GPT-6 Astra x V2Fun - จากการสร้างโค้ดสู่การทำงานร่วมกันระหว่างโมเดล

ลองจินตนาการถึงกระบวนการสร้างโมเดล 3D แบบนี้

คุณมอบภาพอ้างอิงของรถขุดให้ GPT-6 Astra ก่อนอื่นมันจะระบุส่วนประกอบของเครื่องจักร ได้แก่ ห้องคนขับ ตีนตะขาบ ช่วงล่าง บูม อาร์ม บุ้งกี๋ และส่วนอื่นๆ

จากนั้นส่วนประกอบหลักเหล่านี้จะถูกส่งแยกกันไปยังโมเดลสร้าง 3D เฉพาะทาง และส่งกลับมาเป็นแอสเซ็ตแยกกันภายในเวลาไม่กี่สิบวินาที

ต่อไป GPT-6 Astra จะเข้ามารับช่วงต่อ

มันจะกำหนดสเกลและความสัมพันธ์เชิงพื้นที่ของแต่ละส่วน วางตีนตะขาบไว้คนละด้านของช่วงล่าง ติดบูมเข้ากับตัวรถ แล้วเชื่อมต่ออาร์มและบุ้งกี๋ตามลำดับ เมื่อโครงสร้างหลักเสร็จสมบูรณ์ มันจะใช้ Three.js เพื่อเพิ่มท่อไฮดรอลิก สกรู เพลาแกนหมุน และแม้แต่จอยสติ๊กควบคุมภายในห้องคนขับ

ท้ายที่สุด รถขุดที่สมบูรณ์ มีโครงสร้าง และแก้ไขได้ก็ปรากฏขึ้นในฉาก 3D

นี่เป็นมากกว่าการสร้างภาพเป็น 3D เพียงอย่างเดียว หรือการสร้างโค้ดเพียงอย่างเดียว

แต่เป็นความสามารถของ AI สองด้านที่เริ่มทำงานร่วมกันอย่างเป็นธรรมชาติมากขึ้น:

GPT-6 Astra รับผิดชอบการทำความเข้าใจ การวางแผน และการประกอบสร้าง ขณะที่โมเดลพื้นฐาน 3D เฉพาะทางรับผิดชอบเรขาคณิตที่ซับซ้อน

นี่คือเวิร์กโฟลว์รูปแบบใหม่ที่ V2Fun ผลิตภัณฑ์จาก Vertex Lab กำลังสำรวจอยู่ในช่วงที่ผ่านมา

เบื้องหลังสิ่งนี้คือการเปลี่ยนแปลงที่กว้างกว่านั้น:

เอเจนต์ 3D กำลังเปลี่ยนจาก “สร้างทุกอย่างด้วยตัวเอง” ไปสู่ “รู้ว่าควรเรียกใช้โมเดลใด และเมื่อใด”

01 จุดเปลี่ยน

GPT-6 Astra สร้าง 3D ได้แล้ว อะไรจะเกิดขึ้นต่อไป

การเปลี่ยนแปลงสำคัญประการหนึ่งจาก GPT-6 Astra คือ โมเดลภาษาขนาดใหญ่กำลังก้าวเข้าสู่โลกสามมิติอย่างแท้จริง

ในอดีต เราคุ้นเคยกับการขอให้ AI สร้างภาพ วิดีโอ หรือข้อความสักชิ้นมากกว่า แต่ตอนนี้ ด้วยความสามารถด้านความเข้าใจแบบหลายโมดัล การให้เหตุผลเชิงพื้นที่ และการเขียนโค้ดที่พัฒนาขึ้นเรื่อยๆ GPT-6 Astra สามารถเข้าใจโครงสร้างของวัตถุ 3D และสร้างมันขึ้นมาจริงผ่านวิธีการเชิงกระบวนการ เช่น Three.js

