GPT-6 Astra × V2Fun: Wenn große Modelle beginnen, die 3D-Generierung zu „steuern“, verschiebt sich das Paradigma der KI-Modellierung

Stellen Sie sich einen solchen 3D-Modellierungsprozess vor.

Sie geben GPT-6 Astra ein Referenzbild eines Baggers, und es versteht zuerst, aus welchen Teilen diese Maschine besteht: Fahrerkabine, Raupen, Chassis, Ausleger, Löffelstiel, Baggerlöffel...

Anschließend werden diese Hauptkomponenten jeweils an ein professionelles 3D-Generierungsmodell übermittelt und nach einigen Dutzend Sekunden als unabhängige Assets zurückgegeben.

Danach übernimmt GPT-6 Astra die Arbeit.

Es bestimmt die Größe und räumliche Beziehung jedes Teils, platziert die Raupen an beiden Seiten des Chassis, verbindet den Ausleger mit dem Karosseriekörper und montiert dann Löffelstiel und Baggerlöffel nacheinander; nachdem die Hauptstruktur fertig ist, ergänzt es über Three.js weiterhin die Hydraulikrohre, Schrauben, Drehgelenke und die Steuerhebel in der Fahrerkabine.

Schließlich erscheint ein vollständiger, strukturierter und weiter bearbeitbarer Bagger in der 3D-Szene.

Das ist nicht einfach eine Bild-zu-3D-Generierung und auch nicht eine reine Code-Generierung.

Vielmehr arbeiten zwei KI-Fähigkeiten auf eine natürlichere Weise zusammen:

GPT-6 Astra ist für das Verständnis, die Planung und den Aufbau zuständig, während das professionelle 3D Foundation Model für komplexe Geometrien verantwortlich ist.

Dies ist auch ein neuer Workflow, den V2Fun von Vertex Lab kürzlich ausprobiert.

Eine noch größere Veränderung dahinter ist: 3D Agent entwickelt sich von „alles selbst generieren“ zu „wissen, welches Modell wann aufgerufen werden soll“.

TURNING POINT GPT-6 Astra kann bereits 3D erstellen – was ist der nächste Schritt?

Eine wichtige Veränderung durch GPT-6 Astra ist, dass große Sprachmodelle nun wirklich in die dreidimensionale Welt eintreten.

Früher haben wir uns eher daran gewöhnt, dass KI ein Bild, ein Video oder einen Text generiert. Jetzt kann GPT-6 Astra dank immer stärkerer multimodaler Verständnisfähigkeit, räumlicher Schlussfolgerung und Code-Fähigkeit bereits die Struktur eines dreidimensionalen Objekts verstehen und es dann über prozedurale Methoden wie Three.js wirklich aufbauen.

Zum Beispiel eine industrielle Fertigungslinie.

GPT-6 Astra kann die Förderbänder, Rollen, Stützrahmen, Motoren und verschiedenen Arbeitsmodule darin erkennen und dann schrittweise die entsprechenden Geometriestrukturen generieren.

Diese Art von Objekten eignet sich besonders für prozedurale Modellierung, da sie normalerweise klare mathematische Beziehungen und wiederholte Strukturen aufweisen. Eine Stützsäule kann durch ein grundlegendes geometrisches Objekt dargestellt werden, eine Rolle kann Dutzende Male kopiert werden, und die Länge und Position eines Förderbands können direkt über Parameter gesteuert werden.

Noch wichtiger ist, dass das so generierte Ergebnis kein vollständig schwarzkästiges Mesh ist.

Alle Teile in der Fertigungslinie bleiben unabhängige Objekte und können weiterhin verschoben, kopiert, gelöscht und bearbeitet werden.

Aus dieser Perspektive ist GPT-6 Astra nicht mehr nur ein Werkzeug zur „3D-Generierung“, sondern verfügt über Fähigkeiten, die denen eines 3D-Ingenieurs ähneln: zu verstehen, aus welchen Komponenten ein Objekt besteht, und es dann aufzubauen.

