GPT-6 Astra x V2Fun - 從程式碼生成到模型協作

想像一下這樣的 3D 建模流程。

你給 GPT-6 Astra 一張挖掘機的參考圖片。它首先辨識機器的各個組件：駕駛室、履帶、底盤、動臂、斗桿、鏟斗等。

接著，這些主要組件會分別傳送給專門的 3D 生成模型，並在幾十秒內以獨立資產的形式返回。

下一步，由 GPT-6 Astra 接手。

它會判斷每個零件的比例和空間關係，將履帶放置在底盤兩側，把動臂連接到機身，然後依次連接斗桿和鏟斗。完成主要結構後，它會使用 Three.js 加入液壓管、螺絲、轉軸，甚至駕駛室內的操縱桿。

最後，一台完整、結構化且可編輯的挖掘機出現在 3D 場景中。

這不只是單純的圖片轉 3D 生成，也不只是單純的程式碼生成。

這是兩種 AI 能力開始以更自然的方式協同運作：

GPT-6 Astra 負責理解、規劃和構建，而專門的 3D 基礎模型負責處理複雜幾何。

這是一種全新的工作流程，Vertex Lab 旗下產品 V2Fun 最近一直在探索這個方向。

其背後是一項更廣泛的轉變：

3D 代理正從「自行生成一切」轉向「知道該呼叫哪個模型，以及何時呼叫」。

01 TURNING POINT

GPT-6 Astra 已經能夠在 3D 中構建物件。接下來會怎樣？

GPT-6 Astra 帶來的一項重大變化，是大型語言模型真正開始進入三維世界。

過去，我們更習慣要求 AI 生成圖片、影片或一段文字。如今，憑藉日益強大的多模態理解、空間推理和程式設計能力，GPT-6 Astra 能夠理解 3D 物件的結構，然後透過 Three.js 等程式化方法真正將其構建出來。

以工業生產線為例。

GPT-6 Astra 可以辨識其中的傳送帶、滾輪、支撐架、馬達和工作站，然後逐步生成相應的幾何體。

這些物件特別適合程式化建模，因為它們通常具有清晰的數學關係和重複結構。支柱可以用基本幾何形狀表示，滾輪可以複製數十次，而傳送帶的長度和位置則可以直接透過參數控制。

更重要的是，最終結果並不是一個完全不透明的網格。

生產線中的每個組件仍然是獨立物件，可以移動、複製、刪除或修改。

從這個角度來看，GPT-6 Astra 做的不只是「生成 3D」。它開始發展出一種更接近 3D 工程師的能力：

理解物件由什麼組成，並將其構建出來。

但隨著物件變得更加複雜，一個新的問題出現了。

如果物件不是生產線，而是一張人臉、一個生物、一件服裝、一座雕塑，甚至是一台具有複雜工業表面的挖掘機呢？GPT-6 Astra 是否仍然應該用程式碼寫出全部幾何體？

答案可能不是非此即彼。

而這正是 V2Fun 能夠加入工作流程的地方。

02 WHY V2FUN

為什麼是 V2Fun？

V2Fun 並不是為了這次展示而臨時添加的 3D API。

它是 Vertex Lab 長期研究和開發 AI 3D 基礎模型的產品平台。

Vertex Lab 成立於 2025 年，始終專注於 3D 生成、空間智能，以及長期而言的世界模型基礎設施。

V2Fun 此前在 HDC 2026 上首次亮相，成為 HarmonyOS 首個由 3D 基礎模型驅動的 AI 原生應用。它的行動應用程式和網頁工作區涵蓋從日常創作到專業 3D 內容製作的完整流程。

