AI 将改变所有交互方式，这一次轮到了3D

作者 ｜ 周一笑
微信 ｜ smiletalker

过去一年，Agent（能自己拆解任务、调用软件的 AI 系统）开始越来越频繁地进入专业软件。写代码只是最早的一站，Blender、CAD、游戏引擎也逐渐变成大模型可以直接操作的工具。GPT-6 Astra 最近展示的 3D 能力，又把这种变化推到了台前。

对 3D 生成大模型公司来说，竞争也由此进入了下半场。生成质量和生产可用性依然是基础，但 Agent 开始参与更多创作任务之后，又多了一道新的门槛，专业 3D 能力能否被 Agent 理解、调用，并用于后续的编辑和加工。类似的变化已经在软件行业发生。代码编辑器、浏览器和办公软件都在围绕 Agent 重新设计接口和工作流程，现在轮到了 3D。

今天，3D 生成大模型公司影眸 Hyper3D 正式上线了 Agentic Mode。

Hyper3D的核心模型 Hyper3D Rodin可以通过文字和图片生成 3D 资产，此前已陆续加入自然语言驱动的 3D Editing 编辑功能、BANG 递归分件，并通过 API、MCP 和专业软件插件进入游戏、设计和资产生产工作流。

现在， Agentic Mode 在这些能力上增加了一层理解和规划。具体来说，它将Hyper3D Rodin 与 LLM 多模态上下文分析能力，整合到同一创作流程中，会先理解和自动按需处理用户提交的图片、尺寸图等资料，自主判断使用最合适的 3D 建模方式，并把生成后的编辑和加工继续放在同一套流程里。

要跨过这道门槛，Agent 不仅要能够调用一个 3D 生成模型，还得知道该给它什么输入信息、建模方式怎么选，以及生成以后还能继续做什么。Agentic Mode 想接手的，正是这些 3D 生成过程中原本依赖专业经验的判断，通过降低使用专业 3D 工具的门槛，让更多没有建模经验的人可以把想法更快变成可继续修改的 3D 资产。对专业创作者来说，时间也可以更多花在设计、审美和最终判断上。

1

把 3D 生成中的专业判断交给 AI

用 AI 生成 3D，输入是第一步。

商品建模就是一个典型场景。用户手里的资料可能同时有正面照、背面照、局部特写和尺寸图，图片里还可能混着背景和其他物体。真正开始建模之前，人往往要先筛选素材、确定主体，再判断这个物体适合直接用哪一种建模方式。

Agentic Mode 会接手其中一部分专业判断。它融合了Hyper3D Rodin 与 LLM 多模态上下文分析能力，能够理解和按需增强输入图片，从同一组图文资料里识别需要建模的主体、整理有效参考信息，再根据任务自主判断最合适的 3D 建模方式。

从案例中，我们可以看到 Agentic Mode 处理不同输入的能力。例如，用户提供一张单角度的卡通男孩参考图，系统就能推演生成角色的背面造型，补充背包图案等原图不可见的细节。对于住宅设计图、餐车工程图这类包含尺寸和结构信息的资料，系统则可以分析不同视图、文字标注与主体之间的关系，整理建模所需的参考信息，生成对应的三维模型。

模型生成后，还可以继续修改几何结构。Agentic Mode 的建模结果支持参数化调整和局部尺寸修改。比如，一栋生成好的住宅，可以继续调整整体高度、烟囱的宽度和高度等参数，三维模型也会随之变化。

这不止是多了一种编辑方式。此前很多图生 3D 场景更看重外观还原，到了对尺寸和结构有明确要求的任务里，要求会更复杂。Agentic Mode 可以理解带尺寸的建筑图纸和工程图，生成结果也能继续做参数化调整和局部尺寸修改。这也让 3D 生成开始触及过去较难覆盖的生产场景，例如建筑设计、家具制造和机械产品等等。

