逆风呢喃

近日 OpenAI 发布了最新的 GPT-6 Astra，在官方介绍视频中提到 Astra 在 3D 建模能力上进步明显，决定亲自试试。

测试介绍

测试非常简单，将物品照片交给 Astra¹，让它调用 Blender 制作 3D 资产。我只提供参考图片²、文字描述的需求和反馈，建模过程由 Astra 自主完成。

核心要求包括：

• Sim-Ready：仿真动态交互，例如抽拉、转动、按压等；
• 视觉逼真：看齐近距离产品渲染品质；
• 三维一致性：脑补未拍到的区域，推测尺寸和重量，建模内部结构等。

下面我们直接看几个具体的例子。

测试例子

遥控器

遥控器输入仅有一张正面图片，因此正面的按键布局有据可依，但背面和电池仓细节等则需要 Astra 自行补全。

Astra 建模结果的渲染图片：

抽屉柜

抽屉柜输入也是单张图片，且不包含拉开后的内部结构。核心是测试交互结构和内部结构的建模。

Astra 不仅建模了完整抽屉箱体、导轨和把手等，还包含四个转向脚轮和随动支撑轮：

洗地机

洗地机给了两张参考图片，一张整体，另一张聚焦于头部。

Astra 建模了不同部件的动态结构，例如头部俯仰、侧倾，滚刷与后轮转动等。

咖啡机

咖啡机给了两张参考图，图中除了目标物体咖啡机外，还包含了若干干扰物体³（咖啡杯以及牛奶）。

Astra 很好地去除了干扰物体，并建模了咖啡机的各个活动组件。

冷冻柜

冰激凌商业冷冻柜的5张图片都来自 1688 商品介绍页面的截图。

Astra 不仅建模了外部的抽拉门，也对冷柜内部支架进行了建模。

此外，机身的纹理贴图则调用了图像生成工具进行展平。

电煮锅

这三张参考图来自我自己手机实拍。

这里温度调节器的建模结果相较于真实物体而言，存在明显的错误外凸。但如果作为「生成」而非「重建」任务进行评估，似乎也可以接受这种差异。

篇幅所限，更多建模细节增强、资产复杂度统计信息以及 Token 消耗等列在了 GPT-6 Astra 3D 建模（二） 细节补充。

---

附录一：3D 白模预览

附录二：制作流程

Astra 总结出的建模流程，可概括为四步：

1. 读图并推断结构。 从轮廓、比例和可见接缝判断零件，估计尺度，再根据交互需要补出背面和内部。
2. 按活动关系分件建模。 壳体、盖板、抽屉和按键各自独立，建模时就安排转轴、通道与间隙。
3. 分别处理外观与碰撞。 精细网格表现材质和局部细节，简化几何承担碰撞，再配上质量、关节限位和驱动。
4. 自主检查，再迭代修改。 渲染整体与近景，展开活动部件，结合图像和几何检查判断哪里需要重做。