GPT-6 Astra与V2Fun协同：大模型调度3D生成，AI建模范式转向Agent化

事件概述

随着多模态理解、空间推理和代码能力的提升，大语言模型（如GPT-6 Astra）正深入三维世界。极顶数创（Vertex Lab）推出的V2Fun产品与GPT-6 Astra结合，展示了一种新的3D生成工作流：由Agent统一调度，根据对象特性选择最适合的生成方式——规则结构通过代码程序化构建，复杂几何则由专用3D基础模型直接生成。这一模式正在推动3D AI从“单次生成工具”向“Agent化生产力”转变。

核心信息

1. 混合工作流：代码与模型的互补

传统的图生3D或纯代码生成难以兼顾效率与质量。新工作流将任务拆解：

• GPT-6 Astra的角色：作为“大脑”，负责理解需求、空间关系判断、整体规划以及规则部件（如液压管、螺丝、转轴）的Three.js代码生成。它确保资产的结构化、可编辑性和逻辑正确性。
• V2Fun的角色：作为“执行者”，搭载新一代3D Foundation Model，专门处理高曲率、薄结构及复杂非规则曲面（如人物面部、铠甲浮雕、工业外壳）。其核心优势在于直接从视觉输入恢复复杂三维结构，并支持最高8K级贴图生成，解决纹理错位和细节损失问题。

2. 案例验证：挖掘机与全副武装国王

• 挖掘机案例：GPT-6 Astra识别出挖掘机的底盘、履带等规则部分，使用代码快速构建；而驾驶舱、机械臂等拥有连续曲面和工业设计细节的部分，则交由V2Fun生成。最终由GPT-6 Astra进行尺度调整、旋转匹配和整体装配，形成真正的Hybrid Asset（混合资产）。
• 角色案例：在构建全副武装国王的Demo中，人体、铠甲、剑盾等复杂有机/硬表面组合，因难以用简单几何体逼近，全部由V2Fun生成高质量网格。GPT-6 Astra随后负责部件间的比例协调、减面优化及组装。这证明了在处理非规则对象时，专用模型比纯代码描述更具优势。

3. 效率与成本优化

• Token效率提升：若让LLM通过代码逼近复杂曲面，需大量Token用于反复修正几何描述。引入V2Fun后，复杂部分的生成被压缩为一次专业模型调用，释放了LLM的推理资源，使其能专注于更高层级的逻辑拆分与组装。
• 流程重构：传统流程为“理解→写几何→修改→再写”，新流程变为“理解→拆分→并行生成→组装→局部补充”。并行生成能力进一步放大了效率差异。

4. 行业趋势：从Chatbot到Agent

3D生成行业正经历范式转移。过去几年核心问题是“如何生成更好的模型”，而现在重点转向“如何让AI成为3D基础能力”。用户无需关心底层技术选型，只需提出需求，Agent即可自动决定调用代码生成还是模型生成，甚至复用已有资产。V2Fun的定位不仅是图生3D工具，更是未来空间智能和世界模型基础设施中的专业3D资产生产模块。