Agent时代3D生成大模型：从可交互到格式生态的胜负手-北京尧图网络

1. 从生成一张图到运行一个世界Agent改变了3D的验收标准过去半年我反复听到同一个问题3D 生成大模型的风吹了这么久为什么落地还是这么难大家习惯拿文生图的标准来要求它——出个赛博朋克街区、出个美人鱼觉得像就是胜利。但 Agent 一来整个底层的验收逻辑变了3D 大模型不再是给人看的渲染图而是要交给 Agent 去操作、去仿真、去改造、去塞进工业流水线里反复使用的资产。同一个模型人只在乎像不像Agent 在乎的却是能不能加载、能不能碰撞、能不能被控制、能不能连续生成一百个还保持一致。这个转变比很多人想得更根本。我用一个场景来说明。以前做游戏场景美术觉得这个石头好看就够了剩下的事情由建模师手动处理减面、展UV、加碰撞体、调物理材质。现在假设你有一个 Agent它可以听懂从第 3 棵树向右走 2 米放一块能供角色踩上去的石头。这时候那块石头必须满足的条件就完全不同了需要是一个封闭网格、需要有合适的碰撞代理、需要带物理材质参数、甚至需要匹配周围的光照风格和地形坡度。Agent 可不会像美术那样对着渲染图感叹一句真好看它在仿真环境里一跑撞穿了就撞穿了卡住了就卡住了。这也是为什么3d减面工具3d打印素材网站3d游戏跑图代码这些词最近被搜得很多——大家关注的已经不只是生成什么而是生成完的东西能不能被后续流程用起来。这个变化背后有一个更本质的转向3D 生成从一次性输出作品变成了多轮协作的资产生产。人使用生成模型往往调一次 prompt 出个结果就结束了Agent 不是这样工作的。Agent 的典型节奏是调用、检查、修改、再验证的闭环——它要先拿到一版模型发现碰撞不对然后重新生成或局部编辑再放回物理引擎里跑一遍确认通过了才继续下一步。这意味着生成模型必须支持增量修改局部控制结构化输出而过去大部分 3D 生成模型是为单张好看图设计的根本没有考虑这些接口。接下来行业竞争的胜负手恰恰就藏在这些被人忽略的细节里。1.1 Agent 到底给 3D 生成提了什么新要求我把新旧两套验收标准放在一起对比你会发现差距大到根本不是同一个赛道旧的验收标准渲染好看、多角度截图能发朋友圈、和 prompt 描述神似。新的验收标准能加载进引擎、有正确包围盒、可碰撞、可驱动、可编辑、带 PBR 材质、几何是流形网格、语义能被解析。旧的交互方式用户读文本模型出静态资产人肉检查。新的交互方式Agent 读文本模型出资产Agent 通过仿真器和规则检查器自动验收不合格就触发二次生成。我接触过的几个实际项目非常能说明问题。有人在做3d游戏跑图代码类的自动关卡生成Agent 负责把一个大型场景拆成若干可独立加载的区域然后让角色在场景里实际跑一遍。一路上所有物体都必须有真实的落脚点和碰撞响应否则游戏角色直接穿模整个方案就是废的。有人在搞3d打印机械臂毕业设计Agent 负责生成机械臂的结构件然后直接导出给切片软件。这个地方对模型的要求极其苛刻必须是封闭流形、不能有翻转法线、壁厚要达标。我之前用过某个知名生成模型导出 STL十次里有七八次是非流形网格光修复就花了一个下午。这种经历让我彻底明白生成得再好看过不了下游工具的硬校验就是零分。Agent 时代真正改变的东西是评判标准从人眼变成了程序——而程序是最不会通融的裁判。1.2 一个关键变化从一次性输出到多轮协作传统 3D 建模师的工作流大家都很熟白模搭建、雕刻细节、拓扑减面、展 UV、烘焙贴图、调材质、绑定骨骼、刷权重、做动画、导引擎。这一套流程在专业团队里要几天甚至几周。