其核心始終在於解決同一個問題：

如何以更少的精力和更短的時間，將複雜的三維物件轉化為可使用的 3D 資產？

即將推出的 V2Fun 2.0 將進一步提升這些能力。

新版本將搭載最新一代 3D 基礎模型，並支援最高 8K 解析度的紋理生成。它將專注於提升複雜幾何體、人物角色、生物、服裝、雕塑和其他不規則表面的生成品質。

這就是為什麼 V2Fun 和 GPT-6 Astra 的結合不只是一場偶然的產品合作。

它們擅長解決的問題本質上具有互補性。

GPT-6 Astra 擅長理解、規劃、空間關係、程式設計和代理編排。

V2Fun 擅長直接生成複雜的 3D 幾何體和高品質表面。

前者更擅長回答：

「這個物件應該如何構建？」

後者更擅長回答：

「這個複雜組件實際上應該呈現什麼樣子？」

當這兩種能力結合起來後，3D 生成便不再受限於單一方法。

03 CHALLENGE

有些東西最適合用程式碼構建，另一些則更適合直接生成

讓我們回到那台挖掘機。

從結構上看，它具有高度規整性。

GPT-6 Astra 可以輕易理解挖掘機由底盤、左側和右側履帶、機身、駕駛室、動臂、斗桿和鏟斗組成。它也能理解這些部件應該如何連接。

但仔細觀察，問題就有所不同。

駕駛室不是一個簡單的立方體，而機身外殼也無法透過組合幾個基本幾何體來準確表現。鏟斗具有連續的曲面，機臂具有複雜的輪廓，而履帶和底盤則包含大量工業設計細節。

GPT-6 Astra 當然可以繼續使用程式化程式碼來近似這些結構。

但幾何體越複雜，需要生成和修改的程式碼就越多，所需的迭代次數也越多。

對代理而言，這意味著要花費越來越多的 token 來描述低階幾何。

因此，我們嘗試了另一種方法。

GPT-6 Astra 首先「理解」挖掘機。

然後，它將駕駛室、履帶、機臂和鏟斗等複雜的主要組件，分別交由 V2Fun 2.0 生成。

生成完成後，GPT-6 Astra 再次接手，調整比例、旋轉和位置，並組裝整個物件。

在這裡，V2Fun 正好帶來了它一直在發展的能力：

直接從視覺輸入重建複雜的 3D 結構，而不是讓語言模型透過大量程式碼間接描述表面。

這看起來可能只是少寫了一些 Three.js，但實際上，它改變了整個計算方式。

更有趣的是，V2Fun 並不會取代 Three.js。

組裝完成後，GPT-6 Astra 仍然會自行生成許多元素。

例如液壓管。

液壓管本質上是連接幾個關鍵點的管狀結構，非常適合程式化建模。

螺絲、連接軸和操縱桿也是如此。

這些物件具有規整的尺寸、簡單的結構，而且通常會大量出現。為每一個物件單獨呼叫 3D 基礎模型，反而會增加工作流程的成本和複雜度。

因此，最終的挖掘機是真正的混合資產。

V2Fun 生成複雜的主要組件。

GPT-6 Astra + Three.js 負責規整的細節。

GPT-6 Astra 再將兩者整合成一個結構化的 3D 物件。

這正是這種方法令人信服的地方：

代理不必在程式碼生成和 3D 基礎模型之間二選一，而是為每個部分決定最適合的能力。

04 MORE COMPLEX

面對人物角色時，V2Fun 的價值更加明顯

挖掘機仍然主要是一個硬表面物件。

人物角色和複雜的有機表面，才是真正將純程式化方法推向極限的對象。

為了探索這一點，我們製作了一個更具野心的展示：

要求 GPT-6 Astra 構建一位全副武裝、身披鎧甲的國王。

除了人體本身之外，這個角色還包括精緻的盔甲、頭部、劍和盾牌。

與機械設備相比，人物角色更難透過規則來表達。

一張臉是否「看起來正確」，取決於的不只是將眼睛、鼻子和嘴巴大致放在正確位置。

臉部形狀、顴骨、眼窩、鼻樑、嘴唇，以及它們之間細微且連續的曲率變化，都會影響最終外觀。

盔甲也是如此。

雖然它是硬表面物件，但並不是簡單的工程組件。浮雕、裝飾、連續表面和風格化形態，共同構成了角色的視覺特徵。

這正是 V2Fun 2.0 新一代 3D 基礎模型更適合處理的物件類型。

在這次展示中，GPT-6 Astra 首先理解整個角色，並將其拆分為幾個主要部分：頭部、身體和盔甲、劍，以及盾牌。

然後由 V2Fun 分別生成這些複雜組件。

GPT-6 Astra 負責接下來的工作：

頭部的比例是否正確？它應該如何與身體連接？劍和盾牌應該放在哪裡？各部分的比例是否一致？哪些模型需要進行多邊形簡化？以及應該如何將所有內容組織成一個可編輯且可進一步使用的 3D 資產？