动画预设和材质增强也有相应的加工入口。在机械手演示案例中，用户输入“举起三根手指”，系统便在原有动画之外增加一个新的手势。厨房场景则只需一句“为上方橱柜生成胡桃木材质”这样的自然语言指令，就能调整区域材质，保留其他柜体和场景结构。此外，产品也提供面向仿真、关节结构和 3D 打印的处理选项，支持导出多种格式，让生成的资产能够进入后续工作流程。

Hyper3D 此前已经开放 MCP，Codex、Claude Code、Kimi Code CLI 等 Agent 可以直接调用 Hyper3D Rodin 的生成能力，提交生成任务、查询进度并取得模型文件。在此基础上，Agentic Mode 进一步将素材理解、建模方式选择等判断交给系统，减少调用方对专业建模经验的依赖。

1

通用模型会建模了，还需要 3D 生成模型吗

Agentic Mode 出现的另一个背景，是通用大模型对 3D 软件的操作能力正在快速进步。

GPT-6 Astra 发布后不久，一位开发者把一张旧的蒸汽火车手绘图交给 Astra，让它在 Blender 里重建。几分钟后，软件里多了一列由 3295 个独立对象组成的火车，每个零件都可以单独选中和修改。

Astra 的做法是写 Python 脚本，让 Blender 按照代码逐步搭建物体。火车、房屋、机械这类结构规整、能用尺寸和参数描述的东西，这样搭起来很顺手。复杂的角色和道具，以及带曲面和细腻材质的物体，很难用一行行代码写出来，更适合交给专业 3D 生成模型完成。

这也是 MCP 的价值所在。Agent 不需要自己包办所有 3D 工作，碰到这类资产时，可以直接调用 Hyper3D Rodin 这样的专业模型，再把生成结果放进 Blender 或游戏引擎里继续处理。

于是出现了一种此前不太明显的关系，AI 开始使用另一个 AI。

对 Hyper3D Rodin 这类专业 3D 生成模型来说，通用大模型变强意味着能力重叠，也可能带来新的需求。随着 Agent 能够接手更多创作工作，原本需要用户掌握 Blender 等专业软件才能推进的任务，也有机会被执行起来。随之而来的角色、道具等资产需求，也给专业 3D 生成模型带来了新的调用场景。用户本人可能没有打开 Hyper3D，Hyper3D Rodin 已经在任务过程中被 Agent 调用。

这还只是第一步。通用模型是从外部学着使用 3D 工具，专业 3D 生成公司也在从内部做同一件事，把大模型的理解和规划能力装进自己的生成流程。3D 生成的做法本身也在变，从给一张合格的图，出一个模型，变成给一堆资料和一个目标，系统自己理解、规划、生成，再接着改。Agentic Mode 可以看作这种变化的一个具体例子。

它的差异也在这里。接口解决的是 Agent 能不能用到 Hyper3D Rodin，Agentic Mode 处理的是之后的事，输入素材怎么整理、建模方式怎么选，以及生成以后还能怎么改。

这也是 Agentic Mode 比开放一个接口更进一步的地方。人拿到模型以后发现哪里不对，可以凭经验判断接下来应该调参数、换材质还是打开 Blender 手工修改。Agent 想把同一件事连续做完，就需要更明确的部件结构、更稳定的编辑能力，以及机器能够直接理解的参数和操作。

1

Agent 成为 3D 工具的用户之后

把影眸 Hyper3D 过去两年的产品更新串起来看，Agentic Mode 的来路很清楚。

影眸 Hyper3D 此前已经通过 MCP，让 Codex、Claude Code 等外部 Agent 能够直接调用 Hyper3D Rodin。2025 年兴起的开源项目 BlenderMCP 早期版本就接入了 Hyper3D Rodin，AI 助手可以一边控制 Blender，一边调用它生成资产。已经有开发者把这套能力用于更完整的开发流程，把 Hyper3D Rodin 的 MCP 接进 GPT-6 Astra，再配合 Three.js 的游戏开发技能，三个小时做出了一款完整的卡丁车游戏，赛车和角色等 3D 资产由 Agent 在开发过程中自动调用 Hyper3D 生成。

