GPT-6 Astra x V2Fun - Từ sinh mã đến cộng tác giữa các mô hình

GPT-6 Astra × V2Fun: Từ sinh mã đến ​hợp tác mô hình

Hãy hình dung một quy trình dựng hình 3D như sau.

Bạn cung cấp cho GPT-6 Astra một hình ảnh tham chiếu của một chiếc máy xúc. Trước tiên, nó xác định các bộ phận của máy: cabin, bánh xích, gầm, cần chính, cần phụ, gầu và nhiều bộ phận khác.

Các bộ phận chính này sau đó được gửi riêng lẻ đến một mô hình tạo 3D chuyên biệt và được trả về dưới dạng các tài sản riêng biệt trong vài chục giây.

Tiếp theo, GPT-6 Astra tiếp quản.

Nó xác định tỷ lệ và mối quan hệ không gian của từng bộ phận, đặt bánh xích ở hai bên gầm, gắn cần chính vào thân máy, rồi lần lượt kết nối cần phụ và gầu. Sau khi hoàn thiện cấu trúc chính, nó sử dụng Three.js để thêm ống thủy lực, ốc vít, trục xoay, thậm chí cả cần điều khiển bên trong cabin.

Cuối cùng, một chiếc máy xúc hoàn chỉnh, có cấu trúc và có thể chỉnh sửa xuất hiện trong cảnh 3D.

Đây không chỉ đơn thuần là tạo ảnh thành 3D hay chỉ sinh mã.

Đó là hai năng lực AI bắt đầu phối hợp với nhau theo cách tự nhiên hơn:

GPT-6 Astra đảm nhiệm việc hiểu, lập kế hoạch và dựng hình, còn mô hình nền tảng 3D chuyên biệt xử lý hình học phức tạp.

Đây là một quy trình mới mà ​V2Fun​, sản phẩm của Vertex Lab, gần đây đang khám phá.

Đằng sau đó là một sự chuyển dịch rộng lớn hơn:

Các tác nhân 3D đang chuyển từ “tự tạo mọi thứ” sang “biết nên gọi mô hình nào và khi nào”.

01

BƯỚC NGOẶT

GPT-6 Astra đã có thể dựng hình 3D. Điều gì sẽ đến tiếp theo?

Một thay đổi quan trọng do GPT-6 Astra mang lại là các mô hình ngôn ngữ lớn thực sự đang bước vào thế giới ba chiều.

Trước đây, chúng ta thường yêu cầu AI tạo một hình ảnh, video hoặc đoạn văn bản. Giờ đây, với khả năng hiểu đa phương thức, suy luận không gian và lập trình ngày càng mạnh mẽ, GPT-6 Astra có thể hiểu cấu trúc của một vật thể 3D rồi thực sự dựng nên nó thông qua các phương pháp thủ tục như Three.js.

Hãy lấy một dây chuyền sản xuất công nghiệp làm ví dụ.

GPT-6 Astra có thể xác định băng tải, con lăn, khung đỡ, động cơ và trạm làm việc, sau đó từng bước tạo ra hình học tương ứng.

Những vật thể này đặc biệt phù hợp với việc dựng hình thủ tục vì chúng thường có các mối quan hệ toán học rõ ràng và cấu trúc lặp lại. Một cột đỡ có thể được biểu diễn bằng một hình học cơ bản, một con lăn có thể được nhân bản hàng chục lần, còn chiều dài và vị trí của băng tải có thể được điều khiển trực tiếp bằng các tham số.

Quan trọng hơn, kết quả không phải là một lưới hoàn toàn khó hiểu.

Mỗi bộ phận trong dây chuyền sản xuất vẫn là một vật thể riêng biệt có thể được di chuyển, nhân bản, xóa hoặc chỉnh sửa.

Từ góc nhìn này, GPT-6 Astra đang làm nhiều hơn việc “tạo 3D”. Nó đang bắt đầu phát triển một năng lực gần với kỹ sư 3D hơn:

Hiểu một vật thể được tạo nên từ gì và dựng nên nó.