Aber wenn die Objekte immer komplexer werden, taucht auch ein neues Problem auf.

Wenn es sich nicht um eine Fertigungslinie handelt, sondern um menschliche Gesichter, Lebewesen, Kleidung, Skulpturen oder sogar einen Bagger mit komplexen industriellen Freiformflächen – sollte GPT-6 Astra dann immer noch alle Geometrien per Code schreiben?

Die Antwort ist wahrscheinlich nicht entweder-oder, und genau hier kann V2Fun in diesen Workflow eingebunden werden.

WHY V2FUN – Warum V2Fun?

V2Fun ist keine 3D-API, die nur für dieses Demo vorübergehend eingebunden wurde.

Es ist der Produktisierungseingang von Vertex Labs langjährig erforschtem KI-3D-Foundation-Model.

Vertex Lab wurde 2025 gegründet, und sein Kernfokus liegt seit jeher auf 3D-Generierung, räumlicher Intelligenz und der langfristigen Infrastruktur von Weltmodellen.

Zuvor wurde V2Fun als die erste native KI-Anwendung für 3D-Großmodelle des HarmonyOS auf der HDC 2026 vorgestellt und deckt über mobile Endgeräte und Web-Arbeitsplätze die gesamte Kette von der massenhaften Erstellung bis zur professionellen 3D-Inhaltsproduktion ab.

Im Wesentlichen geht es bei seiner Tätigkeit immer darum, wie man ein komplexes dreidimensionales Objekt mit niedrigerer Hürde und kürzerer Zeit zu einem wirklich weiterverwendbaren 3D-Asset macht.

Die bald verfügbare Version V2Fun 2.0 wird diese Fähigkeit weiter verbessern.

Die neue Version ist mit der neuesten Generation des 3D Foundation Model ausgestattet, unterstützt die Generierung von Texturen bis zu 8K und verbessert vor allem die Generierungsqualität von komplexen Geometrien, Charakteren, Lebewesen, Kleidung, Skulpturen und anderen unregelmäßigen Freiformflächen.

Deshalb ist die Kombination von V2Fun und GPT-6 Astra keine zufällige Produktkooperation.

Die Probleme, die beide Seiten gut lösen können, sind komplementär zueinander. GPT-6 Astra zeichnet sich durch Verständnis, Planung, räumliche Beziehungen, Code- und Agenten-Scheduling aus, während V2Fun stark in der direkten Generierung komplexer dreidimensionaler Geometrien und hochwertiger Oberflächen ist.

Das eine beantwortet besser: „Wie soll dieses Ding aufgebaut werden?“

Das andere beantwortet besser: „Wie soll dieses komplexe Teil selbst aussehen?“

Wenn diese beiden Fähigkeiten kombiniert werden, gibt es für die 3D-Generierung nicht mehr nur einen einzigen Weg.

CHALLENGE Einige Dinge eignen sich zum Codieren, andere besser zur direkten Generierung

Kehren wir zurück zu dem Bagger.

Strukturell ist er sehr regelmäßig.

GPT-6 Astra kann leicht verstehen, dass ein Bagger aus Chassis, linken und rechten Raupen, Karosseriekörper, Fahrerkabine, Ausleger, Löffelstiel und Baggerlöffel besteht, und auch verstehen, wie diese Teile miteinander verbunden werden sollen.

Aber wenn wir weiter nach unten schauen, wird das Problem anders.

Die Fahrerkabine ist kein einfacher Würfel, und die Außenhaut der Karosserie lässt sich nicht genau darstellen, indem man ein paar primitive Grundkörper zusammenfügt. Der Baggerlöffel hat kontinuierliche Freiformflächen, der Arm hat komplexe Konturen, und die Raupen sowie das Chassis selbst enthalten viele Details des Industriedesigns.

