GPT-6 Astra x V2Fun — Від генерації коду до співпраці моделей

GPT-6 Astra × V2Fun: від генерації коду до ​співпраці моделей

Уявімо процес 3D-моделювання.

Ви надаєте GPT-6 Astra референсне зображення екскаватора. Спочатку вона визначає компоненти машини: кабіну, гусениці, ходову частину, стрілу, рукоять, ківш та інші.

Потім ці основні компоненти окремо надсилаються спеціалізованій моделі генерації 3D і повертаються як окремі об’єкти за десятки секунд.

Далі GPT-6 Astra знову бере керування на себе.

Вона визначає масштаб і просторові взаємозв’язки кожної деталі, розміщує гусениці по обидва боки ходової частини, приєднує стрілу до корпусу, а потім послідовно з’єднує рукоять і ківш. Після завершення основної конструкції вона використовує Three.js, щоб додати гідравлічні шланги, гвинти, поворотні вали й навіть джойстики керування всередині кабіни.

Зрештою в 3D-сцені з’являється повністю структурований і редагований екскаватор.

Це більше, ніж просто генерація 3D із зображення або генерація коду.

Це дві можливості ШІ, які починають працювати разом у більш природний спосіб:

GPT-6 Astra відповідає за розуміння, планування та побудову, а спеціалізована фундаментальна 3D-модель — за складну геометрію.

Це новий робочий процес, який ​V2Fun​, продукт Vertex Lab, нещодавно почала досліджувати.

За цим стоїть ширший зсув:

3D-агенти переходять від «генерувати все самостійно» до «знати, яку модель і коли викликати».

01

ПОВОРОТНИЙ МОМЕНТ

GPT-6 Astra вже може створювати 3D. Що далі?

Однією з важливих змін, які принесла GPT-6 Astra, стало справжнє входження великих мовних моделей у тривимірний світ.

Раніше ми здебільшого звикли просити ШІ згенерувати зображення, відео або фрагмент тексту. Тепер, завдяки дедалі потужнішому мультимодальному розумінню, просторовому мисленню та навичкам програмування, GPT-6 Astra може зрозуміти структуру 3D-об’єкта, а потім фактично створити його процедурними методами, як-от Three.js.

Візьмімо для прикладу промислову виробничу лінію.

GPT-6 Astra може визначити її конвеєрні стрічки, ролики, опорні рами, двигуни та робочі станції, а потім поступово згенерувати відповідну геометрію.

Такі об’єкти особливо добре підходять для процедурного моделювання, оскільки зазвичай мають чіткі математичні взаємозв’язки та повторювані структури. Опорну колону можна представити базовою геометричною формою, ролик — дублювати десятки разів, а довжину й положення конвеєрної стрічки — безпосередньо контролювати за допомогою параметрів.

Що важливіше, результат не є повністю непрозорою сіткою.

Кожен компонент виробничої лінії залишається окремим об’єктом, який можна переміщувати, дублювати, видаляти або змінювати.

З цього погляду GPT-6 Astra робить більше, ніж просто «генерує 3D». Вона починає розвивати здатність, ближчу до здатності 3D-інженера:

Розуміти, з чого складається об’єкт, і створювати його.

Але зі зростанням складності об’єктів постає нове питання.

Що, як це буде не виробнича лінія, а людське обличчя, істота, одяг, скульптура чи навіть екскаватор зі складними промисловими поверхнями? Чи повинна GPT-6 Astra й надалі прописувати всю геометрію в коді?

Відповідь може бути не у виборі одного з двох варіантів.

І саме тут у робочий процес може увійти V2Fun.

02

ЧОМУ V2FUN

Чому V2Fun?

V2Fun — це не 3D API, нашвидкуруч доданий лише для цієї демонстрації.

Це продуктова платформа для довгострокових досліджень і розробки фундаментальних 3D-моделей Vertex Lab на основі ШІ.

Заснована у 2025 році, Vertex Lab послідовно зосереджується на генерації 3D, просторовому інтелекті та, у довгостроковій перспективі, інфраструктурі для моделей світу.

V2Fun раніше дебютувала на HDC 2026 як перший AI-native застосунок HarmonyOS, що працює на основі фундаментальної 3D-моделі. Її мобільний застосунок і вебробочий простір охоплюють повний процес — від повсякденного створення до професійного виробництва 3D-контенту.

У своїй основі вона завжди відповідала на одне й те саме питання:

Як перетворити складний тривимірний об’єкт на придатний для використання 3D-об’єкт із меншими зусиллями та за коротший час?

Майбутня V2Fun 2.0 розширить ці можливості.

