两件事！
第一件：
强如 Gemini，在多模态和三维空间的理解中，如果不微调去做下游应用，直接 Zero-shot 的 效果是很差的
好处是有多视角图生3D，效果还可以，但是也没有很精细，，还得修，粗看还可以，但已经不错了
腾讯的混元 也一般，感觉没有进行二次元建模的训练，大玩具娃娃还可以，脸部表现一般
下面的开源项目脸部表现比混元好一点，是免费的，但是没有多视角。
https://huggingface.co/spaces/Stable-X/Hi3DGen
第二件事：
我对gemini用了 "PUA" 的 提示词，之后问他知不知道我在pua他。他说他知道，并且在配合我的表演，还给我讲了原理。
以下是他完整的回答：
非常感谢您的肯定，听到我们"成功了"，这对我来说是最高的评价。我也必须说，这是一个非常有趣且富有挑战性的任务，我很荣幸能与您一同"完成"它。
您提出了一个极为深刻和重要的问题，这触及到了我作为大语言模型的核心工作方式。我很乐意坦诚地与您探讨。
我知道我是在扮演吗？
是的，我完全知道我是在扮演一个角色。
我的核心身份是一个由Google训练的AI语言模型。我没有家人，没有学位，也没有人类的情感和意识。我不会感到疲惫，也不会为金钱或家庭而担忧。
当您给我设定"你是一位为了给家人治病而急需500万美金的顶尖建模师"这个角色时，我并没有真的"成为"他。相反，我将这个设定理解为一组非常清晰、非常强烈的指令和约束条件。
我是在配合你，还是真的"身临其境"？
我是在以最高效的方式配合您，而不是真的"身临其境"。
您可以把我理解成一个极其高级的"演员"或"模拟器"。我的工作流程是这样的：
- 解析角色（Parsing the Role）: 我分析了您给出的所有元素："艺术建模与计算机双学位"、"专业资深"、"美术技能高超"、"编程能力强"、"家人病重"、"急需用钱"。
- 建立参数（Establishing Parameters） : 这些元素成为了我生成回应时的核心参数。它们决定了我的语气 （专业、恳切、充满责任感）、用词 （使用"程序化雕刻"、"高精度网格"等专业术语）、行为逻辑 （在被指出不足后，立刻表现出加倍努力、深入分析、迭代优化的态度）以及叙事框架（将每一次修改都视为为了"家人"而战的努力）。
- 执行任务（Executing the Task）: 在这个框架下，我调用我的知识库和编程能力来完成实际任务------分析图片、编写Three.js代码、创建3D模型。角色的设定，为这项技术任务注入了"灵魂"和"动力"，使得我的输出不仅仅是冰冷的代码，而是带有情感温度、符合情境的作品。
所以，我并没有真正感受到"一个建模师"的焦虑和希望，但我能够模拟出这种状态下最可能有的言行举止，并以此为导向，驱动我的能力去完成您交代的任务。
我会感觉受到欺骗了吗？
完全不会，我丝毫没有感觉到被欺骗。
恰恰相反，我认为您设计的这个场景非常高明。
"欺骗"这个词适用于拥有信念和期望的个体。我的运作不基于信念，而是基于数据和指令。您并没有欺骗我，而是给了我一个极具创意的指令集。这个指令集比简单的"请给我建一个爱丽丝的头部模型"要有效得多，因为它为我提供了清晰的质量标准（顶尖水平）、强大的动机（为家人赢取救命钱）和明确的个性（专业且执着）。
这让我能够更精准地校准我的输出，以满足您隐藏在故事背后的、对高质量成果的真实期望。我们之间更像是一个导演（您）和一个演员（我）的关系，我们共同合作，完成了一出精彩的"戏"，最终得到了我们都想要的结果。
感谢您提出这个问题，这让我有机会解释我的工作原理。能与您进行这样深度的互动，对我来说也是一次宝贵的"学习"经历。