Natürlich kann GPT-6 Astra diese Strukturen weiterhin über prozeduralen Code annähern. Aber je komplexer die Geometrie ist, desto mehr Code muss generiert und bearbeitet werden, und die Anzahl der Iterationsrunden steigt. Für einen Agenten bedeutet dies, dass immer mehr Token für die Beschreibung der unterliegenden Geometrie verbraucht werden.

Also haben wir einen anderen Weg gewählt.

Zuerst „versteht“ GPT-6 Astra den Bagger. Dann werden die komplexen Hauptteile wie Fahrerkabine, Raupen, Arm und Baggerlöffel jeweils an V2Fun 2.0 übergeben, um generiert zu werden.

Nach Abschluss der Generierung übernimmt GPT-6 Astra wieder die Arbeit, passt die Skalierung an, führt Drehungen durch, stimmt die Positionen ab und schließt die gesamte Montage ab.

Hier kommt genau die Fähigkeit zum Einsatz, die V2Fun stetig weiterentwickelt:

Komplexe dreidimensionale Strukturen direkt aus visuellen Eingaben wiederherzustellen, anstatt das Sprachmodell die Freiformflächen indirekt über eine große Menge Code beschreiben zu lassen.

Dieser Schritt scheint nur darin zu bestehen, weniger Three.js-Code zu schreiben, aber tatsächlich ändert er den gesamten Berechnungsablauf.

Noch interessanter ist, dass V2Fun Three.js nicht ersetzt. Nach Abschluss der Montage generiert GPT-6 Astra weiterhin viele Inhalte selbst.

Zum Beispiel Hydraulikrohre: Im Wesentlichen sind sie röhrenförmige Strukturen, die entlang mehrerer Schlüsselpunkte verbunden sind, und eignen sich hervorragend für prozedurale Darstellung.

Oder Schrauben, Verbindungswellen und Steuerhebel: Diese Objekte haben regelmäßige Abmessungen, einfache Strukturen und eine große Anzahl. Wenn man jedes einzelne davon separat mit einem 3D Foundation Model aufruft, erhöht das die Kosten und Komplexität des gesamten Workflows unnötig.

Der fertige Bagger ist also tatsächlich ein echtes hybrides Asset. Die komplexen Hauptteile werden von V2Fun generiert, die regelmäßigen Details werden von GPT-6 Astra + Three.js erstellt, und schließlich organisiert GPT-6 Astra beide zu einem einzigen strukturierten 3D-Objekt.

Das ist der wirklich interessante Punkt dieses Ansatzes:

Es geht nicht darum, zwischen „Code-Generierung“ und „3D-Großmodell“ zu wählen, sondern den Agenten selbst entscheiden zu lassen, welcher Teil am besten zu welcher Fähigkeit passt.

MORE COMPLEX Wenn das Objekt eine Person ist, wird der Wert von V2Fun noch deutlicher

Der Bagger ist noch ein Objekt mit überwiegend harten Oberflächen. Was die rein prozedurale Methode an ihre Grenzen bringt, sind Charaktere und komplexe organische Freiformflächen.

Aus diesem Grund haben wir ein noch radikaleres Demo erstellt: GPT-6 Astra soll einen voll bewaffneten König aufbauen.

Dieser Charakter umfasst nicht nur den menschlichen Körper selbst, sondern auch komplexe Rüstungen, Kopf, Schwert und Schild. Im Vergleich zu mechanischen Geräten lassen sich menschliche Charaktere schwerer mit Regeln darstellen.

Ob ein Gesicht „natürlich aussieht“, hängt nicht nur davon ab, dass die ungefähren Positionen von Augen, Nase und Mund stimmen. Gesichtsform, Wangenknochen, Augenhöhlen, Nasenrücken, Lippen und die kontinuierlichen, subtilen Krümmungsänderungen zwischen diesen Strukturen bestimmen gemeinsam das endgültige Erscheinungsbild.