ลองนึกถึงสายการผลิตในโรงงานอุตสาหกรรมเป็นตัวอย่าง

GPT-6 Astra สามารถระบุสายพานลำเลียง ลูกกลิ้ง โครงรองรับ มอเตอร์ และสถานีงานของสายการผลิต จากนั้นจึงค่อยๆ สร้างเรขาคณิตที่สอดคล้องกัน

วัตถุเหล่านี้เหมาะอย่างยิ่งกับการสร้างโมเดลเชิงกระบวนการ เพราะมักมีความสัมพันธ์ทางคณิตศาสตร์ที่ชัดเจนและมีโครงสร้างซ้ำๆ เสารองรับสามารถแทนด้วยรูปทรงเรขาคณิตพื้นฐาน ลูกกลิ้งสามารถทำซ้ำได้หลายสิบชิ้น และความยาวกับตำแหน่งของสายพานลำเลียงสามารถควบคุมได้โดยตรงผ่านพารามิเตอร์

ที่สำคัญกว่านั้น ผลลัพธ์ไม่ได้เป็นเมชทึบที่ไม่สามารถมองเห็นโครงสร้างภายในได้ทั้งหมด

ส่วนประกอบแต่ละชิ้นในสายการผลิตยังคงเป็นวัตถุแยกกัน ซึ่งยังสามารถย้าย ทำซ้ำ ลบ หรือแก้ไขได้

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

เข้าใจว่าวัตถุประกอบด้วยอะไร และสร้างมันขึ้นมา

แต่เมื่อวัตถุมีความซับซ้อนมากขึ้น คำถามใหม่ก็เกิดขึ้น

ถ้าวัตถุนั้นไม่ใช่สายการผลิต แต่เป็นใบหน้ามนุษย์ สิ่งมีชีวิต เสื้อผ้า ประติมากรรม หรือแม้แต่รถขุดที่มีพื้นผิวอุตสาหกรรมซับซ้อน GPT-6 Astra ยังควรเขียนเรขาคณิตทั้งหมดเป็นโค้ดหรือไม่

คำตอบอาจไม่ใช่การเลือกอย่างใดอย่างหนึ่ง

และนี่คือจุดที่ V2Fun สามารถเข้ามาในเวิร์กโฟลว์ได้พอดี

02 ทำไมต้อง V2FUN

ทำไมต้อง V2Fun

V2Fun ไม่ใช่ 3D API ที่เพิ่มเข้ามาแบบเร่งด่วนเพื่อการสาธิตนี้โดยเฉพาะ

แต่เป็นแพลตฟอร์มผลิตภัณฑ์สำหรับการวิจัยและพัฒนาโมเดลพื้นฐาน AI 3D ระยะยาวของ Vertex Lab

Vertex Lab ก่อตั้งขึ้นในปี 2025 และมุ่งเน้นการสร้าง 3D ความฉลาดเชิงพื้นที่ และในระยะยาวคือโครงสร้างพื้นฐานสำหรับโมเดลโลกมาโดยตลอด

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

แก่นสำคัญของมันคือการตอบคำถามเดิมมาโดยตลอด:

จะเปลี่ยนวัตถุสามมิติที่ซับซ้อนให้เป็นแอสเซ็ต 3D ที่ใช้งานได้ โดยใช้แรงและเวลาน้อยลงได้อย่างไร

V2Fun 2.0 ที่กำลังจะเปิดตัวจะยกระดับความสามารถเหล่านี้ให้ไกลยิ่งขึ้น

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

นี่คือเหตุผลที่การผสาน V2Fun เข้ากับ GPT-6 Astra เป็นมากกว่าความร่วมมือระหว่างผลิตภัณฑ์ที่เกิดขึ้นโดยบังเอิญ

ปัญหาที่ทั้งสองถนัดแก้มีลักษณะเกื้อหนุนกันโดยธรรมชาติ

GPT-6 Astra โดดเด่นด้านความเข้าใจ การวางแผน ความสัมพันธ์เชิงพื้นที่ การเขียนโค้ด และการประสานงานของเอเจนต์