Nhưng khi vật thể trở nên phức tạp hơn, một câu hỏi mới xuất hiện.

Nếu vật thể đó không phải là dây chuyền sản xuất mà là khuôn mặt người, sinh vật, trang phục, tác phẩm điêu khắc hoặc thậm chí một chiếc máy xúc với các bề mặt công nghiệp phức tạp thì sao? GPT-6 Astra có nên tiếp tục viết toàn bộ hình học bằng mã không?

Câu trả lời có thể không phải là chọn một trong hai.

Và đây chính là nơi V2Fun có thể tham gia vào quy trình.

02

VÌ SAO LÀ V2FUN

Vì sao là V2Fun?

V2Fun không phải là một API 3D được bổ sung vội vàng chỉ để phục vụ bản demo này.

Đây là nền tảng sản phẩm phục vụ hoạt động nghiên cứu và phát triển lâu dài các mô hình nền tảng AI 3D của Vertex Lab.

Được thành lập vào năm 2025, Vertex Lab luôn tập trung vào việc tạo 3D, trí tuệ không gian và về lâu dài là cơ sở hạ tầng cho các mô hình thế giới.

V2Fun trước đây đã ra mắt tại HDC 2026 với tư cách là ứng dụng AI-native đầu tiên của HarmonyOS được hỗ trợ bởi mô hình nền tảng 3D. Ứng dụng di động và không gian làm việc trên web của sản phẩm bao quát toàn bộ quy trình, từ sáng tạo hằng ngày đến sản xuất nội dung 3D chuyên nghiệp.

Ngay từ cốt lõi, sản phẩm luôn hướng đến cùng một câu hỏi:

Làm thế nào biến một vật thể ba chiều phức tạp thành một tài sản 3D có thể sử dụng, với ít công sức hơn và trong thời gian ngắn hơn?

V2Fun 2.0 sắp tới sẽ đưa những năng lực này tiến xa hơn.

Phiên bản mới sẽ được trang bị thế hệ mới nhất của mô hình nền tảng 3D và hỗ trợ tạo kết cấu với độ phân giải lên đến 8K. Sản phẩm sẽ tập trung nâng cao chất lượng tạo hình cho hình học phức tạp, nhân vật người, sinh vật, trang phục, tác phẩm điêu khắc và các bề mặt không đều khác.

Đó là lý do sự kết hợp giữa V2Fun và GPT-6 Astra không chỉ là một màn hợp tác sản phẩm tình cờ.

Những vấn đề mà hai bên giỏi giải quyết vốn đã bổ trợ cho nhau.

GPT-6 Astra giỏi về hiểu, lập kế hoạch, các mối quan hệ không gian, lập trình và điều phối tác nhân.

V2Fun giỏi về tạo trực tiếp hình học 3D phức tạp và bề mặt chất lượng cao.

Một bên giỏi trả lời:

“Vật thể này nên được dựng như thế nào?”

Bên còn lại giỏi trả lời:

“Bộ phận phức tạp này thực sự nên trông như thế nào?”

Khi hai năng lực này kết hợp, việc tạo 3D không còn bị giới hạn trong một phương pháp duy nhất.

03

THÁCH THỨC

Một số thứ phù hợp nhất với việc dựng bằng mã. Những thứ khác nên được tạo trực tiếp.

Hãy quay lại với chiếc máy xúc.

Xét về cấu trúc, nó rất có tính quy luật.

GPT-6 Astra có thể dễ dàng hiểu rằng một chiếc máy xúc gồm gầm, bánh xích trái và phải, thân máy, cabin, cần chính, cần phụ và gầu. Nó cũng có thể hiểu cách các bộ phận đó nên kết nối với nhau.

Nhưng hãy quan sát kỹ hơn, và vấn đề sẽ thay đổi.

