从代码生成，走向模型协同：GPT-6 Astra 与 V2Fun 正在塑造AI建模新范式

你给 GPT-6Astra 一张挖掘机的参考图，它先理解这台机器由哪些部分组成:驾驶舱、履带、底盘、动臂、斗杆、铲斗……

随后，这些主要部件被分别送进一个专业3D 生成模型，几十秒后以独立资产的形式返回。

它判断每个部件的尺度和空间关系，把履带放到底盘两侧，把动臂接到车身，再把斗杆和铲斗依次装上;主体结构完成后，它继续通过 Three.js 补上液压管、螺丝、转轴，以及驾驶舱里的操作摇杆。

最后，一台完整、结构化，还可以继续修改的挖掘机出现在三维场景中。

3D Agent 正在从“自己生成所有东西”，走向“知道什么时候该调用什么模型”。

过去，我们更习惯让 AI 生成一张图片、一段视频或者一段文字。现在，依靠越来越强的多模态理解、空间推理和代码能力，GPT-6Astra 已经可以理解一个三维对象的结构，再通过 Three.js 等程序化方式把它真正搭建出来。

GPT-6Astra 可以识别其中的传送带、滚轮、支撑框架、电机和不同工作模块，再逐步生成对应的几何结构。

这类对象尤其适合程序化建模，因为它们通常拥有明确的数学关系和重复结构。一根支撑柱可以由基础几何体表达，一个滚轮可以复制几十次，一段传送带的长度和位置也可以直接通过参数控制。

流水线中的各个部件仍然是独立对象，可以继续移动、复制、删除和修改。

从这个角度看，GPT-6Astra 已经不只是“生成3D”，而开始具备一种更接近3D 工程师的能力:

如果面对的不是流水线，而是人物面部、生物、服装、雕塑，甚至只是一台拥有复杂工业曲面的挖掘机——是不是仍然应该让 GPT-6Astra 把所有几何都通过代码写出来?

它是极顶数创（Vertex Lab）长期研发 AI3D Foundation Model 的产品化入口。极顶数创成立于2025年，核心方向一直围绕3D 生成、空间智能以及更长期的世界模型基础设施展开。