V2Fun โดดเด่นด้านการสร้างเรขาคณิต 3D ที่ซับซ้อนและพื้นผิวคุณภาพสูงโดยตรง

ฝ่ายหนึ่งถนัดตอบคำถามว่า:

“ควรสร้างวัตถุนี้อย่างไร”

อีกฝ่ายถนัดตอบคำถามว่า:

“ส่วนประกอบที่ซับซ้อนนี้ควรมีหน้าตาเป็นอย่างไร”

เมื่อความสามารถทั้งสองมารวมกัน การสร้าง 3D ก็ไม่ถูกจำกัดอยู่ที่แนวทางเดียวอีกต่อไป

03 ความท้าทาย

บางสิ่งเหมาะกับการสร้างด้วยโค้ด ส่วนบางสิ่งเหมาะกับการสร้างโดยตรงมากกว่า

กลับมาที่รถขุดคันนั้นกัน

ในเชิงโครงสร้าง มันมีความเป็นแบบแผนสูงมาก

GPT-6 Astra สามารถเข้าใจได้ทันทีว่ารถขุดประกอบด้วยช่วงล่าง ตีนตะขาบซ้ายและขวา ตัวรถ ห้องคนขับ บูม อาร์ม และบุ้งกี๋ อีกทั้งยังเข้าใจได้ว่าชิ้นส่วนเหล่านั้นควรเชื่อมต่อกันอย่างไร

แต่เมื่อพิจารณาให้ละเอียดขึ้น ปัญหาก็เปลี่ยนไป

ห้องคนขับไม่ใช่ลูกบาศก์ธรรมดา และเปลือกตัวรถไม่สามารถแทนได้อย่างแม่นยำด้วยการนำรูปทรงพื้นฐานไม่กี่ชิ้นมารวมกัน บุ้งกี๋มีพื้นผิวโค้งต่อเนื่อง แขนมีโครงร่างซับซ้อน ส่วนตีนตะขาบและช่วงล่างก็เต็มไปด้วยรายละเอียดด้านการออกแบบอุตสาหกรรม

แน่นอนว่า GPT-6 Astra ยังคงประมาณโครงสร้างเหล่านี้ต่อไปด้วยโค้ดเชิงกระบวนการได้

แต่ยิ่งเรขาคณิตซับซ้อนมากขึ้น ก็ยิ่งต้องสร้างและปรับแก้โค้ดมากขึ้น และต้องทำซ้ำหลายรอบขึ้น

สำหรับเอเจนต์ นั่นหมายถึงการใช้โทเค็นมากขึ้นเรื่อยๆ เพื่ออธิบายเรขาคณิตระดับล่าง

เราจึงลองใช้แนวทางที่แตกต่างออกไป

GPT-6 Astra “ทำความเข้าใจ” รถขุดก่อน

จากนั้นจึงมอบหมายส่วนประกอบหลักที่ซับซ้อน เช่น ห้องคนขับ ตีนตะขาบ แขน และบุ้งกี๋ ให้ V2Fun 2.0 สร้างแยกกัน

เมื่อการสร้างเสร็จสิ้น GPT-6 Astra จะเข้ามารับช่วงต่ออีกครั้งเพื่อปรับสเกล การหมุน และตำแหน่ง แล้วประกอบวัตถุทั้งหมดเข้าด้วยกัน

ในจุดนี้ V2Fun นำความสามารถที่กำลังพัฒนามาใช้อย่างตรงจุด:

สร้างโครงสร้าง 3D ที่ซับซ้อนขึ้นใหม่โดยตรงจากอินพุตภาพ แทนการให้โมเดลภาษาบรรยายพื้นผิวทางอ้อมผ่านโค้ดจำนวนมาก

นี่อาจดูเหมือนเป็นเพียงการเขียน Three.js ให้น้อยลง แต่ในความเป็นจริง มันเปลี่ยนแนวทางการประมวลผลทั้งหมด