生成大模型想做的是把这个流程里最耗时的部分压缩掉但过去它压缩的往往只是雕刻细节这一环其他环节还是要靠人工去补。Agent 时代的期望是把整条流水线自动化。Agent 应该能做到让模型先生成一个基础白模自己检测到拓扑过于密集自动跑一遍减面发现没有 UV自动展平发现缺少碰撞体用程序化生成一个简化代理接着把结果丢进物理仿真里验证。这个过程中生成模型不再是孤立的图灵测试玩具而是整条自动化产线里的一个可编程组件。这个组件必须提供清晰的输入输出接口必须支持流式反馈必须在某个环节失败时给 Agent 返回可理解的错误信息。可现实是绝大多数 3D 生成模型连最基础的增量编辑都做不到。你想把一把椅子的扶手改成金属材质很多模型会把整把椅子重新生成一遍连造型都给你换了。Agent 在这种模型上是没法做决策的因为每一次局部调整都意味着全局失控。我在做自己的工具链时最大的感受就是多轮协作能力、增量修改能力比单次生成质量重要得多。因为 Agent 是一个状态机它需要每一步都稳定可控而不是每一步都抽一次奖。2. 先盘底牌三种主流技术路线现在能干到什么程度要讨论接下来比什么得先看清楚现在手里有什么。过去几年 3D 生成大模型的路线分化很明显我大体归纳成三条主线基于图像扩散先验的合成路线、直接对网格结构建模的 token 化路线、以及以重建为基础再做生成增强的路线。每条路线都有一批代表工作也都有自己绕不开的短板。2.1 文本/图像直接合成 3D从 NeRF 到高斯泼溅最早出圈的是 DreamFusion 这类分数蒸馏路线用一个预训练的图像扩散模型当评分器去优化一个三维表示最初是 NeRF让它在任何角度渲染出来都符合文本描述。这条路线的优点是通用性极强什么奇怪描述都能给你无中生有但缺点也非常明显——生成一个资产往往要几十分钟而且结果经常是侧面看还行转个角度就塌了。随后出现的多视图扩散路线典型如 Zero123、SyncDreamer 以及一系列基于视频扩散模型的方法改进了稳定性先用 2D 扩散模型生成多个视角的图像再把这些视角重建为 3D 模型。这条路线的生成质量明显提升速度也快了很多目前商业产品里用的多半是这类方案。但它有一个天然问题多视图之间经常不一致重建出来之后纹理会有明显接缝形状也会在某些角度发生扭曲。最近一两年高斯泼溅3D GS大火因为它渲染速度快、细节效果好特别适合做能看的立体照片。但高斯泼溅本质上是一堆带颜色和形状参数的高斯椭球根本不是一个可编辑的三角形网格。你可以拿它做 VR 展示、做短视频、做数字孪生看板但你没法把它丢进物理引擎做碰撞没法给它做骨骼绑定也没法直接导出给 3D 打印机。我自己的判断是3D GS 是一个很好的渲染表示但离资产表示还有很远的路。2.2 结构生成路线网格 token 化尝试这是更难但更接近真 3D的一条路线代表方向是把三角形网格离散成 token 序列然后用自回归模型去预测网格的结构。MeshAnything 这类工作的思路就是把生成网格当作生成一段结构化的代码来处理输出的是有明确拓扑结构的三角形网格而不是隐式场或者点云。这条路线的优点显而易见生成的模型几何干净、可以直接编辑、可以被传统图形学管线接受也更容易保证流形性和拓扑正确性。但它的缺点也很现实——目前细节丰富度、纹理质量还拼不过渲染派的方法生成复杂物体时结构容易出现合理但笨拙的形态。换句话说它赢在可用性输在惊艳感。我自己测过几款这类模型能明显感觉到它们在几何可编辑性上的优势导出到 Blender 之后减面、挤出、加倒角这些操作都能正常做这是高斯泼溅完全给不了的体验。如果问我更看好哪条路线成为最终主流我押结构生成因为 Agent 和工程管线要的不是好看的像素而是能处理的结构。