Cabin không phải là một khối lập phương đơn giản, còn vỏ thân máy không thể được biểu diễn chính xác chỉ bằng cách kết hợp một vài hình khối cơ bản. Gầu có các bề mặt cong liên tục, cần máy có đường viền phức tạp, còn bánh xích và gầm chứa vô số chi tiết thiết kế công nghiệp.

GPT-6 Astra chắc chắn có thể tiếp tục xấp xỉ các cấu trúc này bằng mã thủ tục.

Nhưng hình học càng phức tạp thì càng cần tạo và sửa nhiều mã hơn, đồng thời cần nhiều vòng lặp hơn.

Đối với một tác nhân, điều này đồng nghĩa với việc phải tiêu tốn ngày càng nhiều token để mô tả hình học cấp thấp.

Vì vậy, chúng tôi đã thử một phương pháp khác.

Trước tiên, GPT-6 Astra “hiểu” chiếc máy xúc.

Sau đó, nó giao các bộ phận chính phức tạp như cabin, bánh xích, cần máy và gầu cho V2Fun 2.0 tạo riêng.

Khi quá trình tạo hoàn tất, GPT-6 Astra lại tiếp quản để điều chỉnh tỷ lệ, góc xoay và vị trí, rồi lắp ráp toàn bộ vật thể.

Ở đây, V2Fun mang đến chính năng lực mà sản phẩm đã và đang phát triển:

Tái dựng trực tiếp các cấu trúc 3D phức tạp từ dữ liệu hình ảnh, thay vì để mô hình ngôn ngữ mô tả bề mặt một cách gián tiếp thông qua lượng lớn mã.

Thoạt nhìn, điều này có vẻ chỉ đơn giản là viết ít Three.js hơn, nhưng thực tế nó thay đổi toàn bộ phương pháp tính toán.

Điều thú vị hơn là V2Fun không thay thế Three.js.

Sau khi lắp ráp, GPT-6 Astra vẫn tự tạo nhiều thành phần.

Ví dụ như ống thủy lực.

Một chiếc ống về cơ bản là một cấu trúc dạng ống nối giữa một vài điểm chính, nên rất phù hợp với dựng hình thủ tục.

Ốc vít, trục nối và cần điều khiển cũng tương tự.

Những vật thể này có kích thước theo quy luật, cấu trúc đơn giản và thường xuất hiện với số lượng lớn. Việc gọi riêng một mô hình nền tảng 3D cho từng vật thể thực ra sẽ làm tăng chi phí và độ phức tạp của quy trình.

Vì vậy, chiếc máy xúc cuối cùng thực sự là một tài sản lai.

V2Fun tạo các bộ phận chính phức tạp.

GPT-6 Astra + Three.js xử lý các chi tiết có tính quy luật.

Sau đó, GPT-6 Astra tổ chức cả hai thành một vật thể 3D duy nhất có cấu trúc.

Đây là điểm khiến phương pháp này trở nên thuyết phục:

Thay vì lựa chọn giữa sinh mã và mô hình nền tảng 3D, tác nhân sẽ quyết định năng lực nào phù hợp nhất với từng bộ phận.

04

PHỨC TẠP HƠN

Với nhân vật người, giá trị của V2Fun càng trở nên rõ ràng hơn

Chiếc máy xúc về cơ bản vẫn là một vật thể bề mặt cứng.

Nhân vật người và các bề mặt hữu cơ phức tạp mới thực sự đẩy phương pháp hoàn toàn thủ tục đến giới hạn.

Để khám phá điều này, chúng tôi đã tạo một bản demo tham vọng hơn:

Yêu cầu GPT-6 Astra dựng một vị vua được trang bị đầy đủ vũ khí và áo giáp.

Ngoài cơ thể người, nhân vật này còn có áo giáp tinh xảo, đầu, kiếm và khiên.

Nhân vật người khó được biểu đạt bằng các quy tắc hơn nhiều so với thiết bị cơ khí.

Việc một khuôn mặt có “trông đúng” hay không phụ thuộc vào nhiều yếu tố hơn việc đặt mắt, mũi và miệng ở những vị trí tương đối chính xác.