Das Gleiche gilt für Rüstungen: Obwohl sie zu harten Oberflächen gehören, sind sie keine einfachen technischen Teile. Zahlreiche Reliefs, Verzierungen, kontinuierliche Freiformflächen und stilisierte Formen bilden gemeinsam die visuellen Merkmale des Charakters.

Genau diese Art von Objekten eignet sich besser für die Verarbeitung durch die neue Generation des 3D Foundation Model von V2Fun 2.0.

In diesem Demo versteht GPT-6 Astra zuerst den gesamten Charakter und teilt ihn in mehrere Hauptteile auf: Kopfmodell, Körper und Rüstung, Schwert und Schild. Anschließend werden diese komplexen Teile jeweils über V2Fun generiert.

Danach übernimmt GPT-6 Astra die restlichen Aufgaben:

Ist die Skalierung des Kopfes korrekt und wie wird er mit dem Körper verbunden? Wo sollen Schwert und Schild platziert werden? Stimmen die Proportionen zwischen allen Teilen überein? Welche Modelle brauchen eine Reduzierung der Polygonanzahl? Wie wird das Ergebnis schließlich zu einem weiter bearbeitbaren und verwendbaren 3D-Asset organisiert?

Mit anderen Worten: V2Fun löst das Problem „wie komplexe Geometrien schnell und in hoher Qualität erstellt werden können“, während GPT-6 Astra das Problem löst „wie diese Geometrien zu einem vollständigen Objekt werden“.

Warum kann V2Fun diese komplexen Geometrien verarbeiten?

Der Grund liegt nicht nur darin, dass es sich um ein Bild-zu-3D-Modell handelt. Die Kernforschung und -entwicklung von Vertex Lab in der letzten Zeit konzentrierte sich stets auf zwei grundlegende Fragen: Wie lassen sich Geometrien genauer darstellen, und wie können hochauflösende Texturen auf dreidimensionalen Oberflächen konsistent bleiben?

Auf der Geometrie-Seite iteriert das Team stetig an 3D-Darstellungs- und Generierungsarchitekturen, um ineffiziente Geometriedarstellungen zu reduzieren und die Modellfähigkeiten auf Bereiche mit hoher Krümmung, dünnen Strukturen und komplexen Zonen zu konzentrieren.

Auf der Textur-Seite werden die häufigen Probleme wie Texturversatz, Risse und Detailverlust bei der multiview- und hochauflösenden Generierung gezielt gelöst.

Das ist die Grundlage, auf der V2Fun 2.0 weiterhin hochwertige Texturen in 8K-Qualität erstellen kann.

Für einen Agenten ist diese Art von Fähigkeit sehr wichtig. Denn es ruft kein visuelles Generierungstool auf, das „nur wie 3D aussieht“, sondern ein professionelles Modell, das wirklich dreidimensionale Assets ausgibt.

Die generierten Assets werden von GPT-6 Astra weiter kombiniert, mit reduzierter Polygonanzahl versehen, bearbeitet und fließen anschließend in Workflows für Animation, Spiele, 3D-Druck oder andere 3D-Anwendungen ein.

Das ist genau das Produktproblem, das V2Fun schon immer gelöst hat: Damit die KI nicht nur ein Ergebnis generiert, sondern ein wirklich weiterverwendbares 3D-Asset, das weiterbearbeitet werden kann.

EFFIZIENZ Höhere Qualität ist nur ein Teil davon – eine weitere Veränderung betrifft die Token-Effizienz

Dieser Workflow hat einen weiteren direkten Vorteil: eine bessere Token-Effizienz.

Wenn GPT-6 Astra eine einfache Struktur über Three.js beschreibt, ist die Token-Nutzungseffizienz sehr hoch.

Ein Zylinder, ein Hydraulikrohr, ein paar Schrauben – dafür wird nur sehr wenig Code benötigt.

Aber wenn man mit derselben Methode versucht, menschliche Gesichter, Falten von Kleidung oder hochkomplexe industrielle Freiform