2.3 重建与生成结合从多视图恢复 3D第三条路线是重建生成增强。所谓重建是从真实物体的多视角照片或者深度相机数据里恢复出 3D 模型所谓生成增强是在重建结果的基础上补全缺失的部分、修复破洞、增强纹理。最近的3d结构光相机这类硬件热度上升本质上是大家意识到完全无中生有地生成复杂的真实世界物体比如一把具体的椅子、一个人的全身像仍然不靠谱但用真实扫描数据打底再让生成模型去补全和优化是目前最可能快速商用的路线。从 Agent 的角度看这条路线有一个巨大优势重建出来的模型天然带有真实世界的几何比例和物理特性这对于仿真任务非常重要。比如你想让 Agent 在数字孪生场景里操控一台真实设备的操作流程那这台设备的模型必须和真实尺寸一致而不是看着像那么回事。生成模型如果充当重建管线的修补器和增强器它能发挥的价值非常明确把不完整的扫描变成完整模型把低分辨率网格变成可用的高精度资产把缺纹理的模型补上合理贴图。我也见过很多工具把这几条路线混着用先用多视图扩散出初步模型再用重建算法做多视角约束优化最后丢给一个网格修整器保证拓扑干净。落地时没有谁规定只能用一种技术组合拳往往才是性价比最高的解法。3. 第一场较量可交互、可仿真、可驱动而不是可截图前面说了那么多背景现在进入正题Agent 时代3D 生成大模型到底在哪些维度上分胜负我把最重要的博弈场拆成三个第一个就是可交互性。这里说的可交互不是网页里转个角度看看而是下游系统真的能在物理世界或者虚拟世界里跟它发生作用。3.1 为什么 Agent 比人类更快撞上交互墙人类检查一个 3D 模型看一眼渲染图拖拽两下视角觉得没问题就过了。Agent 可没有这种审美直觉它验证一个模型的方式是把模型加载进场景然后对该物体施加移动、旋转、碰撞、抓取等动作看系统是否给出符合预期的响应。举个例子。你要让一个 Agent 在仿真环境里做把桌上的杯子放进抽屉这个任务。Agent 拿到一个生成出来的杯子模型第一件事就是检查它的物理属性是不是封闭网格重心在哪摩擦系数设了多少碰撞体有没有生成如果模型只是一个好看的表面外壳里面是空心或者充满自相交面那仿真器的刚体解算器会直接报错Agent 的任务第一步就卡死了。人眼根本看不出这些问题但程序一跑立刻露馅。我在自己项目里遇到过非常典型的事用某款模型生成的建筑模型渲染出来精美绝伦导进 Isaac Sim 之后墙体和地面之间存在肉眼不可见的微小缝隙角色走上去直接掉穿地面。排查了很久才发现是网格没有做闭合处理。后来我学乖了把模型通过率校验做成了管线里的强制步骤检查流形性、检查法线朝向、检查水密性不通过就直接打回重生成。这套规则一加上整个系统的可用性提升了一个量级。这就是为什么我说 Agent 会逼着生成模型往可交互方向走——因为幻觉式的模型在守门程序面前毫无生存空间。3.2 交互性分四层展示、变换、物理、控制我把当前 3D 资产需要的交互能力拆成四个层次每个层次对技术栈的要求完全不同展示层模型可以被旋转、缩放、场景漫游。这是大多数生成模型已经做到的本质上只需要网格和纹理。变换层模型可以被编辑比如局部修改、重新着色、部件拆分组装。这需要生成结果有可编辑的结构高斯泼溅这类表示就做不到。物理层模型参与刚体/软体仿真有质量、碰撞形状、材质属性。这要求封闭网格和标准物理属性目前大部分生成模型缺失严重。控制层模型可以被驱动比如角色骨骼动画、机械臂关节运动、车辆轮子滚动。这需要生成时就预留关节结构和绑定信息。把这四层排开你就知道为什么现在很多生成模型让人又爱又恨它们大多只过了展示层在变换层就开始吃力物理层基本是瘸腿控制层几乎没有。