GPT-6 Astra x V2Fun - Kod Üretiminden Model İş Birliğine

Böyle bir 3B modelleme süreci hayal edin.

GPT-6 Astra’ya bir ekskavatörün referans görüntüsünü verirsiniz. Önce makinenin bileşenlerini tanımlar: kabin, paletler, alt takım, bom, arm, kova ve diğerleri.

Bu ana bileşenler daha sonra ayrı ayrı uzmanlaşmış bir 3B üretim modeline gönderilir ve onlarca saniye içinde ayrı varlıklar olarak geri döner.

Ardından GPT-6 Astra devralır.

Her parçanın ölçeğini ve uzamsal ilişkilerini belirler, paletleri alt takımın iki yanına yerleştirir, bomu gövdeye bağlar ve ardından arm ile kovayı sırayla birleştirir. Ana yapı tamamlandığında, hidrolik hortumları, vidaları, döner milleri ve hatta kabinin içindeki kontrol kumanda kollarını eklemek için Three.js’i kullanır.

Sonunda 3B sahnede eksiksiz, yapılandırılmış ve düzenlenebilir bir ekskavatör belirir.

Bu, yalnızca görüntüden 3B üretiminden veya yalnızca kod üretiminden ibaret değildir.

Bu, iki yapay zekâ yeteneğinin daha doğal bir şekilde birlikte çalışmaya başlamasıdır:

GPT-6 Astra anlama, planlama ve oluşturma süreçlerini yürütürken, uzmanlaşmış bir 3B temel model karmaşık geometrileri ele alır.

Bu, Vertex Lab ürünü V2Fun’ın yakın zamanda araştırmaya başladığı yeni bir iş akışıdır.

Bunun arkasında daha kapsamlı bir değişim yatıyor:

3B ajanları “her şeyi kendileri üretmekten” “hangi modeli ne zaman çağıracaklarını bilmeye” doğru ilerliyor.

01 DÖNÜM NOKTASI

GPT-6 Astra zaten 3B oluşturabiliyor. Sırada ne var?

GPT-6 Astra’nın getirdiği önemli değişimlerden biri, büyük dil modellerinin üç boyutlu dünyaya gerçekten adım atmasıdır.

Geçmişte yapay zekâdan bir görüntü, video veya metin parçası üretmesini istemeye daha alışkındık. Artık giderek güçlenen çok modlu anlama, uzamsal akıl yürütme ve kodlama yetenekleriyle GPT-6 Astra, bir 3B nesnenin yapısını anlayabiliyor ve ardından onu Three.js gibi prosedürel yöntemlerle gerçekten oluşturabiliyor.

Örneğin bir endüstriyel üretim hattını ele alalım.

GPT-6 Astra; taşıma bantlarını, makaralarını, destek çerçevelerini, motorlarını ve iş istasyonlarını tanımlayabilir, ardından bunlara karşılık gelen geometrileri aşamalı olarak üretebilir.

Bu nesneler, net matematiksel ilişkilere ve tekrarlanan yapılara sahip olma eğiliminde oldukları için prosedürel modellemeye özellikle uygundur. Bir destek kolonu temel bir geometrik şekille temsil edilebilir, bir makara onlarca kez çoğaltılabilir ve bir taşıma bandının uzunluğu ile konumu doğrudan parametreler aracılığıyla kontrol edilebilir.

Daha da önemlisi, sonuç tamamen opak bir ağ değildir.

Üretim hattındaki her bileşen, hâlâ taşınabilen, çoğaltılabilen, silinebilen veya değiştirilebilen ayrı bir nesne olarak kalır.

Bu açıdan GPT-6 Astra, “3B üretmekten” daha fazlasını yapıyor. Bir 3B mühendisine daha yakın bir yetenek geliştirmeye başlıyor:

Bir nesnenin nelerden oluştuğunu anlamak ve onu oluşturmak.

Ancak nesneler daha karmaşık hâle geldikçe yeni bir soru ortaya çıkıyor.