ที่น่าสนใจกว่านั้นคือ V2Fun ไม่ได้เข้ามาแทนที่ Three.js

หลังการประกอบ GPT-6 Astra ยังคงสร้างองค์ประกอบอีกมากมายด้วยตัวเอง

เช่น ท่อไฮดรอลิก

ท่อหนึ่งเส้นโดยพื้นฐานแล้วคือโครงสร้างทรงกระบอกที่เชื่อมต่อจุดสำคัญไม่กี่จุด จึงเหมาะอย่างยิ่งกับการสร้างโมเดลเชิงกระบวนการ

เช่นเดียวกันกับสกรู เพลาเชื่อมต่อ และจอยสติ๊ก

วัตถุเหล่านี้มีขนาดที่เป็นแบบแผน โครงสร้างเรียบง่าย และมักปรากฏเป็นจำนวนมาก การเรียกใช้โมเดลพื้นฐาน 3D แยกกันสำหรับแต่ละชิ้นจะเพิ่มต้นทุนและความซับซ้อนให้กับเวิร์กโฟลว์เสียด้วยซ้ำ

ดังนั้น รถขุดขั้นสุดท้ายจึงเป็นแอสเซ็ตไฮบริดอย่างแท้จริง

V2Fun สร้างส่วนประกอบหลักที่ซับซ้อน

GPT-6 Astra + Three.js จัดการรายละเอียดที่เป็นแบบแผน

จากนั้น GPT-6 Astra จะจัดระเบียบทั้งสองส่วนให้เป็นวัตถุ 3D เดียวที่มีโครงสร้าง

นี่คือสิ่งที่ทำให้แนวทางนี้น่าสนใจ:

แทนที่จะเลือกระหว่างการสร้างโค้ดกับโมเดลพื้นฐาน 3D เอเจนต์จะตัดสินใจว่าความสามารถใดเหมาะที่สุดกับแต่ละส่วน

04 ซับซ้อนยิ่งขึ้น

เมื่อเป็นตัวละครมนุษย์ คุณค่าของ V2Fun จะยิ่งเห็นได้ชัด

รถขุดยังคงเป็นวัตถุพื้นผิวแข็งเป็นหลัก

ตัวละครมนุษย์และพื้นผิวอินทรีย์ที่ซับซ้อนต่างหากที่ผลักดันแนวทางเชิงกระบวนการล้วนๆ ให้ถึงขีดจำกัดอย่างแท้จริง

เพื่อสำรวจเรื่องนี้ เราจึงสร้างเดโมที่ทะเยอทะยานยิ่งขึ้น:

ให้ GPT-6 Astra สร้างราชาที่สวมเกราะและติดอาวุธครบชุด

นอกเหนือจากร่างกายมนุษย์แล้ว ตัวละครนี้ยังประกอบด้วยเกราะอันประณีต ศีรษะ ดาบ และโล่

ตัวละครมนุษย์ถ่ายทอดออกมาเป็นกฎได้ยากกว่าอุปกรณ์เครื่องจักรมาก

การที่ใบหน้า “ดูถูกต้อง” ไม่ได้ขึ้นอยู่กับการวางตา จมูก และปากไว้ในตำแหน่งที่ถูกต้องโดยประมาณเท่านั้น

รูปร่างใบหน้า โหนกแก้ม เบ้าตา สันจมูก ริมฝีปาก และการเปลี่ยนแปลงของความโค้งที่ละเอียดและต่อเนื่องระหว่างส่วนต่างๆ ล้วนมีส่วนต่อรูปลักษณ์สุดท้าย

เกราะก็เช่นเดียวกัน

แม้จะเป็นวัตถุพื้นผิวแข็ง แต่ก็ไม่ใช่ส่วนประกอบทางวิศวกรรมที่เรียบง่าย งานนูน เครื่องประดับ พื้นผิวต่อเนื่อง และรูปทรงที่มีสไตล์ ล้วนมีส่วนสร้างเอกลักษณ์ทางภาพให้กับตัวละคร

