่ และความสามารถด้านการเขียนโค้ดที่เพิ่มขึ้น GPT-6 Astra สามารถเข้าใจโครงสร้างของวัตถุ 3D แล้วสร้างวัตถุนั้นขึ้นมาจริงผ่านวิธีการเชิงกระบวนการ เช่น Three.js

ลองดูสายการผลิตในโรงงานอุตสาหกรรมเป็นตัวอย่าง

GPT-6 Astra สามารถระบุสายพานลำเลียง ลูกกลิ้ง โครงรองรับ มอเตอร์ และสถานีงาน จากนั้นจึงค่อยๆ สร้างเรขาคณิตที่สอดคล้องกันขึ้นมา

วัตถุเหล่านี้เหมาะอย่างยิ่งกับการสร้างโมเดลเชิงกระบวนการ เพราะมักมีความสัมพันธ์ทางคณิตศาสตร์และโครงสร้างที่ซ้ำกันอย่างชัดเจน เสารองรับสามารถแทนด้วยรูปทรงเรขาคณิตพื้นฐาน ลูกกลิ้งสามารถทำซ้ำได้หลายสิบชิ้น และความยาวกับตำแหน่งของสายพานลำเลียงสามารถควบคุมได้โดยตรงผ่านพารามิเตอร์

ที่สำคัญกว่านั้น ผลลัพธ์ไม่ได้เป็นเมชทึบที่ไม่สามารถมองเห็นโครงสร้างภายในได้ทั้งหมด

ส่วนประกอบแต่ละชิ้นในสายการผลิตยังคงเป็นวัตถุแยกกัน ซึ่งสามารถย้าย ทำซ้ำ ลบ หรือแก้ไขได้

จากมุมมองนี้ GPT-6 Astra กำลังทำมากกว่า “การสร้าง 3D” มันกำลังเริ่มพัฒนาความสามารถที่ใกล้เคียงกับวิศวกร 3D มากขึ้น:

เข้าใจว่าวัตถุประกอบด้วยอะไร และสร้างมันขึ้นมา

แต่เมื่อวัตถุมีความซับซ้อนมากขึ้น คำถามใหม่ก็เกิดขึ้น

ถ้าวัตถุนั้นไม่ใช่สายการผลิต แต่เป็นใบหน้ามนุษย์ สิ่งมีชีวิต เสื้อผ้า ประติมากรรม หรือแม้แต่รถขุดที่มีพื้นผิวอุตสาหกรรมซับซ้อนล่ะ GPT-6 Astra ควรเขียนเรขาคณิตทั้งหมดด้วยโค้ดต่อไปหรือไม่

คำตอบอาจไม่ใช่การเลือกอย่างใดอย่างหนึ่ง

และนี่คือจุดที่ V2Fun สามารถเข้ามาเป็นส่วนหนึ่งของเวิร์กโฟลว์ได้อย่างพอดี

02

ทำไมต้อง V2FUN

ทำไมต้อง V2Fun?

V2Fun ไม่ใช่ API ด้าน 3D ที่ถูกเพิ่มเข้ามาอย่างเร่งด่วนเพียงเพื่อการสาธิตนี้

แต่เป็นแพลตฟอร์มผลิตภัณฑ์สำหรับการวิจัยและพัฒนาโมเดลพื้นฐาน AI 3D ระยะยาวของ Vertex Lab

Vertex Lab ก่อตั้งขึ้นในปี 2025 และมุ่งเน้นด้านการสร้าง 3D ปัญญาเชิงพื้นที่ และในระยะยาวคือโครงสร้างพื้นฐานสำหรับโมเดลโลกมาโดยตลอด

ก่อนหน้านี้ V2Fun เปิดตัวที่ HDC 2026 ในฐานะแอปพลิเคชัน AI-native แอปแรกของ HarmonyOS ซึ่งขับเคลื่อนด้วยโมเดลพื้นฐาน 3D แอปมือถือและเวิร์กสเปซบนเว็บของ V2Fun ครอบคลุมเวิร์กโฟลว์ทั้งหมด ตั้งแต่การสร้างสรรค์ในชีวิตประจำวันไปจนถึงการผลิตคอนเทนต์ 3D ระดับมืออาชีพ

หัวใจสำคัญของมันคือการตอบคำถามเดิมมาโดยตลอด:

จะเปลี่ยนวัตถุสามมิติที่ซับซ้อนให้กลายเป็นแอสเซ็ต 3D ที่ใช้งานได้ โดยใช้ความพยายามและเวลาน้อยลงได้อย่างไร?

