Wenn der Agent damit beginnt, die Welt aufzubauen, wird der Wert dieses Sektors nach wie vor unterschätzt.

Im August 2026 hat Greg Brockman, Mitbegründer und Präsident von OpenAI, auf X ein interaktives 3D-Webwerk mit dem Thema „Medizinische Lehre menschlicher Organe“ geteilt.

Der dahinterstehende Entwickler @thebuggeddev kombinierte die Modellierungsfähigkeit des großen KI-3D-Modells Tripo P1.0 mit der Programmierfähigkeit von GPT 5.6 Sol, um schnell ein beeindruckendes interaktives Webwerk zu erstellen – vorher kannte er keine professionellen 3D-Modellierungswerkzeuge wie Blender und hatte auch kein systematisches Programmierstudium absolviert. Nach der Veröffentlichung des Werks überschritt die Anzahl der Aufrufe auf X schnell 2,1 Millionen.

Dies war der Höhepunkt in der kreativen Laufbahn von @thebuggeddev. Gleichzeitig begannen eine Gruppe von nativen „KI+3D“-Kreativen, sich einen Namen zu machen.

Die Kreativen Haixin und Awen nutzten Nano Banana zur Generierung von Referenzbildern, riefen Tripo P2.0 zur Durchführung der 3D-Modellierung auf und übergaben das Ergebnis dann an GPT-6 Astra, um Szenen, Spezialeffekte und Interaktionslogik zu orchestrieren. Sie verwandelten das Kapitel „Gespräch mit der Raupe“ aus *Alice im Wunderland* in ein beeindruckendes interaktives Spiel, und das dazugehörige Erstellungs-Tutorial schaffte es sogar auf die Hitliste von Bilibili.

Der unabhängige Entwickler Sac nutzte den Workflow aus Claude Opus 5.5 + Tripo + Blender, um innerhalb von nur 16 Tagen jeden Planeten aus *Der kleine Prinz* in eine erkundbare 3D-Szene zu verwandeln. Das Werk erhielt zehntausende Likes auf X und wurde von Technologieinstitutionen und KOLs wie a16z und Marc Lou geteilt.

3D-Kreation beginnt, zu einer neuen Ausdrucksform und sogar zu einer neuen Lebensweise zu werden. Sie gehört nicht mehr nur professionellen Modellierern, Spieleentwicklern und Animatoren. Jeder, der eine Idee hat, kann versuchen, seine eigene Welt aufzubauen; eine Szene, die ursprünglich nur im Kopf existierte, hat die Chance, zu einem Werk zu werden, in das man eintreten und mit dem man interagieren kann.

Die Hauptkraft, die diese Veränderung vorantreibt, ist eine Gruppe junger Menschen, die versuchen, die Grenzen der 3D-Kreation neu zu definieren.

Der Kernentwickler der Tripo-P-Serie von Modellen, die von @thebuggeddev, Haixin und Awen verwendet werden, ist Ronnie, der gerade seinen Doktor an der Tsinghua-Universität abgeschlossen hat.

Project Eden, eines der ersten Weltmodelle der Branche, das das hierarchische Konzept „Coding Agent + Echtzeit-Generatives Renderer“ vorschlägt, wird von Zion erforscht, einem Masterstudenten, der im Jahr 2002 geboren wurde.

Unter ihnen haben einige bereits an der Kernmodellschulung teilgenommen, bevor sie ihren Abschluss und eine Festanstellung erhalten haben, andere haben von einem scheinbar randständigen Interesse ausgegangen und schrittweise eine neue Produkt- und Technologieroute vorangetrieben.

Diese jungen Menschen versammeln sich alle bei VAST (Sanqi Wanwu), einem 2023 gegründeten Unternehmen für allgemeine künstliche Intelligenz.

Vor drei Jahren entstand VAST in einer Zeit, in der die Erkundung von KI-3D fast noch eine Brachfläche war; heute nutzen Dutzende Millionen Nutzer weltweit das unternehmenseigene KI-3D-Modell Tripo, um sich auszudrücken. Von der schnelleren und besseren Generierung von 3D-Assets durch Modelle über die Fähigkeit von Agenten, 3D-Inhalte zu verstehen, aufzurufen und zu bearbeiten, bis hin zur Erkundung, wie man Welten baut, die kontinuierlich laufen und in Echtzeit interagieren können, streckt VAST seine Forschungsarme in immer weitere Räume aus.

Das Teammitglied R vergleicht diesen Prozess mit einer „Antarktis-Expedition“: Während des Prozesses könnten die Leute in Eislöcher der Antarktis fallen oder wilden Tieren der Antarktis begegnen, aber das Wichtigste ist zuerst, „eine Leiter aufzustellen“ und „eine Gruppe von Elite-Expeditionsmitgliedern aufzubauen“ – am Ende wird das Team feststellen, dass „die Antarktis gar nicht so kalt ist“.