วัตถุเหล่านี้คือประเภทที่เหมาะกับการจัดการด้วยโมเดลพื้นฐาน 3D รุ่นถัดไปของ V2Fun 2.0 โดยเฉพาะ

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

จากนั้น V2Fun จะสร้างส่วนประกอบที่ซับซ้อนเหล่านี้แยกกัน

GPT-6 Astra จะจัดการสิ่งที่เกิดขึ้นต่อไป:

ศีรษะมีสเกลถูกต้องหรือไม่ และควรเชื่อมต่อกับลำตัวอย่างไร ดาบและโล่ควรวางไว้ที่ใด สัดส่วนของชิ้นส่วนต่างๆ สอดคล้องกันหรือไม่ โมเดลใดจำเป็นต้องลดจำนวนโพลิกอน และควรจัดระเบียบทุกอย่างให้เป็นแอสเซ็ต 3D ที่แก้ไขและนำไปใช้ต่อได้อย่างไร

กล่าวอีกอย่างคือ:

V2Fun จัดการกับ “วิธีสร้างเรขาคณิตที่ซับซ้อนให้ได้อย่างรวดเร็วและมีคุณภาพสูง”

GPT-6 Astra จัดการกับ “วิธีเปลี่ยนเรขาคณิตนั้นให้เป็นวัตถุที่สมบูรณ์”

เหตุใด V2Fun จึงจัดการกับเรขาคณิตที่ซับซ้อนระดับนี้ได้

เหตุผลไม่ได้มีเพียง “เพราะมันเป็นโมเดลภาพเป็น 3D เช่นกัน”

งานวิจัยและพัฒนาหลักของ Vertex Lab ในช่วงที่ผ่านมาเน้นคำถามพื้นฐานสองข้อ:

จะนำเสนอเรขาคณิตให้แม่นยำยิ่งขึ้นได้อย่างไร และจะรักษาความสอดคล้องของพื้นผิวความละเอียดสูงบนพื้นผิว 3D ได้อย่างไร

ในด้านเรขาคณิต ทีมงานยังคงปรับปรุงการนำเสนอ 3D และสถาปัตยกรรมการสร้างอย่างต่อเนื่อง โดยมุ่งลดการนำเสนอเรขาคณิตที่ไม่มีประสิทธิภาพ และเน้นความสามารถของโมเดลไปยังบริเวณที่มีความโค้งสูง โครงสร้างบาง และพื้นที่ซับซ้อน

ในด้านพื้นผิว มุ่งเน้นการแก้ปัญหาการจัดวางไม่ตรงกัน การฉีกขาด และการสูญเสียรายละเอียดที่มักเกิดขึ้นในการสร้างหลายมุมมองความละเอียดสูง

สิ่งนี้ยังเป็นพื้นฐานที่ทำให้ V2Fun 2.0 สามารถมอบพื้นผิวคุณภาพสูงที่ความละเอียดสูงสุด 8K

สำหรับเอเจนต์ ความสามารถเช่นนี้มีความสำคัญอย่างยิ่ง

มันกำลังเรียกใช้โมเดลเฉพาะทางที่สร้างแอสเซ็ต 3D จริงๆ แทนที่จะเป็นเครื่องมือสร้างภาพที่เพียงสร้างบางสิ่งให้ “ดูเป็น 3D”

แอสเซ็ตที่สร้างขึ้นยังต้องถูกประกอบ ลดจำนวนโพลิกอน และแก้ไขโดย GPT-6 Astra และในท้ายที่สุดอาจเข้าสู่เวิร์กโฟลว์ด้านแอนิเมชัน เกม การพิมพ์ 3D หรือ 3D รูปแบบอื่นๆ