V2Fun 2.0 ที่กำลังจะเปิดตัวจะยกระดับความสามารถเหล่านี้ให้ไกลยิ่งขึ้น

เวอร์ชันใหม่จะมาพร้อมโมเดลพื้นฐาน 3D รุ่นล่าสุด และรองรับการสร้างพื้นผิวที่ความละเอียดสูงสุด 8K โดยจะมุ่งเน้นการยกระดับคุณภาพการสร้างเรขาคณิตที่ซับซ้อน ตัวละครมนุษย์ สิ่งมีชีวิต เสื้อผ้า ประติมากรรม และพื้นผิวที่ไม่เป็นระเบียบรูปแบบอื่นๆ

นี่คือเหตุผลที่การผสาน V2Fun เข้ากับ GPT-6 Astra เป็นมากกว่าความร่วมมือระหว่างผลิตภัณฑ์ที่เกิดขึ้นโดยบังเอิญ

ปัญหาที่ทั้งสองเชี่ยวชาญในการแก้ไขนั้นเสริมกันโดยธรรมชาติ

GPT-6 Astra เชี่ยวชาญด้านความเข้าใจ การวางแผน ความสัมพันธ์เชิงพื้นที่ การเขียนโค้ด และการประสานงานของเอเจนต์

V2Fun เชี่ยวชาญด้านการสร้างเรขาคณิต 3D ที่ซับซ้อนและพื้นผิวคุณภาพสูงโดยตรง

หนึ่งฝ่ายเก่งกว่าในการตอบคำถามว่า:

“ควรสร้างวัตถุนี้อย่างไร?”

อีกฝ่ายเก่งกว่าในการตอบคำถามว่า:

“ส่วนประกอบที่ซับซ้อนนี้ควรมีหน้าตาเป็นอย่างไร?”

เมื่อความสามารถทั้งสองมารวมกัน การสร้าง 3D ก็ไม่ถูกจำกัดอยู่ที่แนวทางเดียวอีกต่อไป

03

ความท้าทาย

บางสิ่งเหมาะกับการสร้างด้วยโค้ดที่สุด ขณะที่บางสิ่งเหมาะกับการสร้างโดยตรงมากกว่า

กลับมาดูรถขุดคันนั้นกันอีกครั้ง

ในเชิงโครงสร้าง รถขุดมีความเป็นแบบแผนสูงมาก

GPT-6 Astra สามารถเข้าใจได้โดยง่ายว่ารถขุดประกอบด้วยช่วงล่าง ตีนตะขาบซ้ายและขวา ตัวรถ ห้องโดยสาร บูม ก้านตัก และบุ้งกี๋ รวมทั้งเข้าใจได้ว่าชิ้นส่วนเหล่านั้นควรเชื่อมต่อกันอย่างไร

แต่เมื่อพิจารณาให้ละเอียดขึ้น ปัญหาก็เปลี่ยนไป

ห้องโดยสารไม่ใช่ลูกบาศก์ธรรมดา และเปลือกตัวรถไม่สามารถแทนได้อย่างแม่นยำด้วยการนำรูปทรงพื้นฐานไม่กี่รูปมารวมกัน บุ้งกี๋มีพื้นผิวโค้งต่อเนื่อง แขนมีเส้นขอบที่ซับซ้อน และตีนตะขาบกับช่วงล่างก็เต็มไปด้วยรายละเอียดด้านการออกแบบอุตสาหกรรม

แน่นอนว่า GPT-6 Astra สามารถใช้โค้ดเชิงกระบวนการเพื่อประมาณโครงสร้างเหล่านี้ต่อไปได้

แต่ยิ่งเรขาคณิตซับซ้อนมากเท่าไร ก็ยิ่งต้องสร้างและแก้ไขโค้ดมากขึ้นเท่านั้น และต้องทำซ้ำหลายรอบมากขึ้น

สำหรับเอเจนต์ นั่นหมายถึงการใช้โทเค็นเพิ่มขึ้นเรื่อยๆ เพื่ออธิบายเรขาคณิตระดับล่าง

