GPT-6 会建 3D 模型了，不是靠「生成」，是「会用 Blender」
那栋房子是它「操作 Blender」搭出来的
这是整件事的技术核心，也是最容易被演示效果盖过去的地方。
市面上的 3D 生成模型（比如各种 native 3D generator）走的是一条路：
给个提示或图片，模型直接吐出一个网格（mesh），大概九十秒出个基础模型。
Astra 走的是完全不同的另一条路——它像个会用软件的工程师那样操作 Blender 本身：
规划场景，写出真实的 Blender Python 代码来建对象、加材质、摆相机，然后无界面地跑 Blender 渲染出一帧，回头看这张渲染图，发现和要求不符就改自己的脚本，再渲染、再看、再改。
看它的模型页就明白了：Astra 的输入是文本和图像、输出是文本。
也就是说，那栋房子的几何体不是它「生成」的，是它写代码写出来的。
发布会那个把美术宫（Palace of Fine Arts）建进 Blender 的案例更说明问题——
它先查档案蓝图和老照片，写代码重建立面，用自己的渲染结果核对比例，比例不对再回去改，然后才继续。
扩散模型是凭想象画一个 3D 物体，Astra 是打开建模软件、一行行把它搭出来、边搭边照镜子—— 交给你的不是一张定格照片，是一个还能继续改的工程文件。 01. 这个区别为什么重要：它把生产过程交到你手里
直接生成 mesh 的模型有个天花板：
它给你的是一个成品，导出即用，但你很难在它内部继续精修——它不理解对象之间的坐标关系、相机、灯光、场景状态。
而操作 Blender 意味着 Astra 必须理解这些，还要理解「改这一步不能把前面几步毁掉」的动作顺序。
结果是它交给你一个可编辑的生产环境：打开那个 .blend 文件就能接着改、换材质、调布局。
对建筑、游戏场景、可玩原型来说，这等于把「一版可信初稿」的成本一下子打了下来。
有个游戏工作室 Playco 做过实测：
从一个灰盒地基出发，Astra 做出了三个能玩的游戏原型，而且开发过程中人工返工比传统流程少了约一半。
这个数字如果站得住，是实打实的效率变化。
02. benchmark 有硬提升，但漂亮数字要拆开看
支撑这些演示的能力，有个专门的测试 BenchCAD——考模型能不能从多视角渲染图反推出 3D 物体，
方式是让它生成 CAD 代码（CadQuery）去重建，一共 17900 个工业零件。
这里又有一个典型的「口径要较真」的地方：
口径 Astra GPT-5.6 Sol Claude Fable 5.1 BenchCAD 裸分 57.9% 37.3% 55.8% 几何重叠（带工具） 95.9% 83.3% 84.3%
被到处引用的是 95.9% 那个，听着几乎完美。
但那是带工具的几何重叠分；同一个 BenchCAD，裸分只有 57.9%。
57.9% 相比上一代 37.3% 已经是大跳，也确实领先 Claude，这是真进步——但和「95.9%，快满分了」给人的印象差着一个量级。
看这类发布，先分清厂商想让你记住哪个数、独立复核的又是哪个数。
03. 形状对了，离「能用」和「能造」还差最硬的一公里
这是我觉得最该给这波热闹泼的一盆冷水。
BenchCAD 这类测试本质上是形状匹配——重建出来的几何和目标重合度高不高。但形状对，不等于东西能用。
拿它另一个演示 KiCad 画电路板来说：
把电路原理图变成一块布好铜线的 PCB，形状匹配能做到，可真要送去工厂生产，还有公差、约束、可制造性检查一堆关卡要过——这些恰恰是形状匹配测不出来的。
3D 打印同理，模型好看没用，得检查壁厚够不够、要不要加支撑。
设计里最难、最值钱的那部分，往往就在「形状之后」。
⚠️ 还有几条早期测试者报的软肋：
规则几何（方盒子、机械件）它做得好，有机形体（人物、生物、自然造型）明显弱；
大型生产文件和陌生插件下的可靠性还没验证过；
社区疯传的那些 SolidWorks、复杂装配演示，多是创作者自己发的、未经独立复核——官方 demo 和网友 demo 得分开看。
一句流传的评价很到位：
这些作品「第一眼惊艳，第二眼有瑕疵」。
能走的曼哈顿不是能上线的 3A 场景，能玩的 Minecraft 克隆也不是 Minecraft。
04. 还有一笔账：自我纠错是要花钱的
「写代码→渲染→看图→再改」这个自纠错循环是它强的原因，也是它贵的原因。
一个开放式的探索任务，反复渲染反复改，输出 token 能堆到数百万，一次任务花掉十几美元甚至更多很正常（定价是输入 10 美元、输出 50 美元每百万 token）。
指令越模糊、越要它自己试错，账单越厚。
所以它省的是人工，费的是算力——这笔账划不划算，取决于你那个岗位的人工到底贵不贵。
05. 这波 3D 突破该怎么定性
我的判断是：
Astra 没有让「AI 生成 3D」更强，它做的是另一件更有意思的事——让 AI 成为专业 3D 软件的操作者。
它坐进了 Blender、KiCad 的驾驶座，会写脚本、会看结果、会返工。
这是从「给你一个资产」到「替你控制一段生产过程」的转变，也是它比单纯的 mesh 生成器更值得关注的原因。
但别把演示当成品。
它现在适合干的，是快速出可信初稿、搭原型、做那些规则几何为主的场景铺陈；
不适合的，是直接交付要送厂、要上线、要过公差和可制造性检查的终版——那一公里还得靠人。
更务实的用法，是拿原生生成器快速铺量产资产，再让 Astra 在隔离的原型文件上做深度编辑，最后留一道人工 QC 把关拓扑、材质和文件卫生。
说到底，它开始接管 3D 创作里「熟练的手上功夫」那一段，把人往上推到指挥和把关的位置。
它会用软件了，但要做出真正能送厂、能上线的东西，这一步暂时还得人跟它一起走。