Hình dáng khuôn mặt, gò má, hốc mắt, sống mũi, môi và những thay đổi tinh tế, liên tục trong độ cong giữa các bộ phận đó đều góp phần tạo nên diện mạo cuối cùng.

Áo giáp cũng vậy.

Dù là vật thể bề mặt cứng, nó không phải là một linh kiện kỹ thuật đơn giản. Các chi tiết chạm nổi, hoa văn trang trí, bề mặt liên tục và hình thức cách điệu đều góp phần tạo nên nhận diện hình ảnh của nhân vật.

Đây chính xác là những loại vật thể mà mô hình nền tảng 3D thế hệ mới của V2Fun 2.0 có khả năng xử lý tốt hơn.

Trong bản demo này, trước tiên GPT-6 Astra hiểu nhân vật dưới dạng tổng thể và chia thành một số bộ phận chính: đầu, cơ thể và áo giáp, kiếm và khiên.

Sau đó, V2Fun tạo riêng các bộ phận phức tạp này.

GPT-6 Astra xử lý những việc tiếp theo:

Đầu đã được thu phóng đúng chưa và nên nối với cơ thể như thế nào? Kiếm và khiên nên được đặt ở đâu? Tỷ lệ giữa các bộ phận có nhất quán không? Những mô hình nào cần giảm số lượng đa giác? Và nên tổ chức mọi thứ thành một tài sản 3D có thể chỉnh sửa và tiếp tục sử dụng như thế nào?

Nói cách khác:

V2Fun giải quyết vấn đề “tạo hình học phức tạp nhanh chóng và với chất lượng cao”.

GPT-6 Astra giải quyết vấn đề “biến hình học đó thành một vật thể hoàn chỉnh”.

Vì sao V2Fun có thể xử lý lớp hình học phức tạp này?

Lý do vượt xa việc “đây cũng là một mô hình chuyển ảnh thành 3D”.

Hoạt động nghiên cứu và phát triển cốt lõi gần đây của Vertex Lab tập trung vào hai câu hỏi nền tảng:

Làm thế nào biểu diễn hình học chính xác hơn và làm thế nào duy trì ​kết cấu độ phân giải cao​ ​nhất quán trên các bề mặt 3D.

Về hình học, đội ngũ tiếp tục hoàn thiện các phương pháp biểu diễn 3D và kiến trúc tạo hình, hướng đến giảm các biểu diễn hình học kém hiệu quả và tập trung năng lực của mô hình vào những vùng có độ cong cao, cấu trúc mảnh và khu vực phức tạp.

Về kết cấu, trọng tâm là xử lý tình trạng lệch, rách và mất chi tiết thường xảy ra trong quá trình tạo đa góc nhìn ở độ phân giải cao.

Đây cũng là nền tảng cho khả năng cung cấp kết cấu chất lượng cao ở độ phân giải lên đến 8K của V2Fun 2.0.

Đối với một tác nhân, những năng lực như vậy có ý nghĩa rất lớn.

Nó đang gọi một mô hình chuyên biệt có khả năng tạo ra các tài sản 3D thực tế, thay vì một công cụ tạo hình ảnh chỉ tạo ra thứ gì đó “trông giống 3D”.

Các tài sản được tạo ra vẫn cần được GPT-6 Astra lắp ráp, giảm số lượng đa giác và chỉnh sửa, sau đó có thể được đưa vào hoạt ảnh, trò chơi, in 3D hoặc các quy trình 3D khác.

Đây là thách thức sản phẩm mà V2Fun đang nỗ lực giải quyết:

Đảm bảo AI tạo ra nhiều hơn một kết quả dùng một lần: một tài sản 3D mà mọi người thực sự có thể tiếp tục làm việc.

05

HIỆU QUẢ

Bên cạnh chất lượng cao hơn, còn một thay đổi khác: token

Quy trình này còn có một lợi ích rất trực tiếp:

Hiệu quả token.

Khi GPT-6 Astra sử dụng Three.js để mô tả một cấu trúc đơn giản, nó sử dụng token rất hiệu quả.