接下来竞争的焦点会非常集中地落在物理层和控制层上。3.3 当前模型的短板和已经出现的解法短板很清楚高斯泼溅没有拓扑没法碰撞网格生成模型的拓扑经常非流形做不了仿真PBR 材质通道粗糙度、金属度、法线、AO常常缺失导致模型在不同光照条件下表现不可控骨骼绑定和关节信息则几乎没有模型原生输出过。针对这些问题行业里已经出现了一些实际解法。一是在生成之后串一个可编辑化管线把高斯泼溅或多视图结果转成网格做重拓扑再程序化生成碰撞代理和简化碰撞体。二是让模型同时输出多套侧写比如视觉高模物理低模材质球的分层结构分别供给渲染管线和仿真管线使用。三是构建物理仿真驱动的评测集——不再是纯肉眼比质量而是检查模型在仿真器里能不能稳定运行多少秒碰撞检测通过率是多少关节运动范围合不合法。我自己的实操建议是如果你现在要接一个 3D 生成模型进生产管线先在输出端做一道转换要求它输出 glTF/GLB 格式并且强制附带独立的碰撞体信息。这一步能过滤掉大量中看不中用的结果。千万别等到下游仿真跑挂了再回来找问题那会儿排查成本是前置检查的十倍不止。4. 第二场较量复杂指令下的语义一致性与长程可控交互性是第一道门槛过了这道门槛之后第二场真正的较量在于理解和听话的能力。说直白一点3D 生成大模型能不能读懂复杂的空间语义、规则约束和多轮指代并且在整个长流程里保持一致性。4.1 让模型听懂带条件的复杂指令现在的主流生成模型你给它一句生成一把红色椅子基本都能给出不错的结果。但是如果你说生成一把木质的、靠背不要超过 80 厘米的、坐垫是蓝色皮革的、放在一个同样为木质的地板砖旁边但不遮挡窗户的椅子大多数模型就开始胡来了——不是漏了条件就是把条件互相矛盾地处理。这类带约束指令之所以难是因为它不只是名字到像素的对应还涉及数量、空间关系、材质属性、物理尺寸和部件逻辑。模型需要把自然语言解析成一棵结构化约束树再在生成过程中逐一满足。现在不少团队在做的是语言条件布局条件几何条件的多模态约束注入把自然语言转成规则再通过注意力机制把规则绑到生成的网格区域上。这条方向很早期但一定是接下来的工程重点。我在实际测试里见过一个直观的差距用普通文生 3D 模型生成一张桌子和四把完全相同的椅子椅子要均匀分布在桌子四周模型往往会给你四把各不相同甚至歪歪扭扭的椅子。原因很简单——模型缺乏对同物体多实例一致性的建模能力。这个问题在 Agent 场景里极其致命因为 Agent 经常需要批量生成同一规格的资产比如一排路灯、一片围栏、一面幕墙任何一个形变个体都会打破整个场景的可信度。4.2 Agent 记忆带来的风格锚定与个性化最近agent记忆这个词讨论得很火热它对 3D 生成的影响经常被忽视。Agent 在工作过程中会积累大量的上下文和用户偏好比如这个项目里所有建筑都应该是维多利亚风格所有车辆的颜色不超过三种主角旁边的物体不能太碎。这些偏好如果能在 3D 生成时作为条件注入就能形成非常强的风格锚定效果。举个具体场景。你要做一个 3D 动画看板类项目需要 Agent 持续生成一整条街区的模型。如果每次生成都是独立随机那么整条街区会看起来像大杂烩但如果 Agent 把第一栋建筑的风格特征提取出来转成某种风格 embedding后续每栋建筑都带着这个 embedding 去约束生成整条街区的风格统一度就会有质的提升。我在自己的管线里试过类似做法把已通过验证的模型特征写进记忆库作为下一次生成的参考条件效果比每次凭空重生成稳定很多。这一块还会牵扯出另一个需求——增量编辑。Agent 在修正场景时通常只说把这个把手的材质换成金属的其他地方不变而不是要求重做整个模型。