自然语言编辑 3D Editing 和 BANG 分件让生成结果可以继续加工。但输入环节仍然依赖用户经验，想得到理想结果，往往需要提前筛选图片、处理素材，并判断采用哪种建模方式。

Agentic Mode 补上了这一环。系统可以自行理解和按需增强输入，从混杂的图文资料中整理有效信息，再自主判断使用最合适的建模方式。这样一来，Hyper3D 提供的就不只是一个生成模型，而是一套可供人和 Agent 持续使用的 3D 工作台。

1

从 Production-Ready 到 Agent-Ready

3D 生成的上半场比的是生成质量，更难的是做到可控、可用。模型在网页里看着漂亮还不够，生成结果还得经得起修改，能真正进入游戏、工业设计、电商等生产流程。影眸 Hyper3D 把这个目标叫作 Production-Ready（可生产级），此后的产品更新也基本围绕其展开。

Hyper3D Rodin Gen-2 加入递归分件能力，BANG 可以把一个完整模型拆成可用的独立部件，支持拆分后继续拆分。随后推出的 Rodin Gen-2 Edit 支持自然语言局部修改。今年 5 月发布的 Rodin Gen-2.5 继续提升几何细节、贴图和拓扑能力，同时引入 Thinking Effort 设计，提供不同档位，让速度和精度可以根据不同任务进行适配。

此前的商业案例已经体现出这条路线的价值。美国家居建材零售商 Lowe's 建立了超过 3 万件商品的 3D 资产目录，Hyper3D Rodin 被用于把商品的 2D 图片转换为 3D 模型，单个模型的制作成本降到了 1 美元以下。到了这样的规模，3D 生成已经成了资产生产流程的一部分。

影眸 Hyper3D 创始人吴迪在年中的一次采访里，已经把继续补全编辑、Agent 等能力，与提高底层模型质量并列为未来一两年的重点。

Agent 出现以后，可控、可用的要求并没有消失，只是多了一个新的操作者。以前是设计师拿到模型以后继续判断和修改，现在 Agent 也需要读懂模型、调用能力，再把任务接着做下去。这就要求操作足够明确，模型结构足够清楚，结果也足够稳定。Agent-Ready 可以看作 Production-Ready 在 Agent 工作方式下的延伸。

因此，对于专业 3D 生成玩家而言，生成质量仍是基础，但如何让这些能力被人和 Agent 更好地使用，正在成为新的竞争焦点。

基于对行业的前瞻性判断，影眸Hyper3D 率先在 3D 生成产品的交互方式上进行了创新。Hyper3D 没有打算另做一个通用 Agent，而是突破性地将 Agentic 能力融合 3D 生成产品，让通用 Agent，和人一样，能更容易用上专业的 3D 创造能力。

这套能力也不绑定某一个上层 Agent，用户可以直接在 Hyper3D 平台里生成和编辑资产，支持相应接口的外部 Agent 也可以按任务需要来调用。外部 Agent 会不断变化，背后的 3D 工作台和资产生产能力可以持续复用。

同时，当专业 3D 生成能力与 LLM 多模态上下文分析能力被整合进同一套工作流，Hyper3D 也打开了过去单一生成路径难以覆盖的工业设计等生成场景，创造了更广阔的应用空间。

从 Production-Ready 到 Agent-Ready，影眸 Hyper3D 不仅在 3D 生成能力持续进化，也在率先创新这些能力的使用方式——模型既要让创作者改得动，也要让 Agent 看得懂、调得起、接着用。当更多想法能够走到作品这一步，专业 3D 生成的空间才真正被打开。

点个“爱心”，再走 吧