เราจึงลองใช้แนวทางที่แตกต่างออกไป

GPT-6 Astra จะ “ทำความเข้าใจ” รถขุดก่อน

จากนั้นจึงมอบหมายส่วนประกอบหลักที่ซับซ้อน เช่น ห้องโดยสาร ตีนตะขาบ แขน และบุ้งกี๋ ให้ V2Fun 2.0 สร้างแยกกัน

เมื่อการสร้างเสร็จสิ้น GPT-6 Astra จะกลับมารับช่วงต่อเพื่อปรับสเกล การหมุน และตำแหน่ง แล้วประกอบวัตถุทั้งหมดเข้าด้วยกัน

ในจุดนี้ V2Fun นำเสนอความสามารถที่พัฒนามาโดยตรง:

การสร้างโครงสร้าง 3D ที่ซับซ้อนขึ้นใหม่โดยตรงจากอินพุตภาพ แทนการให้โมเดลภาษาบรรยายพื้นผิวทางอ้อมผ่านโค้ดจำนวนมาก

สิ่งนี้อาจดูเหมือนเพียงการเขียน Three.js น้อยลง แต่แท้จริงแล้วมันเปลี่ยนแนวทางการประมวลผลทั้งหมด

ที่น่าสนใจกว่านั้นคือ V2Fun ไม่ได้เข้ามาแทนที่ Three.js

หลังการประกอบ GPT-6 Astra ยังคงสร้างองค์ประกอบอีกมากมายด้วยตัวเอง

เช่น สายไฮดรอลิก

สายไฮดรอลิกโดยพื้นฐานแล้วคือโครงสร้างทรงท่อที่เชื่อมต่อจุดสำคัญไม่กี่จุด จึงเหมาะอย่างยิ่งกับการสร้างโมเดลเชิงกระบวนการ

เช่นเดียวกับสกรู เพลาสำหรับเชื่อมต่อ และก้านควบคุม

วัตถุเหล่านี้มีขนาดที่เป็นแบบแผน โครงสร้างเรียบง่าย และมักปรากฏเป็นจำนวนมาก การเรียกใช้โมเดลพื้นฐาน 3D แยกสำหรับแต่ละชิ้นจะเพิ่มต้นทุนและความซับซ้อนให้เวิร์กโฟลว์มากกว่าเดิม

ดังนั้น รถขุดสุดท้ายจึงเป็นแอสเซ็ตแบบไฮบริดอย่างแท้จริง

V2Fun สร้างส่วนประกอบหลักที่ซับซ้อน

GPT-6 Astra + Three.js จัดการรายละเอียดที่เป็นแบบแผน

จากนั้น GPT-6 Astra จะจัดระเบียบทั้งสองส่วนให้กลายเป็นวัตถุ 3D เดียวที่มีโครงสร้าง

นี่คือสิ่งที่ทำให้แนวทางนี้น่าสนใจ:

แทนที่จะเลือกอย่างใดอย่างหนึ่งระหว่างการสร้างโค้ดกับโมเดลพื้นฐาน 3D เอเจนต์จะตัดสินใจว่าความสามารถใดเหมาะสมที่สุดกับแต่ละส่วน

04

ซับซ้อนยิ่งขึ้น

เมื่อเป็นตัวละครมนุษย์ คุณค่าของ V2Fun ก็ยิ่งชัดเจนขึ้น

รถขุดยังคงเป็นวัตถุพื้นผิวแข็งเป็นหลัก

ตัวละครมนุษย์และพื้นผิวออร์แกนิกที่ซับซ้อนต่างหากที่ผลักดันแนวทางเชิงกระบวนการล้วนๆ ไปถึงขีดจำกัดอย่างแท้จริง

เพื่อสำรวจเรื่องนี้ เราจึงสร้างเดโมที่ทะเยอทะยานยิ่งขึ้น:

ขอให้ GPT-6 Astra สร้างกษัตริย์ที่สวมอาวุธและเกราะครบชุด

นอกเหนือจากร่างกายมนุษย์แล้ว ตัวละครนี้ยังประกอบด้วยเกราะอันประณีต ศีรษะ ดาบ และโล่

