随着 GPT-6 Astra 的发布，其在专业软件操控方面的突破引发了广泛关注，其中在 Blender 3D 建模领域的表现更是成为了讨论的焦点。然而，从首批测试者和专业从业者反馈来看，大众对 GPT-6 在 Blender 建模水平的评价呈现出极其明显的“两极分化”：一部分人惊呼其开启了 3D 创作的新纪元，另一部分人则认为其输出质量粗糙、离实际工业落地尚有很大差距。这种截然不同的态度，实际上反映了大语言模型在处理三维空间任务时的独特优势与现阶段的物理局限。
赞赏 GPT-6 建模能力的观点，主要集中在其对硬表面建模、空间布局以及自动化工程流程的处理上。在机械、产品设计和建筑等规则几何体建模任务中，GPT-6 展现出了惊人的空间推理与代码调用能力。测试显示，无论是根据一张真实房屋照片重建包含家具细节的完整 3D 场景，还是构建拥有数千个独立零部件的蒸汽火车、摩托车甚至复杂建筑，GPT-6 都能通过 Blender 的 API 或界面操控，生成结构清晰、组件可独立编辑的真正 3D 工程文件。它不仅能搭模型，还能顺带完成材质赋予、骨骼绑定、灯光运镜以及简单的动态动画制作。对于独立游戏开发者、前期概念设计和数字孪生原型制作而言，这种从自然语言或单张图片直接生成可运行工程的能力，大幅降低了三维创作的门槛，极大地提升了前期打样和关卡白盒搭建的效率。
然而，持否定或保留态度的使用者则指出了其不可忽视的短板。最突出的问题在于对非规则曲面和生物体建模的无力。在面对人脸、肌肉走向、角色服饰等需要精细雕刻的复杂连续曲面时，GPT-6 直接生成的模型往往形态怪异、失真严重，甚至被评价为“连入门水平都达不到”。此外，在工程质量方面，AI 拼接的几何体往往过于琐碎，容易出现穿模、悬空、对齐错误以及布线不标准等问题，给后续的人工修改带来了极高成本。在技术底层上，视觉语言模型跨多视角整合空间信息的能力仍存在缺陷，难以真正建立起人类建模师心中的“三维世界模型”。同时，高昂的 Token 消耗和动辄数十分钟乃至数小时的生成等待时间，也让不少尝试者感到落差巨大。
这种评价两极分化的根源，本质上在于测试场景与期待值的不同。评估结果的高度差异，首先取决于测试对象的类型：将 GPT-6 用于建筑外壳、工业零件等结构化强、规律明显的任务时，其表现堪称惊艳；而一旦将其推向角色手办、复杂生物等传统手工艺雕刻领域，其劣势便暴露无遗。使用方法的不同也拉开了效果差距。单凭简单提示词让 AI 硬刷界面，往往只能得到粗糙的“玩具”模型；而如果结合了专业的脚手架系统，让 GPT-6 作为调度中枢，配合专业 3D 生成模型提取角色部件，再通过代码指令进行精细装配和检查，则能产出接近商用标准的作品。
理性来看，GPT-6 在 Blender 中的表现既不是彻底颠覆 3D 行业的“完美神作”，也不是毫无实用价值的“营销噱头”。它真正改变的是三维内容的生产范式——将繁琐、重复的软件界面操作与基础几何体搭建交由 AI 执行，从而将人的精力释放到审美判断、空间构图与细节把控上。未来，随着技术路径的进一步清晰，GPT-6 负责空间调度与规则建模、专用生成式 AI 负责细节雕刻、人类设计师负责决策与精修的“混合工作流”，将成为三维创作领域最务实的发展方向。