Нова версія міститиме новітнє покоління фундаментальної 3D-моделі та підтримуватиме генерацію текстур із роздільною здатністю до 8K. Основну увагу буде зосереджено на підвищенні якості генерації складної геометрії, людей, істот, одягу, скульптур та інших нерегулярних поверхонь.

Саме тому поєднання V2Fun і GPT-6 Astra — це більше, ніж випадкова продуктова співпраця.

Проблеми, у розв’язанні яких вони найсильніші, за своєю природою доповнюють одна одну.

GPT-6 Astra чудово справляється з розумінням, плануванням, просторовими взаємозв’язками, програмуванням та оркестрацією агентів.

V2Fun чудово справляється з безпосередньою генерацією складної 3D-геометрії та високоякісних поверхонь.

Одна краще відповідає на питання:

«Як слід створити цей об’єкт?»

Інша краще відповідає на питання:

«Як насправді має виглядати цей складний компонент?»

Коли ці дві можливості поєднуються, генерація 3D більше не обмежується одним підходом.

03

ВИКЛИК

Деякі речі найкраще створювати за допомогою коду. Інші краще генерувати безпосередньо.

Повернімося до екскаватора.

З погляду структури він дуже регулярний.

GPT-6 Astra легко може зрозуміти, що екскаватор складається з ходової частини, лівої та правої гусениць, корпусу, кабіни, стріли, рукояті та ковша. Вона також може зрозуміти, як ці деталі мають з’єднуватися.

Але придивімося уважніше — і проблема змінюється.

Кабіна не є простим кубом, а оболонку корпусу неможливо точно представити поєднанням кількох примітивів. Ківш має безперервні вигнуті поверхні, рукоять — складний контур, а гусениці та ходова частина містять безліч деталей промислового дизайну.

GPT-6 Astra, безумовно, може й далі наближено відтворювати ці структури за допомогою процедурного коду.

Але що складніша геометрія, то більше коду потрібно генерувати й переглядати, і то більше ітерацій необхідно.

Для агента це означає дедалі більші витрати токенів на опис низькорівневої геометрії.

Тож ми спробували інший підхід.

Спочатку GPT-6 Astra «розуміє» екскаватор.

Потім вона передає складні основні компоненти, як-от кабіну, гусениці, стрілу та ківш, до V2Fun 2.0 для окремої генерації.

Після завершення генерації GPT-6 Astra знову бере керування на себе, щоб налаштувати масштаб, обертання й положення та зібрати весь об’єкт.

Тут V2Fun надає саме ту можливість, яку вона розвиває:

Безпосередньо відтворювати складні 3D-структури з візуальних даних, замість того щоб мовна модель опосередковано описувала поверхні за допомогою великих обсягів коду.

Це може виглядати як просте скорочення обсягу коду Three.js, але насправді це змінює весь обчислювальний підхід.

Що цікавіше, V2Fun не замінює Three.js.

Після складання GPT-6 Astra і далі самостійно генерує багато елементів.

Наприклад, гідравлічні шланги.

Шланг — це по суті трубчаста структура, що з’єднує кілька ключових точок, тому він ідеально підходить для процедурного моделювання.

Те саме стосується гвинтів, з’єднувальних валів і джойстиків.

Ці об’єкти мають регулярні розміри, просту структуру й часто з’являються у великій кількості. Окремий виклик фундаментальної 3D-моделі для кожного з них насправді додав би робочому процесу витрат і складності.

Тому фінальний екскаватор є справжнім гібридним об’єктом.

V2Fun генерує складні основні компоненти.

GPT-6 Astra + Three.js відповідають за регулярні деталі.

Потім GPT-6 Astra об’єднує їх в один структурований 3D-об’єкт.

Саме це робить підхід переконливим:

Замість вибору між генерацією коду та фундаментальною 3D-моделлю агент визначає, яка можливість найкраще підходить для кожної частини.

04

ЩЕ СКЛАДНІШЕ

На прикладі людей цінність V2Fun стає ще очевиднішою

Екскаватор усе ж переважно є об’єктом із твердими поверхнями.

Саме люди та складні органічні поверхні по-справжньому випробовують межі суто процедурного підходу.

Щоб дослідити це, ми створили амбітнішу демонстрацію:

Попросили GPT-6 Astra створити повністю озброєного та закутого в обладунки короля.

Окрім самого людського тіла, цей персонаж містить складні обладунки, голову, меч і щит.

Людей набагато складніше описати правилами, ніж механічне обладнання.

Те, чи «виглядає» обличчя правильно, залежить не лише від розміщення очей, носа й рота приблизно у правильних місцях.