นี่คือความท้าทายด้านผลิตภัณฑ์ที่ V2Fun กำลังทำงานเพื่อแก้ไข:

ทำให้ AI สร้างมากกว่าผลลัพธ์ที่ใช้ครั้งเดียว: สร้างแอสเซ็ต 3D ที่ผู้คนสามารถนำไปทำงานต่อได้อย่างแท้จริง

05 ประสิทธิภาพ

นอกเหนือจากคุณภาพที่สูงขึ้น ยังมีการเปลี่ยนแปลงอีกอย่าง: โทเค็น

เวิร์กโฟลว์นี้มีประโยชน์โดยตรงอีกประการหนึ่ง:

ประสิทธิภาพของโทเค็น

เมื่อ GPT-6 Astra ใช้ Three.js เพื่ออธิบายโครงสร้างเรียบง่าย มันจะใช้โทเค็นได้อย่างมีประสิทธิภาพมาก

กระบอกสูบ ท่อไฮดรอลิก หรือสกรูไม่กี่ตัวต้องใช้โค้ดเพียงเล็กน้อย

แต่เมื่อใช้วิธีเดียวกันเพื่อประมาณใบหน้ามนุษย์ รอยพับของผ้า หรือพื้นผิวอุตสาหกรรมที่ซับซ้อนมาก ปริมาณโค้ดเรขาคณิตที่ต้องสร้างและแก้ไขจะเพิ่มขึ้นอย่างรวดเร็ว

จากนั้นโทเค็นจำนวนมากจะถูกใช้ไปกับคำถามต่างๆ เช่น:

“จะทำให้พื้นผิวนี้แม่นยำขึ้นอีกเล็กน้อยได้อย่างไร”

“ควรปรับโครงร่างนี้เพิ่มเติมอย่างไร”

“ควรเพิ่มรายละเอียดเรขาคณิตที่นี่มากเพียงใด”

เมื่อมอบหมายส่วนที่ซับซ้อนให้ V2Fun โดยตรง กระบวนการระดับล่างเหล่านี้จะถูกรวบให้เหลือการเรียกใช้โมเดลเฉพาะทางเพียงครั้งเดียว

GPT-6 Astra สามารถทุ่มทรัพยากรด้านการให้เหตุผลไปกับการตัดสินใจที่จำเป็นจริงๆ ได้มากขึ้น:

จะแยกวัตถุออกเป็นส่วนๆ อย่างไร

ส่วนใดควรสร้างแยกกัน

ส่วนต่างๆ มีความสัมพันธ์เชิงพื้นที่ต่อกันอย่างไร

จะประกอบวัตถุสุดท้ายอย่างไร

จำเป็นต้องเปลี่ยนแปลงเพิ่มเติมตรงไหน

นี่คือเหตุผลที่ V2Fun 2.0 มอบมากกว่า “โมเดลที่ดูดีขึ้น”

นอกจากนี้ยังมีศักยภาพในการลดทั้ง การใช้โทเค็นและเวลาการสร้างโมเดลโดยรวม ของ GPT-6 Astra สำหรับงาน 3D ที่ซับซ้อน

ก่อนหน้านี้เวิร์กโฟลว์อาจเป็น:

ทำความเข้าใจ → เขียนโค้ดเรขาคณิต → ปรับแก้ → เขียนโค้ดเรขาคณิตเพิ่มเติม → ปรับแก้อีกครั้ง

ตอนนี้กลายเป็น:

ทำความเข้าใจ → แยกเป็นส่วนๆ → สร้างแบบขนาน → ประกอบ → เพิ่มรายละเอียดเฉพาะจุด

เมื่อสามารถสร้างส่วนประกอบที่ซับซ้อนหลายชิ้นพร้อมกันได้ ข้อได้เปรียบด้านประสิทธิภาพนี้ก็จะยิ่งเพิ่มขึ้น