01

Warum müssen wir 3D neu verstehen?

Lange Zeit war 3D-Kreation immer mit den Merkmalen „professionell, Nischenbereich, hohe Eintrittshürde“ verbunden. In der Vorstellung der breiten Öffentlichkeit gehört dieser kreative Prozess mit langem Lernzyklus und komplexer Software nur wenigen professionellen Fachkräften wie Spieleentwicklern, Animatoren und Industriedesignern.

Die Reaktion des Marktes spiegelt sich auch indirekt in den Gesamtinvestitionen der Technologiebranche in den 3D-Bereich wider. Vor seinem Abschluss hat Ronnie in vielen großen Technologieunternehmen praktiziert. Aber er stellte fest, dass für eine Branche wie 3D, die jünger ist als LLM und später in den praktischen Einsatz kommt, die Ressourcen, die große Unternehmen bereit sind zu investieren, nicht so groß sind wie erwartet.

R hat Erfahrungen aus einer anderen Perspektive. Bevor er zu VAST kam, war er tief an Kooperationen mit mehreren großen Technologieunternehmen beteiligt. Aber er fand heraus, dass große Unternehmen nicht automatisch einen „Winner-Mindset“ haben. „Viele Forschungen von Startups sind fortschrittlicher als die der großen Unternehmen, weil alle den Mut haben, Probleme selbst zu definieren, und den festen Willen haben, zu gewinnen“.

Diese Gruppe von Menschen, die zu VAST gekommen sind, hielten alle an einem zu jener Zeit nicht Mainstream-glaubten Glauben fest: 3D ist die „Muttersprache“ der Welt, der native Ausdruck aller Dinge im digitalen Raum. Die Form, Struktur und Position von Objekten sowie die räumlichen Beziehungen zwischen ihnen können alle durch 3D ausgedrückt werden.

Zion sagte offen: „3D wird unterschätzt.“ Er nannte mehrere Beispiele: In der heute viel beachteten Route der Code-Weltmodelle pflegt die Engine im oberen Bereich genau die Entwicklung von 3D-Inhalten. Ebenso werden 3D-Inhalte in der Simulationsumgebung für körpergebundene Intelligenz noch lange die Grundlage für den Aufbau von Umgebungen bilden. In Zukunft wird 3D nicht nur für Spiele, Filme und Industriedesign dienen, sondern auch die Chance haben, die Grundlage dafür zu werden, dass KI Umgebungen versteht, Objekte bedient und interaktive Welten aufbaut.

In nur 2 Jahren hat sich diese Einschätzung schrittweise in zwei Modellrouten von Tripo niedergeschlagen: Die P-Serie zielt darauf ab, dass die generierten 3D-Assets über produktionsreife Topologie und Nutzbarkeit verfügen, während die H-Serie ständig die Grenzen der Fähigkeiten zur Generierung hochpräziser Geometrie herausfordert.

Seit 2026 hat sich mit der beispiellosen Stärkung des Verständnis-, Planungs- und Programmiervermögens von LLM die Branche neu bewertet, wie hoch die Eintrittshürden für 3D-Kreation und die Aussichten für den praktischen Einsatz sind – wenn der Agent im oberen Bereich stark genug ist, kann er anstelle von normalen Menschen immer mehr professionelle 3D-Werkzeuge und Kreativprozesse übernehmen.

Obwohl Coding Agent bereits Three.js-Seiten generieren, Teile der Interaktions- und Animationslogik schreiben und basierend auf den Ausführungsergebnissen kontinuierlich debuggen kann, fehlt zwischen „Agent kann Code schreiben“ und „Agent kann interaktive 3D-Anwendungen entwickeln“ noch ein entscheidendes Glied: 3D-Assets, die von Agent schnell verstanden, bearbeitet und gesteuert werden können.

Dieses Glied zu ergänzen ist nicht einfach. Einerseits bedeutet die Integration von 3D in vielfältigere Kreativprozesse und Aufgaben, dass die von KI generierten 3D-Assets die Anforderung „sofort nach Generierung nutzbar“ erfüllen müssen, sogar gut nutzbar sein müssen. Andererseits müssen die Assets, die von KI-3D-Modellen erstellt werden, wenn KI-Agenten mehr Kreativprozesse übernehmen, auch direkt von KI bearbeitet, gebunden und in Echtzeitumgebungen eingebunden werden können.

Heute bilden die Weiterentwicklung von Tripo und die Entwicklung von Agenten eine raffinierte Wechselwirkung. Die Modelle der Tripo-H-Serie verbessern ständig die Wiedergabegenauigkeit komplexer Formen und Details; die Tripo-P-Serie generiert innerhalb von Sekunden direkt produktionsreife Netze – darunter die im August 2026 veröffentlichte Version P2.0, die native Vierkanttopologie unterstützt, eine regulärere Leitungsführung aufweist und natürliche Teile unterteilt, die der strukturellen Semantik besser entsprechen, wodurch die Kompatibilität von Pipelines beispiellos gestärkt wird. Diese Eigenschaften machen P2.0 ebenfalls von Natur aus geeignet, von Agenten verstanden und gesteuert zu werden.