Một hình trụ, một ống thủy lực hoặc vài chiếc ốc vít chỉ cần rất ít mã.

Nhưng khi áp dụng cùng phương pháp để xấp xỉ khuôn mặt người, nếp gấp vải hoặc các bề mặt công nghiệp cực kỳ phức tạp, lượng mã hình học cần tạo và sửa sẽ nhanh chóng tăng lên.

Khi đó, một lượng lớn token được tiêu tốn cho những câu hỏi như:

“Làm thế nào để bề mặt này chính xác hơn một chút?”

“Nên điều chỉnh đường viền này thêm như thế nào?”

“Nên thêm bao nhiêu chi tiết hình học ở đây?”

Khi các bộ phận phức tạp được giao trực tiếp cho V2Fun, những quy trình cấp thấp này được cô đọng thành một lần gọi đến mô hình chuyên biệt.

GPT-6 Astra có thể dành nhiều tài nguyên suy luận hơn cho những quyết định thực sự cần đến chúng:

Cách phân rã vật thể;

Bộ phận nào nên được tạo riêng;

Các bộ phận liên hệ với nhau trong không gian như thế nào;

Cách lắp ráp vật thể cuối cùng;

Cần chỉnh sửa thêm ở đâu.

Đó là lý do V2Fun 2.0 mang đến nhiều hơn những “mô hình đẹp hơn”.

Sản phẩm cũng có tiềm năng giảm cả mức tiêu thụ token và tổng thời gian dựng hình của GPT-6 Astra đối với các tác vụ 3D phức tạp.

Trước đây, quy trình có thể là:

Hiểu → Viết mã hình học → Sửa → Viết thêm mã hình học → Sửa lại

Giờ đây, quy trình trở thành:

Hiểu → Chia thành các bộ phận → Tạo song song → Lắp ráp → Thêm chi tiết cục bộ

Khi nhiều bộ phận phức tạp có thể được tạo đồng thời, lợi thế về hiệu quả này càng trở nên lớn hơn.

06

KẾT LUẬN

Từ việc tạo mô hình đến trở thành năng lực 3D cốt lõi cho các tác nhân

Trong vài năm qua, câu hỏi trung tâm của AI 3D là:

Làm thế nào để tạo ra một mô hình tốt hơn?

Nhưng khi những mô hình như GPT-6 Astra có khả năng hiểu đa phương thức, lập trình và tác nhân mạnh mẽ hơn, câu hỏi đó cũng đang thay đổi.

Trong tương lai, AI có thể không cần sử dụng một kỹ thuật duy nhất cho mọi tác vụ 3D.

Các cấu trúc đơn giản có thể được viết mã trực tiếp.

Các bề mặt phức tạp có thể được giao cho V2Fun.

Các tài sản hiện có có thể được tái sử dụng nguyên trạng.

Sau đó, việc giảm số lượng đa giác, lắp ráp và điều chỉnh cấu trúc có thể được giao lại cho tác nhân.

Điều này phù hợp với sự chuyển dịch của ngành tạo 3D, từ các công cụ tạo một lần sang năng suất do tác nhân dẫn dắt. Bài viết tham khảo cũng mô tả xu hướng tương tự: việc tạo 3D đang chuyển từ giai đoạn giống như những chatbot sơ khai sang giai đoạn năng suất được hỗ trợ bởi các tác nhân.

Đối với Vertex Lab, định hướng này phù hợp với tầm nhìn kỹ thuật dài hạn của công ty.

Ngay từ đầu, công ty chưa bao giờ định nghĩa V2Fun chỉ là một “website chuyển ảnh thành 3D”.

Từ việc giúp sáng tạo 3D dễ tiếp cận hơn trên thiết bị di động, hỗ trợ sản xuất tài sản chuyên nghiệp trên web, đến mô hình 3D, hoạt ảnh, chuyển động và mục tiêu dài hạn là trí tuệ không gian cùng các mô hình thế giới, Vertex Lab luôn hướng đến việc xây dựng cơ sở hạ tầng cho tạo nội dung 3D và trí tuệ không gian.