Ya nesne bir üretim hattı değil de bir insan yüzü, yaratık, kıyafet, heykel veya karmaşık endüstriyel yüzeylere sahip bir ekskavatörse? GPT-6 Astra yine de tüm geometriyi kodla mı yazmalı?

Yanıt ya hep ya hiç olmak zorunda olmayabilir.

V2Fun tam da bu noktada iş akışına dâhil olabilir.

02 NEDEN V2FUN

Neden V2Fun?

V2Fun, yalnızca bu demo için sonradan eklenmiş bir 3B API değildir.

Vertex Lab’in 3B temel modelleri üzerine uzun vadeli araştırma ve geliştirme yürüttüğü ürün platformudur.

2025’te kurulan Vertex Lab, sürekli olarak 3B üretimine, uzamsal zekâya ve uzun vadede dünya modelleri için altyapıya odaklanmıştır.

V2Fun daha önce HDC 2026’da, bir 3B temel model tarafından desteklenen HarmonyOS’un ilk yapay zekâ yerel uygulaması olarak tanıtılmıştı. Mobil uygulaması ve web çalışma alanı, günlük üretimden profesyonel 3B içerik üretimine kadar tüm iş akışını kapsar.

Özünde her zaman aynı soruyu ele almıştır:

Karmaşık bir üç boyutlu nesne, daha az çabayla ve daha kısa sürede nasıl kullanılabilir bir 3B varlığa dönüştürülebilir?

Yakında çıkacak V2Fun 2.0 bu yetenekleri daha da ileri taşıyacak.

Yeni sürüm, 3B temel modelinin en yeni neslini sunacak ve 8K’ya kadar çözünürlüklerde doku üretimini destekleyecek. Karmaşık geometriler, insan karakterleri, yaratıklar, kıyafetler, heykeller ve diğer düzensiz yüzeyler için üretim kalitesini iyileştirmeye odaklanacak.

Bu nedenle V2Fun ile GPT-6 Astra’nın birleşimi, tesadüfi bir ürün iş birliğinden daha fazlasıdır.

Çözmede başarılı oldukları problemler doğaları gereği birbirini tamamlar.

GPT-6 Astra; anlama, planlama, uzamsal ilişkiler, kodlama ve ajan orkestrasyonunda başarılıdır.

V2Fun ise karmaşık 3B geometrileri ve yüksek kaliteli yüzeyleri doğrudan üretmede başarılıdır.

Biri şu soruyu yanıtlamada daha iyidir:

“Bu nesne nasıl oluşturulmalı?”

Diğeri şu soruyu yanıtlamada daha iyidir:

“Bu karmaşık bileşen gerçekte nasıl görünmeli?”

Bu iki yetenek bir araya geldiğinde 3B üretimi artık tek bir yaklaşımla sınırlı kalmaz.

03 ZORLUK

Bazı şeyler en iyi kodla oluşturulur. Diğerleri ise doğrudan üretilmeye daha uygundur.

Şimdi o ekskavatöre geri dönelim.

Yapısal olarak son derece düzenlidir.

GPT-6 Astra, bir ekskavatörün alt takım, sol ve sağ paletler, gövde, kabin, bom, arm ve kovadan oluştuğunu kolayca anlayabilir. Ayrıca bu parçaların nasıl bağlanması gerektiğini de anlayabilir.

Ancak daha yakından baktığınızda sorun değişir.

Kabin basit bir küp değildir ve gövde kabuğu birkaç temel şeklin birleştirilmesiyle doğru şekilde temsil edilemez. Kovanın sürekli kıvrımlı yüzeyleri, kolun karmaşık bir dış hat yapısı vardır; paletler ve alt takım ise çok sayıda endüstriyel tasarım ayrıntısı içerir.

GPT-6 Astra elbette bu yapıları prosedürel kodla yaklaşık olarak oluşturmaya devam edebilir.

Ancak geometri ne kadar karmaşık olursa üretilip gözden geçirilmesi gereken kod miktarı ve gereken yineleme sayısı da o kadar artar.

