机器之心发布 9 月以来，全球顶尖大模型几乎都在秀 3D。 从 GPT-6 Astra、Claude Opus 5.5 到 DeepSeek V4.1-Flash-1017、Kimi K3.1 Pro，三维创作正在成为展示模型能力的新场景：一句话搭建房间，用代码构造机械装置，甚至直接生成可以操作的 3D 网页。随着编程与工具调用能力进步，过去需要在多款专业软件之间辗转的工作，开始被串进一段自然语言驱动的流程。 当演示变成真正的创作，问题也随之变得具体。 角色能不能更像参考图？机械装置的部件能不能独立运动？生成的资产能不能顺利进入游戏引擎？第一版不满意，能否只修改其中一部分，而不必全部重来？ 10 月 30 日，Kimi 官方公众号发布了一篇 3D 创作教程贴，文中提到，对于适用于人物、动物角色、雕像、怪兽和复杂道具等精细建模的网格化建模，K3.1 Pro 等大语言模型「暂时还做不太好」，为了确保良好体验，在用户发起人物、动物等更适合网络化建模的任务时，Kimi 会自己整理好提示词与参考图，并调用 Tripo 等模型来完成。 这揭示了一个正在发生的变化： 大语言模型越能推进复杂的 3D 项目，对原生三维能力的需求就越具体。 Agent 可以规划任务、编写代码、检查运行结果，但它还需要足够准确、生成迅速、结构清晰的三维对象，才能继续编辑、控制和组织交互。代码智能与 3D 原生智能之间，正在形成新的协作方式。 对研究者而言，这也意味着一批新问题开始集中出现：三维结构应该如何表征？生成与编辑如何保持一致？模型怎样理解部件功能与空间关系？一个被生成的对象，又如何进一步进入持续演化、可以交互的世界？ Tripo 背后的公司 VAST（三启万物），正在沿着这些问题推进两条研究主线：一条是以 Tripo 为核心的原生 3D 生成与理解，另一条是以 Eden 为代表的世界模型探索。 近日， VAST 发布新一期 V・STAR 顶尖人才计划。在 3D 生成基础模型之外，三维理解与智能体、世界模型也被明确列为招募方向，面向 3D 生成、视频生成、LLM 后训练与 Coding Agent 等领域的青年研究者。 为什么是这些方向？又为什么有一批顶尖的年轻研究者，选择在这里开始自己的职业生涯？ 答案藏在模型走向用户的过程里，也藏在一些尚未成为行业共识时，就已经开始讨论和实验的研究问题中。 Agent 时代需要的 3D 基座模型 回顾近一年引发关注的「LLM+3D」项目，Tripo 是一个反复出现的名字。 独立开发者 Sac 用 Claude、Tripo 与 Blender 组成工作流，仅用 16 天，就将《小王子》中的星球变成了可以探索的 3D 场景，作品在 X 上收获上万点赞，并获得 a16z、Marc Lou 等顶级机构与 KOL 的转发； 开发者 @thebuggeddev 将 GPT、Codex 与 Tripo 结合，制作了可以在网页中查看和操作器官模型的 3D 人体解剖应用，后来被 OpenAI 联合创始人兼总裁 Greg Brockman 转发； 在 Anthropic 举办的 Claude Build Day 黑客松中，创作者 Holly 借助 Tripo 复原南禅寺中的五座大佛，以唐代木构建筑为核心的作品获得一等奖； 上海交通大学空间智能与虚实融合设计实验室主导的 “司图 SITU” 文化遗产智能体，则通过 Tripo 与 Kimi 的协作，三维重建了跨越千年的丝绸之路。 这些项目的题材不同，却共享着一条创作路径：大语言模型承担规划、编程与流程组织，Tripo 提供专业的三维生成能力，创作者再将它们组合成真正可以体验的作品。 支撑这种协作的，首先是基础模型能力。 从今年 3 月至今，Tripo 系列模型在累计超过 20 万用户投票的第三方评测榜单上，已连续 8 个月位居榜首。其中，H 系列持续刷新行业精度天花板，P 系列则是全球唯一能够在数秒内输出生产级网格的 3D 大模型，从另一条路径贯彻 “生成即可用” 的底层哲学。 今年 3 月，VAST 推出 Tripo P1.0，并于 9 月更新 P2.0，后者能够在数秒内直接生成以四边面为主、面数可控、部件拆分更合理的 3D 对象。 这些特性对普通观看者未必显眼，对开发者和 Agent 却很关键。 生成足够快，才能支撑 “生成 — 运行 — 检查 — 修改” 的多轮迭代；几何复杂度可控，才能适配网页、移动端与实时应用的性能预算；拓扑更规整，才能减少后续编辑与动画制作的障碍；部件拆分更合理，代码才更容易定位并操控对象的不同部分。 VAST 首席科学家曹炎培做过一个直观的实验：先用 P2.0 生成机械蜘蛛，再基于模型天然形成的部件结构，让 LLM 为独立部件命名、编写并调试运动逻辑，最终实现整只