ตัวละครมนุษย์ยากที่จะแสดงออกผ่านกฎเกณฑ์มากกว่าอุปกรณ์เครื่องจักรมาก

การที่ใบหน้า “ดูถูกต้อง” ไม่ได้ขึ้นอยู่กับการวางตา จมูก และปากให้อยู่ในตำแหน่งที่ถูกต้องโดยประมาณเท่านั้น

รูปทรงใบหน้า โหนกแก้ม เบ้าตา สันจมูก ริมฝีปาก และการเปลี่ยนแปลงของความโค้งอย่างละเอียดและต่อเนื่องระหว่างส่วนต่างๆ ล้วนมีส่วนต่อรูปลักษณ์สุดท้าย

เกราะก็เช่นเดียวกัน

แม้จะเป็นวัตถุพื้นผิวแข็ง แต่ก็ไม่ใช่ชิ้นส่วนวิศวกรรมธรรมดา งานนูนประดับ ลวดลาย พื้นผิวต่อเนื่อง และรูปทรงที่มีสไตล์ ล้วนมีส่วนสร้างอัตลักษณ์ทางภาพของตัวละคร

วัตถุเหล่านี้คือสิ่งที่โมเดลพื้นฐาน 3D รุ่นถัดไปของ V2Fun 2.0 เหมาะสมจะจัดการได้มากกว่า

ในเดโมนี้ GPT-6 Astra จะทำความเข้าใจตัวละครโดยรวมก่อน แล้วแยกออกเป็นส่วนหลักหลายส่วน ได้แก่ ศีรษะ ลำตัวและเกราะ ดาบ และโล่

จากนั้น V2Fun จะสร้างส่วนประกอบที่ซับซ้อนเหล่านี้แยกกัน

GPT-6 Astra จะจัดการสิ่งที่เกิดขึ้นต่อไป:

ศีรษะมีสเกลถูกต้องหรือไม่ และควรเชื่อมต่อกับลำตัวอย่างไร ควรวางดาบและโล่ไว้ที่ใด สัดส่วนของชิ้นส่วนต่างๆ สอดคล้องกันหรือไม่ โมเดลใดจำเป็นต้องลดจำนวนโพลิกอน และควรจัดระเบียบทุกอย่างให้เป็นแอสเซ็ต 3D ที่สามารถแก้ไขและนำไปใช้งานต่อได้อย่างไร

กล่าวอีกนัยหนึ่ง:

V2Fun จัดการกับ “วิธีสร้างเรขาคณิตที่ซับซ้อนอย่างรวดเร็วและมีคุณภาพสูง”

GPT-6 Astra จัดการกับ “วิธีเปลี่ยนเรขาคณิตนั้นให้เป็นวัตถุที่สมบูรณ์”

เหตุใด V2Fun จึงจัดการเรขาคณิตในระดับที่ซับซ้อนนี้ได้?

เหตุผลไม่ได้มีเพียงว่า “มันก็เป็นโมเดลแปลงภาพเป็น 3D เช่นกัน”

งานวิจัยและพัฒนาหลักของ Vertex Lab ในช่วงที่ผ่านมา มุ่งเน้นคำถามพื้นฐานสองข้อ:

จะนำเสนอเรขาคณิตให้แม่นยำยิ่งขึ้นได้อย่างไร และจะรักษาความสอดคล้องของ ​พื้นผิวความละเอียดสูง​​​ บนพื้นผิว 3D ได้อย่างไร

ในด้านเรขาคณิต ทีมงานยังคงปรับปรุงการนำเสนอ 3D และสถาปัตยกรรมการสร้างอย่างต่อเนื่อง โดยมีเป้าหมายเพื่อลดการนำเสนอเรขาคณิตที่ไม่มีประสิทธิภาพ และมุ่งความสามารถของโมเดลไปยังบริเวณที่มีความโค้งสูง โครงสร้างบาง และพื้นที่ซับซ้อน

ในด้านพื้นผิว จุดมุ่งหมายคือการแก้ปัญหาการไม่ตรงกัน การฉีกขาด และการสูญเสียรายละเอียดที่มักเกิดขึ้นในการสร้างภาพหลายมุมมองความละเอียดสูง

สิ่งนี้ยังเป็นรากฐานที่ทำให้ V2Fun 2.0 สามารถมอบพื้นผิวคุณภาพสูงที่ความละเอียดสูงสุด 8K