06 บทสรุป

จากการสร้างโมเดลสู่การเป็นความสามารถ 3D หลักสำหรับเอเจนต์

ในช่วงไม่กี่ปีที่ผ่านมา คำถามหลักในวงการ AI 3D คือ:

จะสร้างโมเดลที่ดีกว่าเดิมได้อย่างไร

แต่เมื่อโมเดลอย่าง GPT-6 Astra มีความสามารถด้านความเข้าใจแบบหลายโมดัล การเขียนโค้ด และการทำงานแบบเอเจนต์ที่แข็งแกร่งขึ้น คำถามนั้นก็กำลังเปลี่ยนไป

ในอนาคต AI อาจไม่จำเป็นต้องใช้เทคนิคเดียวกับงาน 3D ทุกประเภท

โครงสร้างเรียบง่ายสามารถเขียนโค้ดได้โดยตรง

พื้นผิวที่ซับซ้อนสามารถมอบหมายให้ V2Fun

แอสเซ็ตที่มีอยู่สามารถนำกลับมาใช้ได้ตามเดิม

จากนั้นการลดจำนวนโพลิกอน การประกอบ และการปรับโครงสร้างก็สามารถส่งกลับไปให้เอเจนต์จัดการ

สิ่งนี้สอดคล้องกับการเปลี่ยนแปลงของอุตสาหกรรมการสร้าง 3D จากเครื่องมือสร้างแบบใช้ครั้งเดียวไปสู่ผลิตภาพที่ขับเคลื่อนด้วยเอเจนต์ บทความอ้างอิงอธิบายแนวโน้มเดียวกันนี้ว่า การสร้าง 3D กำลังเปลี่ยนจากช่วงที่คล้ายแชตบอตยุคแรก ไปสู่ระยะของผลิตภาพที่ขับเคลื่อนด้วยเอเจนต์

สำหรับ Vertex Lab ทิศทางนี้สอดคล้องกับวิสัยทัศน์ทางเทคนิคระยะยาวของบริษัท

ตั้งแต่เริ่มต้น บริษัทไม่เคยนิยาม V2Fun ว่าเป็นเพียง “เว็บไซต์ภาพเป็น 3D”

ตั้งแต่การทำให้การสร้าง 3D เข้าถึงได้ง่ายขึ้นบนมือถือ ไปจนถึงการเปิดให้ผลิตแอสเซ็ตระดับมืออาชีพบนเว็บ รวมถึงโมเดล 3D แอนิเมชัน การเคลื่อนไหว และเป้าหมายระยะยาวในการพัฒนาความฉลาดเชิงพื้นที่กับโมเดลโลก Vertex Lab มุ่งสร้างโครงสร้างพื้นฐานสำหรับการสร้างคอนเทนต์ 3D และความฉลาดเชิงพื้นที่มาโดยตลอด

การเติบโตของเอเจนต์อาจเปิดเส้นทางใหม่สู่เป้าหมายนั้น

ในอนาคต ผู้ใช้อาจไม่จำเป็นต้องรู้ว่าควรเรียกใช้โมเดลใด ต้องเขียนโค้ดอะไร หรือควรเลือกแนวทางการสร้างโมเดลแบบไหน

พวกเขาอาจเพียงต้องพูดว่า:

“เปลี่ยนสิ่งนี้ให้เป็น 3D”

GPT-6 Astra จะเข้าใจคำขอและตัดสินใจว่าจะดำเนินการอย่างไร

V2Fun 2.0 ตั้งเป้าที่จะเป็นความสามารถเฉพาะทางที่ GPT-6 Astra ใช้สำหรับโลกสามมิติที่ซับซ้อน

GPT-6 Astra รับผิดชอบการทำความเข้าใจ การวางแผน และการประกอบสร้าง

V2Fun เปลี่ยนแนวคิดสามมิติที่ซับซ้อนให้กลายเป็นแอสเซ็ตจริง

GPT-6 Astra × V2Fun: จากการสร้างโค้ดสู่ความร่วมมือระหว่างโมเดล