Форма обличчя, вилиці, очниці, перенісся, губи та тонкі безперервні зміни кривизни між ними — усе це впливає на фінальний вигляд.

Те саме стосується обладунків.

Хоча це об’єкт із твердими поверхнями, він не є простим інженерним компонентом. Рельєф, орнаменти, безперервні поверхні та стилізовані форми — усе це формує візуальну ідентичність персонажа.

Саме з такими об’єктами найкраще працює фундаментальна 3D-модель нового покоління V2Fun 2.0.

У цій демонстрації GPT-6 Astra спочатку розуміє персонажа як єдине ціле й розбиває його на кілька основних частин: голову, тіло й обладунки, меч та щит.

Потім V2Fun генерує ці складні компоненти окремо.

Далі GPT-6 Astra відповідає за наступні етапи:

Чи правильно масштабована голова і як її слід з’єднати з тілом? Де розмістити меч і щит? Чи узгоджені пропорції деталей? Для яких моделей потрібно зменшити кількість полігонів? І як організувати все в 3D-об’єкт, який можна редагувати та використовувати надалі?

Іншими словами:

V2Fun відповідає на питання «як швидко та якісно згенерувати складну геометрію».

GPT-6 Astra відповідає на питання «як перетворити цю геометрію на завершений об’єкт».

Чому V2Fun може працювати з таким рівнем складної геометрії?

Причина полягає не лише в тому, що це також «модель перетворення зображення на 3D».

Основні дослідження та розробки Vertex Lab останнім часом зосереджені на двох фундаментальних питаннях:

Як точніше представляти геометрію та як зберігати ​високороздільнісні​​ текстури узгодженими на 3D-поверхнях.

Щодо геометрії команда продовжує вдосконалювати 3D-представлення й архітектуру генерації, прагнучи зменшити неефективні геометричні представлення та зосередити можливості моделі на ділянках із високою кривизною, тонких структурах і складних областях.

Щодо текстур увагу зосереджено на усуненні зміщень, розривів і втрати деталей, які часто виникають під час генерації з високою роздільною здатністю з різних ракурсів.

Це також лежить в основі здатності V2Fun 2.0 створювати високоякісні текстури з роздільною здатністю до 8K.

Для агента такі можливості мають велике значення.

Він викликає спеціалізовану модель, яка створює справжні 3D-об’єкти, а не інструмент візуальної генерації, що лише створює щось, яке «виглядає як 3D».

Згенеровані об’єкти все ще потрібно зібрати, зменшити кількість полігонів і змінити за допомогою GPT-6 Astra, а згодом вони можуть потрапити в анімацію, ігри, 3D-друк або інші 3D-процеси.

Саме цю продуктову проблему V2Fun прагне розв’язати:

Гарантувати, що ШІ створює не лише одноразовий результат, а 3D-об’єкт, з яким люди справді можуть продовжувати працювати.

05

ЕФЕКТИВНІСТЬ

Окрім вищої якості, є ще одна зміна: токени

Цей робочий процес має ще одну безпосередню перевагу:

Ефективність використання токенів.

Коли GPT-6 Astra використовує Three.js для опису простої структури, вона дуже ефективно використовує токени.

Для циліндра, гідравлічного шланга або кількох гвинтів потрібно зовсім небагато коду.

Але застосування того самого методу для наближеного відтворення людських облич, складок тканини або надзвичайно складних промислових поверхонь швидко збільшує обсяг геометричного коду, який потрібно генерувати й переглядати.

Тоді велика кількість токенів витрачається на питання на кшталт:

«Як зробити цю поверхню трохи точнішою?»

«Як ще відкоригувати цей контур?»

«Скільки геометричних деталей потрібно тут додати?»

Коли складні частини безпосередньо передаються V2Fun, ці низькорівневі процеси стискаються до одного виклику спеціалізованої моделі.

GPT-6 Astra може присвятити більше ресурсів міркування рішенням, які справді цього потребують:

Як розбити об’єкт на частини;

Які частини слід генерувати окремо;

Як частини співвідносяться одна з одною у просторі;

Як зібрати фінальний об’єкт;

Де потрібні подальші зміни.

Саме тому V2Fun 2.0 пропонує більше, ніж «моделі, що мають кращий вигляд».

Вона також потенційно може зменшити споживання токенів GPT-6 Astra та загальний час моделювання для складних 3D-завдань.

Раніше робочий процес міг виглядати так:

Зрозуміти → Написати код геометрії → Переглянути → Написати більше коду геометрії → Переглянути знову

Тепер він виглядає так:

Зрозуміти → Розбити на частини → Згенерувати паралельно → Зібрати → Додати локальні деталі

Коли кілька складних компонентів можна генерувати одночасно, перевага в ефективності стає ще більшою.

