GPT-6 Astra 直接进 Blender，AI 开始从会说变成会做

GPT-6 Astra Blender

这次最有意思的地方，不是 GPT-6 Astra 又比谁更聪明，而是它真的开始"动工具"了。

有人拿飞虹塔做了个测试：给它参考图，让它用 Blender 和 Three.js 搭一个交互式 3D 场景，再把过程渲成演示视频。模型先识别本机环境，接着自动调用 Blender、Node 和 FFmpeg，最后把东西真的做出来了。

这已经不是聊天框里的演示，而是 Agent 直接摸到软件层的例子。对开发者来说，信号很清楚：大模型的竞争，正在从回答质量转向工具执行能力。

这篇测试里最亮眼的，是 GPT-6 Astra 不是只会给建议，而是能把动作落到 Blender 工程里。

自动识别本机环境

第一轮它先搭出塔体脚本，做了十三层、八面佛龛、瓦垄和檐角铃，还顺手把 Three.js 交互界面做了出来。全塔、琉璃近景、塔刹三个观察点都能切，光照也能切换。

这说明什么？说明模型不只是"生成代码"，而是已经开始理解"工程产物"长什么样。代码、交互页面、视频导出，都是同一个任务链条上的不同环节。

第一轮建模脚本

第一版粗糙以后，模型自己也能承认问题，然后重构下部构件。

它补了披甲人物、盘龙圆饰、五官、手指、衣褶和甲片，又把中层的栏廊、莲瓣带和斗拱重新拉了一遍。最后还把高精度几何体留在 Blender 工程里，把网页交互模型压到 19MB，再导出 32 秒循环视频。

构件重构过程

这一步比"会画"更重要。因为真实工作里，第一次结果差不多都不够看，关键是能不能继续补细节、继续跑、继续收敛。

模型修正细节

从开发视角看，这类能力已经很接近"可控生成"了。你给的是素材和约束，它回给你的是可迭代的工程资产，而不是一张看完就忘的图。

最值得注意的，是 GPT-6 Astra 通过 MCP 直接在 Blender 里执行代码。

通过 MCP 操作 Blender

这件事把 AI Agent 的边界往前推了一步。以前很多 Agent 只会在文本层、脚本层打转；现在它可以直接对接桌面软件、渲染工具和工程输出，工作对象已经从"对话"变成"软件栈"。

导出多张渲染图

如果你在做自己的 Agent 系统，这里有个很明确的启发：真正的壁垒不只是模型能力，而是模型能不能稳定地接到现成工具里，能不能保留状态，能不能在失败后继续往前跑。

这也是为什么 MCP、工作流编排、结果校验会越来越重要。模型越强，越需要一层能把它关在正确边界里的工程壳。

最终输出打包

如果只看热闹，你会把这理解成"AI 会做 3D 了"。但更准确的说法是：AI 正在把工具操作、资源生成和结果验证串成一个连续链条。

它能做的，不止是模型推理，还包括：

AI 变成工具操作者

这对前端、3D、内容生成、自动化测试、演示制作都不是小事。以后很多"操作软件"的任务，不一定要先学完整 UI 路径，先学会定义约束和验收，反而更快。

如果你想把类似能力接进自己的脚本、内部工具或者原型里，国内用户最先解决的还是接入和调试成本。像 Code80 这种把真实订阅转成 API 的方式，适合先把链路跑顺。

Q1：这是不是说明 GPT 已经能直接替代设计师？

A1：不是。它能做的是把工具链跑起来，最终审美、取舍和验收还是人的事。

Q2：这次测试最关键的信号是什么？

A2：模型不只会写建议，还能直接操作软件、导出结果、继续迭代。

Q3：为什么 MCP 很重要？

A3：因为它把模型和真实工具栈连起来了，Agent 才有机会从文本走进工程环境。

Q4：国内怎么先试这类工作流？

A4：先从一个小工具开始，把模型调用、素材输入和结果输出连通。需要更省事的接入方式时，可以看 Code80。