局部编辑、区域掩码、属性替换这些能力目前非常稀缺但它们恰恰是多轮协作型 Agent 最依赖的交互方式。我认为谁能在局部可控编辑上做出突破谁就能在 Agent 工作流里率先成为不可替代的基础设施。4.3 长程任务中的一致性与评测指标长程一致性还有一个被大量低估的维度时间一致性。Agent 经常需要同一个场景在不同状态之间切换比如同一间会议室白天/晚上的光照同一辆车普通形态/展开形态。当前 3D 生成模型本质上没有追踪实体状态的概念每次生成都会重新抽卡导致同一个实体在不同时刻看起来像换了个人。这个问题在大规模场景生成时尤其明显也直接决定了 3D 生成能否进入影视预演、数字人、交互叙事这类强一致性领域。评测方面传统的 CLIP 分数、FID 指标显然不够用了。我比较看好指令遵守率局部保持率实体一致性这样的组合指标指令遵守率衡量条件有没有被满足局部保持率衡量在做局部编辑时其他部分有没有被破坏实体一致性衡量同一个实体在不同批次生成中能否保持稳定。Agent 场景里的真实标准就应该是这类任务成功率而不是单张渲染图有多好看。5. 第三场较量格式、管线与生态嵌入决定谁能真正被用起来如果说交互性和可控性决定了模型能不能用那格式、接口和生态嵌入则决定了模型会不会被用。这可能是最少被讨论、却在落地时最致命的一个分水岭。我自己在工程里被格式问题坑过太多次必须专门拿出来说。5.1 接口即产品Agent 如何调用 3D 大模型很多 3D 生成模型的 API 设计还停留在传一句文本返回一个文件链接的阶段这在 Agent 工作流里根本不够。Agent 需要的是一个有状态、可交互、支持过程反馈的服务接口。一个合格的产品化接口至少应该包含这些能力异步任务管理生成一个高精度模型需要时间Agent 不能一直阻塞等待得有任务 ID、状态查询和结果回调。增量更新接口允许对已有模型发起局部修改请求而不是每次全量重生成。过程反馈进度事件、错误事件、资源占用报告让 Agent 能在中间态做决策。版本追溯一次生成结果的历史记录和参数回放方便 Agent 在失败时回溯原因。我见过一些团队把 3D 生成能力封装成 Agent 可调用的 skill/工具但这个封装远不止加一个函数调用那么简单。你要设计输入输出的 schema比如位置、旋转、尺寸、材质通道、碰撞层级、LOD 等级你要定义错误码体系让 Agent 能理解生成结果非流形UV 超出边界这类专业问题你还要考虑并发调用时的资源隔离。这套东西做好之后3D 生成才真正被嵌入了 Agent 生态而不是挂在旁边当摆设。我顺手写一个极简的调用示意你会发现接口设计本身已经是产品力的一部分// Agent 请求生成带碰撞体的可交互椅子 POST /v1/assets/generate { prompt: 一把北欧白蜡木餐椅, format: gltf, need_collision: true, lod_levels: 3, callback: agent://scene/asset_ready, constraints: { max_triangles: 50000, watertight: true, pbr_channels: [baseColor, normal, roughness, metallic] } }返回的任务 ID 和进度事件让 Agent 可以随时查询生成状态并在完成后拿到资产的可编辑元数据。这套设计看起来不复杂但绝大多数现有生成服务都没做好。5.2 输出格式决定生态半径输出格式是另一道硬门槛。