06

ЗАВЕРШЕННЯ

Від генерації моделі до ключової 3D-можливості для агентів

Протягом останніх кількох років центральним питанням у сфері AI 3D було:

Як створити кращу модель?

Але в міру того, як моделі на кшталт GPT-6 Astra отримують потужніше мультимодальне розуміння, навички програмування та можливості агентів, це питання змінюється.

У майбутньому ШІ, можливо, не доведеться використовувати один-єдиний метод для кожного 3D-завдання.

Прості структури можна кодувати безпосередньо.

Складні поверхні можна передавати V2Fun.

Наявні об’єкти можна використовувати без змін.

Потім зменшення кількості полігонів, складання та структурні коригування можна знову передавати агенту.

Це відповідає переходу індустрії 3D-генерації від одноразових інструментів генерації до продуктивності на основі агентів. У референсній статті описано ту саму тенденцію: 3D-генерація переходить від етапу, схожого на ранні чат-боти, до фази продуктивності, яку забезпечують агенти.

Для Vertex Lab цей напрям відповідає її довгостроковому технічному баченню.

Від самого початку компанія ніколи не визначала V2Fun лише як «вебсайт для перетворення зображення на 3D».

Від спрощення 3D-творчості на мобільних пристроях і забезпечення професійного створення об’єктів у вебсередовищі до 3D-моделей, анімації, руху та довгострокового розвитку просторового інтелекту й моделей світу — Vertex Lab завжди прагнула створювати інфраструктуру для генерації 3D-контенту та просторового інтелекту.

Поява агентів може відкрити новий шлях до цієї мети.

У майбутньому користувачам, можливо, не потрібно буде знати, яку модель викликати, який код писати або який підхід до моделювання обирати.

Їм може бути достатньо сказати:

«Перетвори це на 3D».

GPT-6 Astra зрозуміє запит і вирішить, як його виконати.

V2Fun 2.0 прагне стати спеціалізованою можливістю, на яку вона спирається у складному тривимірному світі.

GPT-6 Astra відповідає за розуміння, планування та побудову.

V2Fun перетворює складні тривимірні ідеї на справжні об’єкти.

GPT-6 Astra × V2Fun: від генерації коду до співпраці моделей.

06

ЗАВЕРШЕННЯ

Від генерації моделі до ключової 3D-можливості для агентів

Протягом останніх кількох років центральним питанням у сфері AI 3D було:

Як створити кращу модель?

Але в міру того, як моделі на кшталт GPT-6 Astra отримують потужніше мультимодальне розуміння, навички програмування та можливості агентів, це питання змінюється.

У майбутньому ШІ, можливо, не доведеться використовувати один-єдиний метод для кожного 3D-завдання.

Прості структури можна кодувати безпосередньо.

Складні поверхні можна передавати V2Fun.

Наявні об’єкти можна використовувати без змін.

Потім зменшення кількості полігонів, складання та структурні коригування можна знову передавати агенту.

Це відповідає переходу індустрії 3D-генерації від одноразових інструментів генерації до продуктивності на основі агентів. У референсній статті описано ту саму тенденцію: 3D-генерація переходить від етапу, схожого на ранні чат-боти, до фази продуктивності, яку забезпечують агенти.

Для Vertex Lab цей напрям відповідає її довгостроковому технічному баченню.

Від самого початку компанія ніколи не визначала V2Fun лише як «вебсайт для перетворення зображення на 3D».

Від спрощення 3D-творчості на мобільних пристроях і забезпечення професійного створення об’єктів у вебсередовищі до 3D-моделей, анімації, руху та довгострокового розвитку просторового інтелекту й моделей світу — Vertex Lab завжди прагнула створювати інфраструктуру для генерації 3D-контенту та просторового інтелекту.

Поява агентів може відкрити новий шлях до цієї мети.

У майбутньому користувачам, можливо, не потрібно буде знати, яку модель викликати, який код писати або який підхід до моделювання обирати.

Їм може бути достатньо сказати:

«Перетвори це на 3D».

GPT-6 Astra зрозуміє запит і вирішить, як його виконати.

V2Fun 2.0 прагне стати спеціалізованою можливістю, на яку вона спирається у складному тривимірному світі.

GPT-6 Astra відповідає за розуміння, планування та побудову.

V2Fun перетворює складні тривимірні ідеї на справжні об’єкти.

GPT-6 Astra × V2Fun: від генерації коду до співпраці моделей.