Sự trỗi dậy của các tác nhân có thể mở ra một con đường mới để đạt được mục tiêu đó.

Trong tương lai, người dùng có thể không cần biết nên gọi mô hình nào, viết mã gì hoặc chọn phương pháp dựng hình nào.

Họ có thể chỉ cần nói:

“Biến cái này thành 3D.”

GPT-6 Astra sẽ hiểu yêu cầu và quyết định cách thực hiện.

V2Fun 2.0 hướng tới việc trở thành năng lực chuyên biệt mà GPT-6 Astra dựa vào để xử lý thế giới ba chiều phức tạp.

GPT-6 Astra đảm nhiệm việc hiểu, lập kế hoạch và dựng hình.

V2Fun biến những ý tưởng ba chiều phức tạp thành các tài sản thực tế.

GPT-6 Astra × V2Fun: Từ sinh mã đến hợp tác mô hình.

06

KẾT LUẬN

Từ việc tạo mô hình đến trở thành năng lực 3D cốt lõi cho các tác nhân

Trong vài năm qua, câu hỏi trung tâm của AI 3D là:

Làm thế nào để tạo ra một mô hình tốt hơn?

Nhưng khi những mô hình như GPT-6 Astra có khả năng hiểu đa phương thức, lập trình và tác nhân mạnh mẽ hơn, câu hỏi đó cũng đang thay đổi.

Trong tương lai, AI có thể không cần sử dụng một kỹ thuật duy nhất cho mọi tác vụ 3D.

Các cấu trúc đơn giản có thể được viết mã trực tiếp.

Các bề mặt phức tạp có thể được giao cho V2Fun.

Các tài sản hiện có có thể được tái sử dụng nguyên trạng.

Sau đó, việc giảm số lượng đa giác, lắp ráp và điều chỉnh cấu trúc có thể được giao lại cho tác nhân.

Điều này phù hợp với sự chuyển dịch của ngành tạo 3D, từ các công cụ tạo một lần sang năng suất do tác nhân dẫn dắt. Bài viết tham khảo cũng mô tả xu hướng tương tự: việc tạo 3D đang chuyển từ giai đoạn giống như những chatbot sơ khai sang giai đoạn năng suất được hỗ trợ bởi các tác nhân.

Đối với Vertex Lab, định hướng này phù hợp với tầm nhìn kỹ thuật dài hạn của công ty.

Ngay từ đầu, công ty chưa bao giờ định nghĩa V2Fun chỉ là một “website chuyển ảnh thành 3D”.

Từ việc giúp sáng tạo 3D dễ tiếp cận hơn trên thiết bị di động, hỗ trợ sản xuất tài sản chuyên nghiệp trên web, đến mô hình 3D, hoạt ảnh, chuyển động và mục tiêu dài hạn là trí tuệ không gian cùng các mô hình thế giới, Vertex Lab luôn hướng đến việc xây dựng cơ sở hạ tầng cho tạo nội dung 3D và trí tuệ không gian.

Sự trỗi dậy của các tác nhân có thể mở ra một con đường mới để đạt được mục tiêu đó.

Trong tương lai, người dùng có thể không cần biết nên gọi mô hình nào, viết mã gì hoặc chọn phương pháp dựng hình nào.

Họ có thể chỉ cần nói:

“Biến cái này thành 3D.”

GPT-6 Astra sẽ hiểu yêu cầu và quyết định cách thực hiện.

V2Fun 2.0 hướng tới việc trở thành năng lực chuyên biệt mà GPT-6 Astra dựa vào để xử lý thế giới ba chiều phức tạp.

GPT-6 Astra đảm nhiệm việc hiểu, lập kế hoạch và dựng hình.

V2Fun biến những ý tưởng ba chiều phức tạp thành các tài sản thực tế.

GPT-6 Astra × V2Fun: Từ sinh mã đến hợp tác mô hình.