換句話說：

V2Fun 解決的是「如何快速且高品質地生成複雜幾何體」。

GPT-6 Astra 解決的是「如何將這些幾何體轉化為完整物件」。

為什麼 V2Fun 能夠處理這一層複雜幾何？

原因不只是「它也是一個圖片轉 3D 模型」。

Vertex Lab 近期的核心研究和開發工作，集中於兩個基本問題：

如何更準確地表示幾何體，以及如何在 3D 表面保持高解析度紋理的一致性。

在幾何方面，團隊持續改進 3D 表示方式和生成架構，旨在減少低效的幾何表示，並將模型容量集中於高曲率區域、薄型結構和複雜區域。

在紋理方面，重點是解決高解析度、多視角生成中常見的錯位、撕裂和細節遺失問題。

這也支撐了 V2Fun 2.0 生成最高 8K 解析度高品質紋理的能力。

對代理而言，這類能力非常重要。

它呼叫的是能夠產生真正 3D 資產的專門模型，而不是只能生成「看起來像 3D」的視覺生成工具。

生成的資產仍然需要由 GPT-6 Astra 進行組裝、降低多邊形數量和修改，並且最終可能進入動畫、遊戲、3D 列印或其他 3D 工作流程。

這正是 V2Fun 一直努力解決的產品挑戰：

確保 AI 生成的不只是一次性結果，而是人們真正可以持續使用和處理的 3D 資產。

05 EFFICIENCY

除了更高品質，還有另一項變化：token

這種工作流程還帶來另一項非常直接的好處：

Token 效率。

當 GPT-6 Astra 使用 Three.js 描述簡單結構時，token 的使用效率非常高。

一個圓柱體、一條液壓管或幾顆螺絲，只需要很少的程式碼。

但使用同樣的方法來近似人臉、布料褶皺或高度複雜的工業表面時，需要生成和修改的幾何程式碼數量會迅速增加。

大量 token 會耗費在以下問題上：

「如何讓這個表面更準確一點？」

「應該如何進一步調整這個輪廓？」

「這裡應該增加多少幾何細節？」

當複雜部分直接交由 V2Fun 處理時，這些低階流程就會濃縮為一次對專門模型的呼叫。

GPT-6 Astra 可以將更多推理資源投入真正需要推理的決策：

如何拆解物件；

哪些部分應該分別生成；

各部分在空間中的相互關係；

如何組裝最終物件；

哪些地方需要進一步修改。

這就是為什麼 V2Fun 2.0 帶來的不只是「外觀更好的模型」。

它也有可能降低 GPT-6 Astra 在複雜 3D 任務中的 token 消耗和整體建模時間。

過去的工作流程可能是：

理解 → 編寫幾何程式碼 → 修改 → 編寫更多幾何程式碼 → 再次修改

現在則變成：

理解 → 拆分部件 → 平行生成 → 組裝 → 加入局部細節

當多個複雜組件可以同時生成時，這種效率優勢會更加明顯。

06 CLOSING

從生成模型到成為代理的核心 3D 能力

在過去幾年，AI 3D 領域的核心問題一直是：

如何生成更好的模型？

但隨著 GPT-6 Astra 等模型獲得更強的多模態理解、程式設計和代理能力，這個問題正在發生變化。

未來，AI 可能不需要在每項 3D 任務中都使用單一技術。

簡單結構可以直接用程式碼生成。

複雜表面可以交由 V2Fun 處理。

現有資產可以直接重複使用。

接著，多邊形簡化、組裝和結構調整可以交還給代理。

這與 3D 生成產業從一次性生成工具轉向代理驅動生產力的趨勢一致。參考文章描述了相同的趨勢：3D 生成正從類似早期聊天機器人的階段，邁向由代理驅動生產力的階段。

對 Vertex Lab 而言，這個方向與其長期技術願景一致。

從一開始，公司就從未將 V2Fun 定義為僅僅一個「圖片轉 3D 網站」。

從讓行動裝置上的 3D 創作更加普及，到支援網頁上的專業資產製作，再到 3D 模型、動畫、動作，以及長期追求的空間智能和世界模型，Vertex Lab 始終致力於構建 3D 內容生成和空間智能的基礎設施。

代理的崛起，可能會為實現這一目標開闢新的道路。

未來，使用者可能不需要知道該呼叫哪個模型、要編寫什麼程式碼，或應該選擇哪種建模方法。

他們可能只需要說：

「把這個變成 3D。」

GPT-6 Astra 將理解這項要求，並決定如何執行。

V2Fun 2.0 旨在成為 GPT-6 Astra 在複雜三維世界中所依賴的專門能力。

GPT-6 Astra 負責理解、規劃和構建。

V2Fun 將複雜的三維想法轉化為真正的資產。

GPT-6 Astra × V2Fun：從程式碼生成到模型協作。