Sau cơn sốt GPT-6 Astra, cuộc đua tạo mô hình 3D đã bước sang trang mới

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

23/09/2026 13:01:24 Nguồn: QbitAI

Hiệp hai đã bắt đầu.

Ting Yu đưa tin từ "Ao Fei Si", QbitAI | Tài khoản chính thức QbitAI.

Có ai mà chưa bị những video demo GPT-6 Astra tạo mô hình 3D "oanh tạc" khắp các trang mạng xã hội không chứ!

Viết code, điều chỉnh Blender, dựng bối cảnh, thậm chí tạo ra một trò chơi 3D từ con số không.

Những công việc trước đây vốn tốn hàng giờ đồng hồ loay hoay trong các phần mềm chuyên dụng, giờ đây chỉ cần một câu lệnh là Agent có thể tiếp quản.

△ Nguồn ảnh: Xiaohongshu

Tuy nhiên, màn thể hiện của GPT-6 Astra cũng đặt ra một vấn đề bất ngờ cho ngành tạo mô hình 3D:

Khi các mô hình ngôn ngữ lớn (LLM) đa năng đã có thể tự dựng mô hình, liệu các mô hình tạo 3D chuyên dụng còn hữu dụng không?

Thực tế, GPT-6 Astra rất giỏi trong việc hiểu mục tiêu, phân tách nhiệm vụ, đồng thời có thể hoàn thiện các cấu trúc cơ khí, linh kiện công nghiệp thông qua code và các hình khối hình học cơ bản.

Nhưng khi gặp các đối tượng có bề mặt phức tạp và chi tiết dày đặc như cơ thể người, động vật hay các đạo cụ cầu kỳ, chúng ta vẫn cần các mô hình 3D chuyên dụng để cung cấp hình học, lưới (mesh) và chất liệu hoàn thiện hơn.

Mô hình đa năng chịu trách nhiệm "tư duy cách làm", còn mô hình 3D chuyên dụng chịu trách nhiệm "tạo ra mô hình phức tạp một cách chỉn chu".

Điều này cũng có nghĩa là, tạo mô hình 3D đang đón chào thế hệ người dùng tiếp theo: Agent (Tác nhân AI).

Trước đây, các sản phẩm tạo 3D chủ yếu phục vụ người sáng tạo. Cạnh tranh trong ngành xoay quanh tiêu chuẩn "Production-Ready" (Sẵn sàng cho sản xuất) – ai tạo ra tài sản có chất lượng cao hơn, dễ kiểm soát hơn và dễ đưa vào quy trình sản xuất hơn, người đó sẽ chiếm ưu thế.

Khi Agent bắt đầu tiếp quản các nhiệm vụ sáng tạo, tiêu chuẩn đánh giá lại có thêm một tầng mới.

Chất lượng mô hình vẫn là nền tảng, nhưng năng lực 3D còn phải được Agent hiểu và gọi lệnh được. Đối mặt với các đầu vào khác nhau, hệ thống cần tự phán đoán lộ trình dựng hình; sau khi tài sản được tạo ra, nó còn phải hỗ trợ Agent tiếp tục chỉnh sửa, tách lớp và gia công.

Đây cũng chính là tiêu chuẩn cạnh tranh mới của tạo mô hình 3D trong kỷ nguyên Agent – "Agent-Ready".

Sự thay đổi này thể hiện việc tạo mô hình 3D đang chuyển mình từ một công cụ đơn lẻ chờ con người thao tác, trở thành một năng lực chuyên môn trong quy trình làm việc của Agent.

Con người có thể trực tiếp khởi tạo sáng tạo trong sản phẩm, và các Agent bên ngoài cũng có thể gọi lệnh tạo 3D dựa trên nhu cầu nhiệm vụ để thúc đẩy các quy trình tiếp theo.

Nhưng khi người dùng của công cụ 3D mở rộng từ con người sang Agent, một vấn đề mới lại nảy sinh: Liệu Agent có thể hiểu được dữ liệu đầu vào, chọn đúng lộ trình dựng hình và tiếp tục chỉnh sửa sau khi mô hình đã được tạo ra hay không?

Chế độ "Agentic Mode" vừa được công ty mô hình lớn tạo 3D hàng đầu quốc tế Hyper3D ra mắt hôm nay chính là đi theo lộ trình này.

Agent sẽ tham gia vào việc sắp xếp đầu vào, phân tích ảnh tham chiếu và lựa chọn lộ trình dựng hình, tiếp quản nhiều phán đoán chuyên môn hơn trong quá trình dựng và liên tục thúc đẩy nhiệm vụ xoay quanh mục tiêu sáng tạo.

Các mô hình Low-poly N-GONS được tạo ra còn có thể tiếp tục điều chỉnh tham số, gọi các preset hoạt ảnh và tăng cường chất liệu.

Từ "Production-Ready" đến "Agent-Ready", trọng tâm cạnh tranh của tạo mô hình 3D đang mở rộng từ "liệu có thể tạo ra tài sản sử dụng được không" sang "liệu có thể để Agent thực sự sử dụng được các năng lực 3D chuyên sâu hay không".

Không cần sắp xếp ảnh nữa, cứ ném tất cả vào một lượt.

Agentic Mode thể hiện ra sao trong việc tự động tối ưu hóa đầu vào?

Ở vòng đầu tiên, tôi đã chuẩn bị sẵn 5 bức ảnh sản phẩm khác nhau.

Nhân vật chính đều là cùng một chiếc quạt để bàn phong cách cổ điển, nhưng mỗi bức ảnh lại cung cấp thông tin khác nhau.

Bức đầu tiên là ảnh chụp chính diện sản phẩm, có thể thấy thân máy màu xanh lục đậm, cánh quạt màu kem và chân đế bằng đồng; bức thứ hai chụp từ phía sau, để lộ vỏ động cơ, lỗ tản nhiệt và dây nguồn.

Bức thứ ba chỉ chụp lưới bảo vệ, trục xoay và gốc cánh quạt; bức thứ tư là ảnh chụp mặt bàn bừa bộn, bên cạnh quạt còn có máy tính, sách, cốc và cây cảnh.

Cuối cùng là một thẻ thông số kỹ thuật, mô tả bằng văn bản về số lượng cánh quạt, chất liệu và màu sắc các linh kiện.

Với các công cụ tạo 3D từ nhiều ảnh thông thường, đầu vào tối ưu thường là một nhóm ảnh tham chiếu đã được chuẩn bị kỹ: chủ thể đồng nhất, góc chụp bổ trợ cho nhau và hậu cảnh càng sạch càng tốt.

Mặc dù một số công cụ đã hỗ trợ xóa nền và tăng cường hình ảnh, nhưng khi gặp các ảnh bối cảnh, ảnh cận cảnh chi tiết và thẻ văn bản trộn lẫn vào nhau, người dùng thường vẫn phải tự tay chọn ảnh, cắt ảnh, thậm chí chỉ định các góc nhìn khác nhau.

Ở đây, tôi trực tiếp ném cả 5 bức ảnh vào Agentic Mode cùng một lúc để xem nó có thể tạo ra kết quả như thế nào.