一张图只有一种格式PNG 你能看我也能看3D 资产不是这样不同下游场景对格式的要求完全不同。我做了张表你一定用得上格式典型场景关键要求当前生成模型满足度glTF/GLBWeb 渲染、游戏引擎、AR/VRPBR 材质、骨骼、动画槽位中等逐渐成为事实标准USD影视制作、工业仿真、Omniverse层叠结构、多资产协同低生成模型支持很少FBX游戏引擎、动画软件骨骼绑定、动画烘焙偏低依赖转换工具OBJ通用网格编辑、老工具链流形网格、UV 基本正确一般常带拓扑问题STL3D 打印、切片软件封闭流形、无翻转法线、壁厚达标差需要大量修复往下游看一眼你就明白为什么 STL 要求那么苛刻切片软件要把模型切成一层层的路径非流形网格会导致切层失败或者刀路乱飞。生成模型如果源头没有水密性保证后面的修复成本会比重新建模还高。这就是为什么3d减面工具3d打印模型网站这些词的搜索热度在悄悄上涨——大家真正缺的不是能生成模型而是生成完的模型能直接进入工具链。另一个长期痛点是人机协作时的可编辑性。美术也好、工程师也好拿到生成结果之后几乎总会做手动调整。如果生成结果是一个不可编辑的高斯泼溅或一张深度图那它就只能活在展示层里如果生成了三角网格人们至少还能做点局部修改。因此我在自己的项目里把输出可编辑网格列为最低要求宁可牺牲一点视觉精度也要保住下游的可操作性。5.3 数据闭环怎么搭最后是数据飞轮。过去 3D 生成模型的训练数据主要来自公开数据集和人工标注成本高、量也有限。Agent 时代带来的一个隐藏红利是Agent 每一次调用生成模型、检查结果、发现问题、发起修正本身就是在生产带标签的训练数据。这里的关键是工程上要把这些使用轨迹记录下来。我需要非常诚恳地提醒一句这个闭环如果设计不好记录下来的就是垃圾数据。因为 Agent 的反馈不一定准确用户在编辑工具里的操作意图也需要清洗。必须设计一个严谨的标注链路把 prompt、参数、生成结果、下游物理仿真的通过率、用户有没有做手动修复、修复了哪些部分全部记录下来经过清洗之后回填到训练集里。谁先把这套真实使用数据飞轮跑起来谁的模型就会越用越聪明这是比任何一次性的模型发布都更深的护城河。因为数据是模型能力的天花板Agent 在真实场景里的使用数据恰恰是质量最高、分布最接近实战的数据。6. 成本、评测体系与发展判断一些还没被充分讨论的细节到了收尾阶段我想聊几个在社区里不太被重视、但在实际决策里非常关键的问题。它们不直接决定模型的 SOTA 排名却往往决定一个项目能不能活下去。6.1 推理成本是隐形分水岭现在很多 3D 生成模型一次推理要消耗几十甚至上百秒的 GPU 时间单看一个 demo 觉得没什么但在 Agent 工作流里这个成本会被放大一个量级。Agent 可能要一边生成一边验证一个场景里反复生成几十个资产如果单个资产生成成本太高整个方案的经济模型就走不通了。我见过一个很务实的解法两级生成策略。先用一个秒级的轻量模型生成低精度的占位体blockout把场景布局、比例、碰撞关系定下来等 Agent 验证完整体逻辑之后再对最终选定的资产调用高精度模型做细化。这相当于把探索和定稿分开了避免每轮验证都用最贵的模型。成本优化这件事在 Agent 时代会变得比模型架构更实际因为它直接决定了你能不能让 Agent 无限循环地去验证和修正。这种策略带来的连锁影响是轻量级生成模型的地位会上升。大家会开始关注占位精度不错的 5 秒模型和顶级画质的 90 秒模型如何配合而不是一味追求单次生成的极致质量。6.2 评测该测什么从图像质量到任务成功率还有一个老问题该翻篇了——3D 生成的评测指标。