如果你最近关注大模型的更新，会发现一个明显的风向：从 9 月开始，全球头部模型几乎集体秀起了 3D 能力。GPT-6 Astra、Claude Opus 5.5、DeepSeek V4.1-Flash-1017、Kimi K3.1 Pro——一句话搭一个房间、用代码构造机械装置、直接生成可操作的 3D 网页，三维创作突然成了各家展示实力的新场景。

但真正用起来，问题也很具体：角色能不能更像参考图？机械部件能不能独立运动？生成的模型能不能直接进游戏引擎？第一版不满意，能不能只改局部而不是全部重来？

10 月 30 日，Kimi 官方公众号的一篇 3D 创作教程里坦白了一件事：对于人物、动物、雕像这类精细的网格化建模，K3.1 Pro 这样的大语言模型「暂时还做不太好」，所以 Kimi 会在用户发起这类任务时，自己整理好提示词和参考图，转去调用 Tripo 这样的专业 3D 模型来完成。

大模型写代码，谁来生成它能操控的三维对象？

这背后是正在成形的一种新分工：大语言模型负责规划任务、写代码、检查结果，专业的 3D 原生模型负责生成结构清晰、可被继续编辑的三维对象。

Tripo 是过去一年「LLM+3D」项目里反复出现的名字。几个典型案例：

• 独立开发者 Sac 用 Claude + Tripo + Blender 的组合，16 天把《小王子》的星球做成了可探索的 3D 场景，在 X 上收获上万点赞，还被 a16z、Marc Lou 转发；
• 开发者 @thebuggeddev 结合 GPT、Codex 与 Tripo 做了可交互的 3D 人体解剖网页应用，获得 OpenAI 总裁 Greg Brockman 转发；
• Anthropic 的 Claude Build Day 黑客松上，创作者 Holly 用 Tripo 复原南禅寺五座大佛，拿了第一名；
• 上海交通大学的「司图 SITU」文化遗产智能体，通过 Tripo 与 Kimi 协作三维重建了丝绸之路。

数据上，从今年 3 月至今，Tripo 系列在累计超 20 万用户投票的第三方评测榜单上已连续 8 个月居首。9 月更新的 P2.0 能在数秒内生成以四边面为主、面数可控、部件拆分合理的 3D 对象——这对普通观众不显眼，对开发者和 Agent 却是刚需：生成够快才能支撑「生成—运行—检查—修改」的多轮迭代，拓扑规整才方便后续编辑和做动画。

Tripo 背后公司 VAST（三启万物）的首席科学家曹炎培做过一个直观实验：先用 P2.0 生成一只机械蜘蛛，再让 LLM 基于模型天然形成的部件结构为每个部件命名、编写运动逻辑，最终实现整只蜘蛛的部件级动画控制。其底层框架 Nexus 的论文被图形学顶会 SIGGRAPH 收录，基于 P1.0 的实时演示还拿了 SIGGRAPH 2026 Real-Time Live! 的 Best in Show。

世界模型：李飞飞发文前四天，他们先发了

VAST 的另一条线是 Project Eden 世界模型。今年 6 月初，李飞飞发表署名文章《A Functional Taxonomy of World Models》，提出规划器、模拟器、渲染器组成的世界模型框架。巧的是，四天前 VAST 刚公布 Eden，同样主张把「持续演化的世界状态」和「视觉渲染」解耦——世界状态交给代码或引擎维护，视频模型只负责生成画面。此后 Code World Model、Matrix-Game 4.0、NVIDIA 的 StreamRender-H3 等一批工作都走了相近路线。

10 月 18 日，VAST 开源了 EdenLive——号称行业第一个能根据任意视觉参考实时生成不同风格画面的视频模型，单张 GPU 上以超 24 FPS 生成 720P 画面、支持分钟级连续生成，5B 版本能在单张 RTX 5090 上实时跑。

对普通用户有什么用？

短期看，最实在的变化是：你在 Kimi 这类助手里说「帮我做个 3D 的 XX」，背后调用的就是这类专业模型，生成质量、能不能改局部、能不能进引擎，直接取决于底层 3D 模型的水平。长期看，如果「状态与渲染分离」的世界模型路线跑通，游戏、仿真环境、机器人训练的虚拟世界都可能被重新定义——世界不再是一段会「忘记」画面的视频，而是一套有规则、可持续交互的状态。

VAST 近日也发布了新一期 V・STAR 顶尖人才计划，招募方向明确列了三条：3D 生成基础模型、三维理解与智能体、世界模型，薪酬「特别优秀者上不设限」。大模型竞赛的下一程，人才正在往三维和空间智能方向流动。

更多 AI 工具与教程见 AI 智库。