Bir ajan açısından bu, düşük seviyeli geometriyi tanımlamak için giderek daha fazla token harcamak anlamına gelir.

Bu yüzden farklı bir yaklaşım denedik.

GPT-6 Astra önce ekskavatörü “anlar”.

Ardından kabin, paletler, kol ve kova gibi karmaşık ana bileşenlerin ayrı ayrı üretilmesi için bunları V2Fun 2.0’a devreder.

Üretim tamamlandığında GPT-6 Astra ölçeği, dönüşü ve konumu ayarlamak ve nesnenin tamamını birleştirmek üzere yeniden devreye girer.

V2Fun burada tam olarak geliştirmekte olduğu yeteneği sunar:

Bir dil modelinin yüzeyleri büyük miktarlarda kod aracılığıyla dolaylı olarak tanımlaması yerine, karmaşık 3B yapıları doğrudan görsel girdiden yeniden oluşturmak.

Bu, yalnızca daha az Three.js yazmak gibi görünebilir, ancak aslında tüm hesaplama yaklaşımını değiştirir.

Daha ilginç olan ise V2Fun’ın Three.js’in yerini almamasıdır.

Birleştirme sonrasında GPT-6 Astra birçok öğeyi hâlâ kendisi üretir.

Örneğin hidrolik hortumlar.

Bir hortum, birkaç ana noktayı birbirine bağlayan tüp şeklinde bir yapıdır ve bu da onu prosedürel modelleme için ideal hâle getirir.

Aynı durum vidalar, bağlantı milleri ve kumanda kolları için de geçerlidir.

Bu nesneler düzenli boyutlara ve basit yapılara sahiptir ve genellikle çok sayıda bulunurlar. Her biri için ayrı ayrı bir 3B temel model çağırmak iş akışına aslında maliyet ve karmaşıklık eklerdi.

Bu nedenle son ekskavatör gerçek bir hibrit varlıktır.

V2Fun karmaşık ana bileşenleri üretir.

GPT-6 Astra + Three.js düzenli ayrıntıları ele alır.

GPT-6 Astra ardından bunların ikisini tek ve yapılandırılmış bir 3B nesne hâlinde düzenler.

Yaklaşımı etkileyici kılan da budur:

Kod üretimi ile bir 3B temel model arasında seçim yapmak yerine ajan, her parça için hangi yeteneğin en uygun olduğuna karar verir.

04 DAHA KARMAŞIK

İnsan karakterlerinde V2Fun’ın değeri daha da belirginleşir

Ekskavatör hâlâ ağırlıklı olarak sert yüzeyli bir nesnedir.

İnsan karakterleri ve karmaşık organik yüzeyler, tamamen prosedürel bir yaklaşımı gerçekten sınırlarına taşıyan unsurlardır.

Bunu keşfetmek için daha iddialı bir demo oluşturduk:

GPT-6 Astra’dan tamamen silahlanmış ve zırhlanmış bir kral oluşturmasını istemek.

İnsan bedeninin yanı sıra bu karakter, karmaşık zırh, bir baş, bir kılıç ve bir kalkan içerir.

İnsan karakterlerini kurallarla ifade etmek mekanik ekipmanlara göre çok daha zordur.

Bir yüzün “doğru görünmesi”, gözleri, burnu ve ağzı kabaca doğru konumlara yerleştirmekten daha fazlasına bağlıdır.

Yüzün şekli, elmacık kemikleri, göz çukurları, burun köprüsü, dudaklar ve bunlar arasındaki eğriliğin ince ve sürekli değişimleri, nihai görünümün tamamına katkıda bulunur.

Aynı durum zırh için de geçerlidir.

Sert yüzeyli bir nesne olmasına rağmen basit bir mühendislik bileşeni değildir. Rölyef çalışmaları, süslemeler, sürekli yüzeyler ve stilize biçimler karakterin görsel kimliğine katkıda bulunur.

Bunlar, V2Fun 2.0’ın yeni nesil 3B temel modelinin ele almak için daha uygun olduğu nesne türleridir.