สำหรับเอเจนต์ ความสามารถเช่นนี้มีความสำคัญอย่างยิ่ง

มันกำลังเรียกใช้โมเดลเฉพาะทางที่สร้างแอสเซ็ต 3D จริงๆ ไม่ใช่เครื่องมือสร้างภาพที่เพียงสร้างบางสิ่งให้ “ดูเหมือน 3D”

แอสเซ็ตที่สร้างขึ้นยังคงต้องถูกประกอบ ลดจำนวนโพลิกอน และแก้ไขโดย GPT-6 Astra และในท้ายที่สุดอาจถูกนำไปใช้ในแอนิเมชัน เกม การพิมพ์ 3D หรือเวิร์กโฟลว์ 3D อื่นๆ

นี่คือความท้าทายด้านผลิตภัณฑ์ที่ V2Fun พยายามแก้ไขมาโดยตลอด:

ทำให้มั่นใจว่า AI สร้างได้มากกว่าผลลัพธ์แบบใช้ครั้งเดียว: แอสเซ็ต 3D ที่ผู้คนสามารถนำไปทำงานต่อได้อย่างแท้จริง

05

ประสิทธิภาพ

นอกเหนือจากคุณภาพที่สูงขึ้น ยังมีการเปลี่ยนแปลงอีกอย่าง: โทเค็น

เวิร์กโฟลว์นี้มีประโยชน์โดยตรงอีกประการหนึ่ง:

ประสิทธิภาพของโทเค็น

เมื่อ GPT-6 Astra ใช้ Three.js เพื่ออธิบายโครงสร้างเรียบง่าย มันจะใช้โทเค็นได้อย่างมีประสิทธิภาพมาก

ทรงกระบอก สายไฮดรอลิก หรือสกรูไม่กี่ตัวต้องใช้โค้ดเพียงเล็กน้อย

แต่เมื่อใช้วิธีเดียวกันเพื่อประมาณใบหน้ามนุษย์ รอยพับของผ้า หรือพื้นผิวอุตสาหกรรมที่ซับซ้อนมาก ปริมาณโค้ดเรขาคณิตที่ต้องสร้างและแก้ไขจะเพิ่มขึ้นอย่างรวดเร็ว

จากนั้นโทเค็นจำนวนมากจะถูกใช้ไปกับคำถามเช่น:

“จะทำให้พื้นผิวนี้แม่นยำขึ้นอีกเล็กน้อยได้อย่างไร?”

“ควรปรับเส้นขอบนี้เพิ่มเติมอย่างไร?”

“ควรเพิ่มรายละเอียดทางเรขาคณิตตรงนี้มากน้อยเพียงใด?”

เมื่อมอบหมายส่วนที่ซับซ้อนให้ V2Fun สร้างโดยตรง กระบวนการระดับล่างเหล่านี้จะถูกรวมให้เหลือการเรียกใช้โมเดลเฉพาะทางเพียงครั้งเดียว

GPT-6 Astra สามารถทุ่มทรัพยากรด้านการให้เหตุผลไปกับการตัดสินใจที่จำเป็นจริงๆ ได้มากขึ้น:

วิธีแยกส่วนวัตถุ;

ส่วนใดควรถูกสร้างแยกกัน;

ส่วนต่างๆ มีความสัมพันธ์กันในเชิงพื้นที่อย่างไร;

วิธีประกอบวัตถุสุดท้าย;

จุดใดที่ต้องมีการเปลี่ยนแปลงเพิ่มเติม

นี่คือเหตุผลที่ V2Fun 2.0 นำเสนอมากกว่า “โมเดลที่ดูดีขึ้น”

มันยังมีศักยภาพในการลดทั้ง การใช้โทเค็นและเวลาสร้างโมเดลทั้งหมด ของ GPT-6 Astra สำหรับงาน 3D ที่ซับซ้อน

ก่อนหน้านี้เวิร์กโฟลว์อาจเป็น:

ทำความเข้าใจ → เขียนโค้ดเรขาคณิต → แก้ไข → เขียนโค้ดเรขาคณิตเพิ่มเติม → แก้ไขอีกครั้ง

ปัจจุบันกลายเป็น:

