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

Уявіть собі процес 3D-моделювання таким.

Ви надаєте GPT-6 Astra референсне зображення екскаватора. Спочатку вона визначає компоненти машини: кабіну, гусениці, ходову частину, стрілу, руків’я, ківш тощо.

Потім ці основні компоненти окремо надсилаються спеціалізованій моделі 3D-генерації та за лічені десятки секунд повертаються як окремі ресурси.

Далі GPT-6 Astra 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 руків’я та ківш. Після завершення основної конструкції вона використовує Three.js, щоб додати гідравлічні шланги, гвинти, поворотні осі й навіть важелі керування всередині кабіни.

Нарешті у 3D-сцені з’являється повністю структурований і редагований екскаватор.

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

Це дві можливості ШІ, які починають працювати разом у природніший 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 уже може створювати 3D. Що далі?

Однією з важливих змін, які принесла GPT-6 Astra, стало те, що великі мовні моделі по-справжньому входять у тривимірний світ.

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

Розглянемо 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 й повторювані структури. Опорну колону можна представити базовою геометричною формою, ролик можна продублювати десятки разів, а довжину та положення конвеєрної стрічки можна безпосередньо контролювати за допомогою параметрів.

Що ще важливіше, результат не є повністю непрозорою сіткою.

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

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

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

Але зі зростанням складності об’єктів виникає нове питання.

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

Відповідь може полягати 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 AI 3D-моделей Vertex Lab.

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

V2Fun уперше презентували на HDC 2026 як перший AI-native застосунок HarmonyOS, що працює на основі фундаментальної 3D-моделі. Її мобільний застосунок і вебробочий простір охоплюють увесь процес — від повсякденної творчості до професійного створення 3D-контенту.

У своїй основі вона завжди відповідала на те саме питання:

Як перетворити складний тривимірний об’єкт на придатний до використання 3D-ресурс, доклавши менше зусиль і витративши менше часу?

Майбутня V2Fun 2.0 розширить ці можливості.

Нова версія використовуватиме найновіше покоління фундаментальної 3D-моделі та підтримуватиме генерацію текстур із роздільною здатністю до 8K. Основну увагу буде приділено підвищенню 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, які вони найкраще вирішують, за своєю природою доповнюють одна одну.

GPT-6 Astra спеціалізується на розумінні, плануванні, просторових взаємозв’язках, програмуванні та оркестрації агентів.

V2Fun спеціалізується на безпосередній генерації 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, 3D-генерація більше не обмежується одним підходом.

03 ВИКЛИК

Деякі речі найкраще створювати кодом. 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, руків’я та ковша. Вона також може зрозуміти, як ці деталі мають з’єднуватися.

Але придивімося уважніше — і проблема змінюється.

Кабіна — не простий куб, а корпус неможливо точно представити поєднанням кількох примітивів. Ківш має безперервні криволінійні поверхні, руків’я — складний контур, а гусениці та ходова частина містять безліч деталей промислового дизайну.

GPT-6 Astra, безумовно, може продовжити апроксимувати ці структури процедурним кодом.

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

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

Тож ми спробували інший підхід.

Спочатку GPT-6 Astra «розуміє» екскаватор.

Потім вона делегує складні основні компоненти, такі як кабіна, гусениці, руків’я та ківш, 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 візуального введення, замість того щоб змушувати мовну модель опосередковано описувати 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 усе ще 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 важелів керування.

Ці об’єкти мають регулярні розміри, прості структури 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 ресурсом.

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 деталі.

04 БІЛЬША СКЛАДНІСТЬ

На людських персонажах цінність V2Fun стає ще очевиднішою

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

Саме людські персонажі та складні органічні поверхні справді доводять суто процедурний підхід до його меж.

Щоб дослідити це, ми створили амбітнішу демонстрацію:

Попросили GPT-6 Astra створити повністю озброєного та броньованого короля.

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

Людських персонажів набагато важче описати правилами, ніж механічне обладнання.

Те, чи «має правильний вигляд» обличчя, залежить не лише від приблизно правильного розташування очей, носа й рота.

Форма обличчя, вилиці, очні западини, перенісся, губи та ледь помітні 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 краще працює фундаментальна 3D-модель нового покоління V2Fun 2.0.

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

Потім V2Fun окремо генерує ці складні компоненти.

GPT-6 Astra відповідає за наступні кроки:

Чи правильно масштабована голова і як її слід з’єднати з тілом? Де розмістити меч і щит? Чи узгоджуються пропорції деталей? Для яких моделей потрібне зменшення кількості полігонів? І як організувати все в 3D-ресурс, який можна редагувати й використовувати надалі?

Іншими словами:

V2Fun відповідає на питання «як швидко та якісно генерувати 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 узгодженість текстур високої роздільної здатності на 3D-поверхнях.

У сфері геометрії команда продовжує вдосконалювати 3D-представлення та архітектуру генерації, прагнучи зменшити неефективність геометричних представлень і зосередити можливості моделі на ділянках із високою кривизною, тонких структурах і складних областях.

У сфері текстур увагу зосереджено на усуненні розбіжностей, розривів і втрати деталей, які часто виникають під час генерації у високій роздільній здатності з кількох ракурсів.

Це також забезпечує здатність 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-ресурси, а не інструмент візуальної генерації, що лише створює щось, що «виглядає як 3D».

GPT-6 Astra все одно має зібрати згенеровані ресурси, зменшити кількість полігонів і змінити їх, після чого вони можуть потрапити в анімацію, ігри, 3D-друк або інші 3D-процеси.

Саме цю продуктову проблему намагається вирішити V2Fun:

Забезпечити, щоб ШІ генерував не одноразовий результат, а 3D-ресурс, з яким люди справді можуть продовжувати працювати.

05 ЕФЕКТИВНІСТЬ

Окрім вищої якості, є ще одна зміна: токени

Цей робочий процес має ще одну дуже 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 апроксимації людських облич, складок тканини або надзвичайно складних промислових поверхонь швидко збільшує обсяг геометричного коду, який потрібно генерувати й доопрацьовувати.

Тоді велика кількість токенів витрачається на такі питання:

«Як зробити цю поверхню трохи точнішою?»

«Як ще відкоригувати цей контур?»

«Скільки геометричних деталей слід додати тут?»

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

GPT-6 Astra може спрямувати більше ресурсів міркування на рішення, які справді цього потребують:

Як розбити об’єкт;

Які деталі слід генерувати окремо;

Як деталі співвідносяться одна з одною у просторі;

Як зібрати фінальний об’єкт;

Де потрібні подальші зміни.

Саме тому V2Fun 2.0 пропонує більше, ніж «моделі з кращим виглядом».

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

Раніше робочий процес міг виглядати так:

Зрозуміти → Написати код геометрії → Доопрацювати → Написати ще код геометрії → Знову доопрацювати

Тепер він виглядає так:

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

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

06 ВИСНОВОК

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 набувають потужніших мультимодального розуміння, програмування та агентських можливостей, це питання змінюється.

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

Прості структури можна безпосередньо кодувати.

Складні поверхні можна делегувати V2Fun.

Наявні ресурси можна використовувати без змін.

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

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

Для Vertex Lab цей напрям відповідає довгостроковому технічному баченню компанії.

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

Від спрощення 3D-творчості на мобільних пристроях до уможливлення професійного створення ресурсів у вебсередовищі, від 3D-моделей, анімації та руху до довгострокового прагнення розвивати просторовий інтелект і моделі 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 потрібно буде лише 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 покладається для роботи зі складним тривимірним світом.

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

V2Fun перетворює складні тривимірні ідеї на справжні ресурси.

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