Bu demoda GPT-6 Astra önce karakteri bir bütün olarak anlar ve onu birkaç ana parçaya ayırır: baş, gövde ve zırh, kılıç ve kalkan.

Ardından V2Fun bu karmaşık bileşenleri ayrı ayrı üretir.

GPT-6 Astra bundan sonra gelen süreci ele alır:

Baş doğru ölçekte mi ve gövdeye nasıl bağlanmalı? Kılıç ve kalkan nereye yerleştirilmeli? Parçaların oranları tutarlı mı? Hangi modellerin poligon sayısı azaltılmalı? Ve her şey düzenlenebilir ve daha ileri kullanılabilir bir 3B varlık hâlinde nasıl organize edilmeli?

Başka bir deyişle:

V2Fun, “karmaşık geometriler hızlı ve yüksek kalitede nasıl üretilir?” sorusunu ele alır.

GPT-6 Astra ise “bu geometri eksiksiz bir nesneye nasıl dönüştürülür?” sorusunu ele alır.

V2Fun bu karmaşık geometri katmanını nasıl ele alabiliyor?

Bunun nedeni, “aynı zamanda görüntüden 3B model üreten bir model olması”nın ötesine geçer.

Vertex Lab’in son dönemdeki temel araştırma ve geliştirme çalışmaları iki temel soruya odaklanmıştır:

Geometriyi daha doğru nasıl temsil ederiz ve yüksek çözünürlüklü dokuları 3B yüzeyler genelinde nasıl tutarlı tutarız?

Geometri tarafında ekip, verimsiz geometrik temsilleri azaltmayı ve model kapasitesini yüksek eğrilikli alanlara, ince yapılara ve karmaşık bölgelere yoğunlaştırmayı hedefleyerek 3B temsillerini ve üretim mimarisini geliştirmeye devam ediyor.

Doku tarafında ise odak, yüksek çözünürlüklü çoklu görünüm üretiminde sıkça ortaya çıkan hizasızlık, yırtılma ve ayrıntı kaybını ele almak.

Bu, V2Fun 2.0’ın 8K’ya kadar çözünürlüklerde yüksek kaliteli dokular sunabilmesinin de temelini oluşturur.

Bir ajan için bu tür yetenekler büyük önem taşır.

Yalnızca “3B gibi görünen” bir şey oluşturan görsel üretim aracını değil, gerçek 3B varlıklar üreten uzmanlaşmış bir modeli çağırır.

Üretilen varlıkların yine de GPT-6 Astra tarafından birleştirilmesi, poligon sayısının azaltılması ve değiştirilmesi gerekir; ayrıca sonunda animasyon, oyun, 3B baskı veya diğer 3B iş akışlarına girebilirler.

V2Fun’ın çözmek için çalıştığı ürün problemi budur:

Yapay zekânın tek seferlik bir sonuçtan fazlasını üretmesini sağlamak: insanların gerçekten üzerinde çalışmaya devam edebileceği bir 3B varlık.

05 VERİMLİLİK

Daha yüksek kalitenin ötesinde başka bir değişim daha var: token’lar

Bu iş akışının bir başka doğrudan faydası daha vardır:

Token verimliliği.

GPT-6 Astra basit bir yapıyı tanımlamak için Three.js kullandığında token’ları son derece verimli kullanır.

Bir silindir, hidrolik hortum veya birkaç vida çok az kod gerektirir.

Ancak aynı yöntemi insan yüzlerini, kumaş kıvrımlarını veya son derece karmaşık endüstriyel yüzeyleri yaklaşık olarak oluşturmak için uygulamak, üretilip gözden geçirilmesi gereken geometri kodu miktarını hızla artırır.

Bunun sonucunda çok sayıda token şu tür sorulara harcanır:

“Bu yüzey nasıl biraz daha doğru hâle getirilebilir?”

“Bu dış hat daha ileri nasıl ayarlanmalı?”

“Buraya ne kadar geometrik ayrıntı eklenmeli?”

Karmaşık parçalar doğrudan V2Fun’a devredildiğinde bu düşük seviyeli süreçler, uzmanlaşmış bir modele yapılan tek bir çağrıda yoğunlaştırılır.

