# GPT-6 Astra 3D建模实验：从爆炸视图到动捕，一条龙跑通

> 原标题：GPT-6 Astra 3D建模能力的一些实验：爆炸视图，绑骨动捕，和视频生成

- 来源：Computing Life · 鸭哥
- 发布时间：2026-09-06T05:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/55265
- 原文：https://yage.ai/gpt-6-astra-3d-modeling.html

## 摘要

作者用 GPT-6 Astra 在 Blender 里做了几个端到端的 3D 实验。第一个是让模型自己上网调研，半小时左右建出东方 Project 博丽神社的模型，虽然树木面数低，但整体风格和布置都挺可爱。接着又让它生成爆炸视图组装动画，并把场景移植到浏览器里加第一人称行走和碰撞检测，可以直接在网页里逛神社。人物建模目前还不太行，和原作差距大，需要大量...

## 推荐理由

作者用 GPT-6 Astra 跑了一组端到端的 3D 实验，从建模到动画再到网页交互，产出具体、时间明确，不是空谈能力。人物建模部分作者自己承认还不太行，和原作差距大，所以整体实用性先打个折，但场景建模和快速原型这条线已经够扎实。分数没给更高，是因为实验范围有限，且人物生成这块验证偏弱。

## 锐评

这篇实验记录最值钱的地方是跑通了从建模到交互的完整链条，而不是单点炫技。作者让模型自己上网调研、建模、做爆炸视图动画，再移植到浏览器加碰撞检测，最后甚至绑骨可达鸭写了个网页动捕 App，整个流程的工程完整性比单纯出一张渲染图有意义得多。半小时左右出神社模型，几十分钟出组装动画，几小时出带旁白音效的科普视频——这些时间数字说明，在建筑和场景建模上，AI 已经能把交付周期压到个人创作者能接受的范围。

但有几个关键信息是缺的。正文完全没提每次任务的 token 消耗、API 费用和端到端延迟，只说“比人力公司好了一两个数量级”，这个判断没有数字支撑。另外，人物建模被明确标注为短板，和原作差距大、需要大量手动微调，说明模型对有机形态和风格化角色的把控还不行。视频生成部分用了 Grok Imagine，作者自己也承认这个工作流打不过商业方案，只是探索了 Blender 关键帧加 AI 生成这条路线，别把它当成成熟产品。

最实用的产出是开源的 GitHub Skill，把让 AI 自我迭代的思路和 Blender 踩坑经验都打包了。如果你也想复现，建议先盯着建筑场景做，人物建模那部分可以先放一放。