过去大家比的是多视角渲染的视觉质量、几何精度、文本对齐程度这些指标对给人看的应用有意义对 Agent 场景意义有限。我给自己的项目设计了一个很朴素的Agent 就绪度评估框架分四关打第一关可加载性。模型能否直接被主流引擎或工具链以标准格式加载不报错、不丢失信息。第二关可交互性。模型在物理仿真里能否稳定参与碰撞检测和刚体模拟运行过程中不出现穿透和数值爆炸。第三关规则符合性。模型是否满足 prompt 里的硬约束比如数量、空间位置、尺寸范围、材质要求。第四关多轮一致性。在增量编辑和连续生成中同一实体的外观、结构和工作状态能否保持稳定。这套框架并不复杂但它能挡住非常多渲染图好看但根本没有工程可用性的模型。我倾向于认为未来 3D 生成领域的 Benchmark 会逐步从纯图像指标变成任务成功率指标只有能在 Agent 自动化流水线里跑完整个任务的模型才配叫高分模型。6.3 我对接下来几个小趋势的个人判断说一点我自己的观察和预判不一定对但都是我实际做项目之后的体感。第一几何生成和渲染生成会重新合流。现在行业里的网格派和渲染派还在互相看不上但 Agent 场景同时需要几何可编辑性和视觉表现力最后一定会逼出先生成干净拓扑再叠加高质量渲染细节的混合架构单一表示打天下不现实。第二开源的基础生成模型加场景微调会跑在前面。Agent 的场景高度垂直化每个行业对 3D 资产的要求差别巨大游戏要风格化、工业要尺寸精准、电商要质感真实。靠一个大一统模型吃所有场景行不通开源底座加场景专用微调是最经济的路径。第三仿真驱动型 3D 生成会先于艺术欣赏型 3D 生成得到大规模商业化。给电商做展示商品和给机器人仿真做可交互环境前者来钱快但后者壁垒更深、粘性更强。等仿真侧的管线成熟之后技术能力反而会外溢到影视和游戏里你会看到很多做物理仿真很在行的团队最后反而把艺术表现也做得很好。最后分享一个我自己的实操体会做 Agent 和 3D 生成结合的项目千万别一上来就追着模型参数跑。我踩过的最大的坑就是把大部分时间花在调 prompt 和刷榜单指标上结果接进实际管线的时候因为输出格式不规范、缺少碰撞信息、不支持增量编辑几乎推倒重来。现在我给自己的团队立了一条规矩先治输出再谈生成。把 glTF/GLB 的规范输出、碰撞体预留、PBR 通道、任务式接口全部定死再去迭代模型能力。这样一来哪怕模型本身只进步了 10%整个系统的可用性都会因为管线顺畅而进步三五倍。这套思路在接下来至少在一年多的时间里我觉得都是适用的。

Agent时代3D生成大模型：从可交互到格式生态的胜负手

相关推荐

Leviathan实现原理（三）：keyed slot替换、去重合并与秘密守卫的多层防线

ESP-Mosaico模块化架构：ESP32物联网开发解耦与总线通信实践

从Vision China看机器视觉技术风向：大恒图像展台深度解读与逛展指南

更多资讯

二分查找解决愤怒的牛问题：最大化最小距离算法

React Native鸿蒙跨平台开发：列表视图实战指南

服务器配置与优化实战：从硬件选型到性能调优

ONLYOFFICE大文档处理崩溃问题优化方案

模板代码安全风险与增强实践指南

DirectX 9.0 SDK免安装版：绕过注册表与VC++依赖的离线开发方案

今日更新

基于YOLOv11的石油泄漏智能检测系统开发实践

AI行业变局：合规、Mod化与上下文管理的实战启示

计算机视觉与AI原生应用融合的技术实践

本周精选

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？