GPT-6 Astra akıl yürütme kaynaklarını gerçekten gerektiren kararlara daha fazla ayırabilir:

Nesnenin nasıl parçalara ayrılacağı;

Hangi parçaların ayrı ayrı üretilmesi gerektiği;

Parçaların uzayda birbirleriyle nasıl ilişkili olduğu;

Nihai nesnenin nasıl birleştirileceği;

Daha fazla değişikliğin nerede gerektiği.

V2Fun 2.0’ın “daha iyi görünen modellerden” fazlasını sunmasının nedeni budur.

Ayrıca karmaşık 3B görevlerde GPT-6 Astra’nın token tüketimini ve toplam modelleme süresini azaltma potansiyeline de sahiptir.

İş akışı daha önce şöyle olabilirdi:

Anla → Geometri kodunu yaz → Gözden geçir → Daha fazla geometri kodu yaz → Yeniden gözden geçir

Artık şöyle hâle geliyor:

Anla → Parçalara ayır → Paralel olarak üret → Birleştir → Yerel ayrıntıları ekle

Birden fazla karmaşık bileşen aynı anda üretilebildiğinde bu verimlilik avantajı daha da büyür.

06 KAPANIŞ

Model üretmekten ajanlar için temel bir 3B yeteneğe

Son birkaç yılda yapay zekâ 3B alanındaki temel soru şuydu:

Daha iyi bir modeli nasıl üretiriz?

Ancak GPT-6 Astra gibi modeller daha güçlü çok modlu anlama, kodlama ve ajan yetenekleri kazandıkça bu soru değişiyor.

Gelecekte yapay zekânın her 3B görevi için tek bir teknik kullanması gerekmeyebilir.

Basit yapılar doğrudan kodlanabilir.

Karmaşık yüzeyler V2Fun’a devredilebilir.

Mevcut varlıklar oldukları hâliyle yeniden kullanılabilir.

Poligon azaltma, birleştirme ve yapısal ayarlamalar daha sonra ajana geri devredilebilir.

Bu, 3B üretim sektörünün tek seferlik üretim araçlarından ajan odaklı üretkenliğe geçişiyle uyumludur. Referans makale de aynı eğilimi anlatıyor: 3B üretimi, ilk dönem sohbet botlarını andıran bir aşamadan ajanlarla güçlendirilen bir üretkenlik evresine ilerliyor.

Vertex Lab için bu yön, uzun vadeli teknik vizyonuyla uyumludur.

Şirket, en başından beri V2Fun’ı yalnızca bir “görüntüden 3B’ye web sitesi” olarak tanımlamadı.

Vertex Lab, mobil cihazlarda 3B üretimini daha erişilebilir hâle getirmekten web üzerinde profesyonel varlık üretimini mümkün kılmaya, 3B modellerden animasyona, harekete ve uzun vadede uzamsal zekâ ile dünya modelleri arayışına kadar her zaman 3B içerik üretimi ve uzamsal zekâ için altyapı oluşturmayı hedefledi.

Ajanların yükselişi bu hedefe giden yeni bir yol açabilir.

Gelecekte kullanıcıların hangi modeli çağıracaklarını, hangi kodu yazacaklarını veya hangi modelleme yaklaşımını seçeceklerini bilmeleri gerekmeyebilir.

Yalnızca şunu söylemeleri yeterli olabilir:

“Bunu 3B’ye dönüştür.”

GPT-6 Astra isteği anlayacak ve nasıl gerçekleştireceğine karar verecek.

V2Fun 2.0, karmaşık üç boyutlu dünya için GPT-6 Astra’nın başvurduğu uzmanlaşmış yetenek hâline gelmeyi amaçlıyor.

GPT-6 Astra anlama, planlama ve oluşturma süreçlerini yürütür.

V2Fun, karmaşık üç boyutlu fikirleri gerçek varlıklara dönüştürür.

GPT-6 Astra × V2Fun: Kod üretiminden model iş birliğine.