ทำความเข้าใจ → แยกเป็นส่วน → สร้างแบบขนาน → ประกอบ → เพิ่มรายละเอียดเฉพาะจุด

เมื่อสามารถสร้างส่วนประกอบที่ซับซ้อนหลายส่วนพร้อมกันได้ ข้อได้เปรียบด้านประสิทธิภาพนี้ก็จะยิ่งชัดเจนขึ้น

06

บทสรุป

จากการสร้างโมเดลสู่การเป็นความสามารถ 3D หลักสำหรับเอเจนต์

ตลอดช่วงไม่กี่ปีที่ผ่านมา คำถามสำคัญของ AI 3D คือ:

เราจะสร้างโมเดลที่ดีขึ้นได้อย่างไร?

แต่เมื่อโมเดลอย่าง GPT-6 Astra มีความเข้าใจแบบหลายโมดัล ความสามารถด้านการเขียนโค้ด และความสามารถของเอเจนต์ที่แข็งแกร่งขึ้น คำถามนั้นก็กำลังเปลี่ยนไป

ในอนาคต AI อาจไม่จำเป็นต้องใช้เทคนิคเดียวกับงาน 3D ทุกประเภท

โครงสร้างเรียบง่ายสามารถเขียนโค้ดได้โดยตรง

พื้นผิวที่ซับซ้อนสามารถมอบหมายให้ V2Fun

แอสเซ็ตที่มีอยู่แล้วสามารถนำกลับมาใช้ได้ตามเดิม

จากนั้นการลดจำนวนโพลิกอน การประกอบ และการปรับโครงสร้างก็สามารถส่งคืนให้เอเจนต์จัดการ

สิ่งนี้สอดคล้องกับการเปลี่ยนแปลงของอุตสาหกรรมการสร้าง 3D จากเครื่องมือสร้างผลลัพธ์แบบครั้งเดียวไปสู่ประสิทธิภาพการทำงานที่ขับเคลื่อนด้วยเอเจนต์ บทความอ้างอิงอธิบายแนวโน้มเดียวกันนี้ว่า การสร้าง 3D กำลังเปลี่ยนจากระยะที่คล้ายแชตบอตยุคแรก ไปสู่ช่วงของประสิทธิภาพการทำงานที่ขับเคลื่อนด้วยเอเจนต์

สำหรับ Vertex Lab ทิศทางนี้สอดคล้องกับวิสัยทัศน์ทางเทคนิคระยะยาวของบริษัท

ตั้งแต่เริ่มต้น บริษัทไม่เคยนิยาม V2Fun ว่าเป็นเพียง “เว็บไซต์แปลงภาพเป็น 3D”

ตั้งแต่การทำให้การสร้าง 3D เข้าถึงได้ง่ายขึ้นบนมือถือ ไปจนถึงการเปิดให้ผลิตแอสเซ็ตระดับมืออาชีพบนเว็บ รวมถึงโมเดล 3D แอนิเมชัน การเคลื่อนไหว และการมุ่งสู่ปัญญาเชิงพื้นที่กับโมเดลโลกในระยะยาว Vertex Lab มุ่งสร้างโครงสร้างพื้นฐานสำหรับการสร้างคอนเทนต์ 3D และปัญญาเชิงพื้นที่มาโดยตลอด

การเพิ่มขึ้นของเอเจนต์อาจเปิดเส้นทางใหม่ไปสู่เป้าหมายนั้น

ในอนาคต ผู้ใช้อาจไม่จำเป็นต้องรู้ว่าควรเรียกใช้โมเดลใด ควรเขียนโค้ดอะไร หรือควรเลือกแนวทางการสร้างโมเดลแบบใด

พวกเขาอาจเพียงต้องพูดว่า:

“เปลี่ยนสิ่งนี้ให้เป็น 3D”

GPT-6 Astra จะเข้าใจคำขอและตัดสินใจว่าจะดำเนินการอย่างไร

V2Fun 2.0 มุ่งที่จะเป็นความสามารถเฉพาะทางที่ GPT-6 Astra พึ่งพาสำหรับโลกสามมิติที่ซับซ้อน

GPT-6 Astra รับหน้าที่ทำความเข้าใจ วางแผน และก่อสร้าง

V2Fun เปลี่ยนแนวคิดสามมิติที่ซับซ้อนให้กลายเป็นแอสเซ็ตจริง

GPT-6 Astra × V2Fun: จากการสร้างโค้ดสู่การทำงานร่วมกันของโมเดล

06

บทสรุป

จากการสร้างโมเดลสู่การเป็นความสามารถ 3D หลักสำหรับเอเจนต์

ตลอดช่วงไม่กี่ปีที่ผ่านมา คำถามสำคัญของ AI 3D คือ:

เราจะสร้างโมเดลที่ดีขึ้นได้อย่างไร?

