GPT-6操控Blender建3D模型,门槛削平但Token消耗成真实痛点
前几天,一条关于GPT-6的3D神作拿下了3200万浏览量:一个完整人体被拆成2234个3D部件,肌肉、骨骼、血管一应俱全。大家第一反应都是GPT-6的3D能力已经恐怖如斯。但事情很快迎来了反转——这2234个部件根本不是GPT-6从零手搓的,而是调用了现成的专业3D数据集。GPT-6干的活,是把现成素材组织成一个能交互的网页。这场爆火背后的真相是:通用模型的3D生成并没有神到凭空造物,但它的调度和组装能力,确实已经到了能吓人的地步。
直接建模像搭积木,复杂造型还得靠专业模型
让GPT-6直接从几张图去3D建模,出来的东西往往非常抽象,像早期视频生成的“史密斯吃面”——动作都对了,但总有点不对劲。它用Three.js或操作Blender直接建模,思路更像搭积木,适合低复杂度场景:简单机械、低模建筑、抽象装置。一旦碰到人物面部、复杂工业曲面(比如挖掘机的液压管),直接生成的比例和细节就很生硬。这也是为什么专业3D大模型不仅没死,反而还在大额融资。最佳路径已经很明显:让GPT-6当“导演”负责规划和组装,复杂几何交给专业3D模型(比如Hyper3D Rodin或V2Fun)去生成。一张挖掘机参考图丢进去,GPT-6拆解出驾驶舱、履带和动臂,把复杂部件扔给专业模型,自己再用Three.js补齐螺丝和摇杆,完成装配。
让GPT-6直接从几张图去3D建模,出来的东西往往非常抽象,像早期视频生成的“史密斯吃面”——动作都对了,但总有点不对劲。它用Three.js或操作Blender直接建模,思路更像搭积木,适合低复杂度场景:简单机械、低模建筑、抽象装置。一旦碰到人物面部、复杂工业曲面(比如挖掘机的液压管),直接生成的比例和细节就很生硬。这也是为什么专业3D大模型不仅没死,反而还在大额融资。最佳路径已经很明显:让GPT-6当“导演”负责规划和组装,复杂几何交给专业3D模型(比如Hyper3D Rodin或V2Fun)去生成。一张挖掘机参考图丢进去,GPT-6拆解出驾驶舱、履带和动臂,把复杂部件扔给专业模型,自己再用Three.js补齐螺丝和摇杆,完成装配。
我们真做了:从网页版CAD到5层办公楼
抛开那些炫技的3200万浏览神作,普通开发者用GPT-6到底能干出什么?有人真用GPT-6花34分20秒搓出了一个网页版AutoCAD,支持WebGPU渲染和真实CAD几何;有人用Babylon.js引擎建出了5层的3D办公楼;还有人用200多块钱的Token费,30分钟搞出了一整套带BIM属性的三维工厂模型。以前“不会建模”意味着想法只能停留在脑海里,现在丢一个含糊的念头过去,成品自己长出来。但别忘了,额度也烧得肉疼,有人充了1000多,一上午就能干掉30%的额度。GPT-6加Blender虽然是王炸,但Token消耗也是实打实的门槛。
抛开那些炫技的3200万浏览神作,普通开发者用GPT-6到底能干出什么?有人真用GPT-6花34分20秒搓出了一个网页版AutoCAD,支持WebGPU渲染和真实CAD几何;有人用Babylon.js引擎建出了5层的3D办公楼;还有人用200多块钱的Token费,30分钟搞出了一整套带BIM属性的三维工厂模型。以前“不会建模”意味着想法只能停留在脑海里,现在丢一个含糊的念头过去,成品自己长出来。但别忘了,额度也烧得肉疼,有人充了1000多,一上午就能干掉30%的额度。GPT-6加Blender虽然是王炸,但Token消耗也是实打实的门槛。
门槛削平了,真正值钱的是什么?
GPT-6把“把想法变成东西”的门槛削平了。以前用AI得把任务拆成步骤、反复调提示词,现在它自己上网搜数据、自己操作软件、自己做自我纠错。但这并不意味着3D从业者要失业。GPT-6在Blender里的材质节点搭配确实越来越合理,用两张Noise模拟生锈和法线凹凸,完全是入门者的正确思路,留给玩家吐槽的空间不多了。但门槛越低,对使用者“想清楚自己究竟要什么”的要求就越高。用Codex规划场景大形,调用生成式3D工具填细节,最后自己拍板负责。当大量专业能力变成随手可调用的基础设施,想象力、判断力和对结果负责的胆量,会被重新定价。
GPT-6把“把想法变成东西”的门槛削平了。以前用AI得把任务拆成步骤、反复调提示词,现在它自己上网搜数据、自己操作软件、自己做自我纠错。但这并不意味着3D从业者要失业。GPT-6在Blender里的材质节点搭配确实越来越合理,用两张Noise模拟生锈和法线凹凸,完全是入门者的正确思路,留给玩家吐槽的空间不多了。但门槛越低,对使用者“想清楚自己究竟要什么”的要求就越高。用Codex规划场景大形,调用生成式3D工具填细节,最后自己拍板负责。当大量专业能力变成随手可调用的基础设施,想象力、判断力和对结果负责的胆量,会被重新定价。
历史事件回溯
当前事件
GPT-6引爆3D生成应用
- 核心技术:多模态原生3D生成
- 应用场景:现成3D资产快速生成
- 行业影响:颠覆传统3D建模工作流
2023年12月
Luma发布Genie文生3D
- 核心技术:基于NeRF快速重建3D
- 应用场景:单图生成3D资产
- 行业影响:大幅降低3D创作门槛
2023年3月
OpenAI发布Shap-E模型
- 核心技术:扩散模型生成隐式函数
- 应用场景:文本或图像转3D
- 行业影响:开启文生3D探索热潮


当前文章无评论,是时候发表评论了