„Die technische Philosophie von Tripo lautet ‚sofort nach Generierung produktionsreif‘.“ Cao Yanpei, Chefwissenschaftler von VAST, hat dies mehrfach erwähnt. Er ist nicht nur der Entwickler von P2.0, sondern auch einer der ersten Kreativen. Er ließ P2.0 eine 3D-mechanische Spinne generieren, die aus unabhängigen Teilen besteht, und ließ dann Claude Opus die Bewegungslogik schreiben, sodass sich diese Spinne erfolgreich bewegte.

Nur 2 Wochen nach der Veröffentlichung von P2.0 tauchte GPT-6 Astra auf und überraschte alle – dieses Modell, das als „intelligentestes der Welt“ gilt, ließ KI-3D seine stärkste Werbephase erleben.

Der ausländische Kreative Nano fügte basierend auf Astra dynamische Gesichtsausdrücke zu einem von Tripo generierten zweidimensionalen Charakter hinzu und erhielt 1400 Likes auf X; @luccacerf, der keine Erfahrung in Modellierung und Spieleentwicklung hat, erstellte basierend auf dem Workflow aus Astra-Tripo P2.0-Blender-Unity mit nur 3 Prompt-Wörtern und einer Erstellungsdauer von 90 Minuten ein Fan-Spiel zu *World of Warcraft* – innerhalb einer Woche stieg die Anzahl der Aufrufe der Tripo-API schnell an, und Hunderte von Mitgliedern gründeten spontan innerhalb von VAST eine Kreativgruppe für Astra+3D.

△ Der Kreative Nano (@Dstudio_ai) fügte basierend auf Astra dynamische Gesichtsausdrücke zu einem von Tripo generierten zweidimensionalen Charakter hinzu.

Dies liefert auch eine neue praktische Bestätigung für die Einschätzung, an der VAST seit seiner Gründung festhält: 3D ist nicht nur eine Kategorie der Inhaltserstellung, sondern wird wie von Li Fei Fei behauptet zu einer „universellen Schnittstelle zwischen Mensch und Maschine“.

Mit der allmählichen Entwicklung von Agenten zu neuen Kreativen öffnen sich die Grenzen von 3D erst jetzt.

02

Von Nicht-Konsens zum Konsens werden

„Ich habe noch nie so ein KI-3D-Modell gesehen!“

Im März 2026, San Francisco, USA. Auf der GDC, der weltweit führenden Konferenz für Spieleentwickler, zog ein Demo des KI-3D-Modells namens „Tripo P“ die Aufmerksamkeit vieler Teilnehmer auf sich. Ein ausländischer Spieleentwickler lobte Ronnie, den Kernentwickler der P-Serie, wiederholt: „Das ist absolut großartig!“

In der damaligen KI-3D-Branche war Tripo P ein beeindruckendes „neues Wesen“. Die früher von KI generierten 3D-Assets hatten nicht nur eine Generierungsdauer von mehreren Minuten, sondern die Qualität der Topologie-Leitungsführung lag auch weit unter den Anforderungen der Produktion, sodass sie stark von der Nachbearbeitung durch Menschen abhängig waren. Aber bei der KI-3D-Modell-Serie Tripo P verschwand das unmögliche Dreieck der traditionellen KI-3D-Eigenschaften „Qualität, Geschwindigkeit, Nutzbarkeit in Pipelines“.

Für Ronnie ist die Geschichte der P-Serie wie ein spannender Erfolgsroman. Im Juli gewann die Echtzeit-Demonstration basierend auf Tripo P1.0 auf der SIGGRAPH 2026, der internationalen Top-Konferenz für Computergrafik in Los Angeles, USA, den höchsten Preis „Best in Show“ im Bereich Real-Time Live!; fünf Arbeiten von VAST wurden in die Technical Papers aufgenommen, darunter auch die Arbeit zum zugrundeliegenden Algorithmus Nexus der Tripo-P-Serie. Im August wurde das neueste Ergebnis der P-Serie, P2.0, das weltweit erste KI-3D-Basismodell, das die end-to-end-Generierung von nativer Vierkant-Topologie-Netzen auf Diffusionsmodellen realisiert.

Scheinwerfer, Ehre, Applaus – hinter all dem steht die einsame Suche in einer Zeit des Nicht-Konsens.

Ronnie erinnert sich, dass als die P-Serie gerade intern bei VAST ins Projekt aufgenommen wurde, nur wenige in der Branche darüber sprachen, Diffusionsmodelle zur Generierung von Netzen zu nutzen. Zu