แต่เมื่อโมเดลอย่าง GPT-6 Astra มีความเข้าใจแบบหลายโมดัล ความสามารถด้านการเขียนโค้ด และความสามารถของเอเจนต์ที่แข็งแกร่งขึ้น คำถามนั้นก็กำลังเปลี่ยนไป

ในอนาคต AI อาจไม่จำเป็นต้องใช้เทคนิคเดียวกับงาน 3D ทุกประเภท

โครงสร้างเรียบง่ายสามารถเขียนโค้ดได้โดยตรง

พื้นผิวที่ซับซ้อนสามารถมอบหมายให้ V2Fun

แอสเซ็ตที่มีอยู่แล้วสามารถนำกลับมาใช้ได้ตามเดิม

จากนั้นการลดจำนวนโพลิกอน การประกอบ และการปรับโครงสร้างก็สามารถส่งคืนให้เอเจนต์จัดการ

สิ่งนี้สอดคล้องกับการเปลี่ยนแปลงของอุตสาหกรรมการสร้าง 3D จากเครื่องมือสร้างผลลัพธ์แบบครั้งเดียวไปสู่ประสิทธิภาพการทำงานที่ขับเคลื่อนด้วยเอเจนต์ บทความอ้างอิงอธิบายแนวโน้มเดียวกันนี้ว่า การสร้าง 3D กำลังเปลี่ยนจากระยะที่คล้ายแชตบอตยุคแรก ไปสู่ช่วงของประสิทธิภาพการทำงานที่ขับเคลื่อนด้วยเอเจนต์

สำหรับ Vertex Lab ทิศทางนี้สอดคล้องกับวิสัยทัศน์ทางเทคนิคระยะยาวของบริษัท

ตั้งแต่เริ่มต้น บริษัทไม่เคยนิยาม V2Fun ว่าเป็นเพียง “เว็บไซต์แปลงภาพเป็น 3D”

ตั้งแต่การทำให้การสร้าง 3D เข้าถึงได้ง่ายขึ้นบนมือถือ ไปจนถึงการเปิดให้ผลิตแอสเซ็ตระดับมืออาชีพบนเว็บ รวมถึงโมเดล 3D แอนิเมชัน การเคลื่อนไหว และการมุ่งสู่ปัญญาเชิงพื้นที่กับโมเดลโลกในระยะยาว Vertex Lab มุ่งสร้างโครงสร้างพื้นฐานสำหรับการสร้างคอนเทนต์ 3D และปัญญาเชิงพื้นที่มาโดยตลอด

การเพิ่มขึ้นของเอเจนต์อาจเปิดเส้นทางใหม่ไปสู่เป้าหมายนั้น

ในอนาคต ผู้ใช้อาจไม่จำเป็นต้องรู้ว่าควรเรียกใช้โมเดลใด ควรเขียนโค้ดอะไร หรือควรเลือกแนวทางการสร้างโมเดลแบบใด

พวกเขาอาจเพียงต้องพูดว่า:

“เปลี่ยนสิ่งนี้ให้เป็น 3D”

GPT-6 Astra จะเข้าใจคำขอและตัดสินใจว่าจะดำเนินการอย่างไร

V2Fun 2.0 มุ่งที่จะเป็นความสามารถเฉพาะทางที่ GPT-6 Astra พึ่งพาสำหรับโลกสามมิติที่ซับซ้อน

GPT-6 Astra รับหน้าที่ทำความเข้าใจ วางแผน และก่อสร้าง

V2Fun เปลี่ยนแนวคิดสามมิติที่ซับซ้อนให้กลายเป็นแอสเซ็ตจริง

GPT-6 Astra × V2Fun: จากการสร้างโค้ดสู่การทำงานร่วมกันของโมเดล