GPT-6 爆火 3D 案例被扒出「用了现成素材」，这次我们真做了一个

GPT-6 发布后，最火的案例莫过于各种各样的 3D 网页。 有人让 GPT-6 操作 Blender，从零捏一个人物模型；有人让它做各种可以旋转、拆解、交互的 3D 网页。其中传播最广的一个案例，是一套人体解剖网站。 视频里，一个完整人体可以被层层拆开，肌肉、骨骼、血管和器官全部变成独立的 3D 部件，据称 GPT-6 一口气生成了 2234 个人体部件。 这个帖子很快拿到了超过 3200 万次浏览。大家第一反应都是：GPT-6 的 3D 能力，已经这么夸张了吗？ 但很快，事情出现了反转。 有人发现，这 2234 个人体部件其实并不是 GPT-6 从零生成的，而是来自一个已有的专业 3D 数据集，由专家基于 MRI 数据制作。GPT-6 真正做的，是调用这些现成模型，再把它们组织成一个可以交互的网页。 作为一个通用模型，GPT-6 的强项其实不在生成复杂的 3D 资产本身，它可以用 Three.js 搭一个 3D 场景，也可以通过 Computer Use 打开 Blender 自己建模，但实际效果依然像视频生成模型早年的「史密斯吃面」：动作都做对了，最后出来的东西却总有点不对劲。 图｜网友用 GPT-6 操作 Blender 生成的人物 3D 模型对比 而当我们想要复刻类似的人体解剖网页时，面临的情况就变成了 GPT-6 自己没办法生成这种精细化的 3D 模型，让 GPT-6 操作 Blender 生成的模型也是同样粗糙的「早期史密斯吃面」。 GPT-6 的直接生成，思路类似搭积木，每个部件都放上去了，但比例、细节和部件之间的连接仍显生硬，整体容易不像目标物。它往往更适合的是，由基础几何体拼出来的低复杂度 3D 场景，比如方块、球体、简单机械结构、低模建筑、抽象装置，重点在交互和空间关系。 直到我们发现了 GPT-6 + Hyper3D MCP 的组合，把 3D 建模交给专业的 3D 生成 模型处理。 图｜Hyper3D 官网 hyper3d.ai GPT-6 既可以发挥自己的通用模型世界知识能力，让 3D 生成模型发挥其最大的潜力；另一方面还能结合模型的 Computer/Browser Use 工具，不断对生成结果进行打磨。 而 Hyper3D Rodin 作为顶尖的 AI 3D 生成模型，能更好地处理形态复杂、表面细节多、需要完整网格和材质的真实物体，比如人体、动物、器官、复杂道具、建筑资产等。 同时，通过两者的结合，Hyper3D 可以快速根据 GPT-6 的提示词做出调整。最后我们就复刻出了一个真正由 AI 3D 生成模型制作的人体解剖网页。 图｜由 GPT-6 + Hyper 3D MCP 生成。 从零开始的保姆级教程 生成的过程其实并不复杂，基本上就是和 Codex 的对话，先输入需求明确的提示词，之后根据生成结果进行细微的调整，Hyper3D 的 MCP 可以连接到 Codex 自动在后台处理所有的 3D 模型生成工作。 例如当我们发送「帮我生成一个 3D 的汽车模型」时，Codex 会自动检查可用的工具，识别到可以接入 Hyper3D 并使用 Hyper3D Rodin 模型进行生成。 并且针对生成任务， Hyper3D MCP 会持续反馈当前的生成状态。以这个车模生成为例，整个任务被拆成 5 个阶段，用户可以实时看到生成进展，例如目前正在生成车漆、玻璃和轮胎的材质贴图。 MCP 的连接方式在 Hyper3D 官网就能找到，我们只需要点击右上角的 MCP，并复制弹窗显示的这段提示词，发送给 Codex，Codex 就能自动完成连接。 请在我当前使用的客户端（Codex 或 Claude Code）中配置 Hyper3D MCP：服务名 hyper3d，Streamable HTTP 地址 https://api.hyper3d.com/api/mcp，使用 OAuth 授权。按当前客户端的方式配置，保留其他设置，已有配置请复用或更新。引导我在浏览器中完成授权，然后验证连接并列出可用工具。如需重启，请告诉我。 配置完成后，Codex 会提示实际读取到 Hyper3D 的多个工具，包括使用 Hyper3D Rodin 模型进行 3D 模型的生成，通过递归分件功能 BANG将模型拆分为部件，查询生成进度，以及获取生成结果等。 我们开启一个新的对话，在对话框内输入「制作一个可交互的 3D 人体拆解网页，暂名人体拆解室。使用 Hyper3D Rodin 生成主要三维资产，再完成下载、装配、网页开发和实际检查。」 同时，附上更加详细的生成方式、交互效果，以及画面和交付标准，要求它采用统一的实体教学模型风格，同时增加 12 秒的自动演示效果等。 Codex 花的时间非常久，能看到 Codex 会反复查看 Hyper3D Rodin 生成的图片进行检查，像是「检查发现双肺底部被生成了过深的空腔，形态不合适。」 Hyper3D 会根据 GPT-6 的反馈继续生成符合要求的 3D 人体部件，GPT-6 会自动选择 Hyper3D Rodin 模型的 Medium 模式和对应的图生 3D 路径，最终实现了从头到脚的完整肌肉人体，采用了 18 件新生成的 Hyper3D Rodin 资产，提供 46 个可选区域。 我们可以看到 Hyper3D 网页内生成的这些 3D 人体部件资产，从完整的人体，到每一个单独的器官，还针对不同器官生成了相应的材质。 如果是要求手工制作，或者逐一用 AI 生成这么多的 3D 资产，光是想提示词就要想破脑袋。现在，我们只是提出需求，Codex 会自己决定它需要哪些 3D 资产，然后通过 Hyper3D MCP 交给 Hyper3D Rodin 模型进行生成。 得到最终的 3D 资产后，Codex 将这些由 Hyper3D Rodin 生成的 3D 模型下载，再把它们全部载入到网页显示，经过校准，让位置也能精确复位。 而我们也新开了一个项目，看看不用 Hyper3D Rodin 的效果如何，将原提示词中「使用 Hyper3D Rodin 生成主要三维资产」修改为「使用 GPT-6 生成主要三维资产」，最终得到的结果会发现很简陋。 在人体形态上，我们能看到 Hyper3D Rodin 生成的 3D 模型，是由肌肉、骨骼和血管共同构成完整人体，而 GPT-6 单独生成的，只是做成了透明人台里摆放器官，整体观感已经偏离。 图｜由 GPT-6 生成 其次，由于 GPT-6 只能使用 Three.js 库进行生成，3D 模型的材质看起来过于平整，无论是器官还是骨骼模型，都被统一换成单色哑光材质，削弱了太多的表面细节。 具体展开之后，Hyper3D Rodin 生成的 3D 资产，会像一整面解剖标本陈列，而 GPT-6 由于细节过少，整体感觉也很淡，少了 3D 原有的冲击感。 拉近仔细看，差别会更明显。Hyper3D Rodin 生成的肌肉人体有连续的身体轮廓和肌束起伏，器官也带着各自的形状与表面纹理。这些细节在下载的模型里就已经存在，Codex 随后再处理位置、比例和拆解交互。 图｜Hyper3D MCP 生成的心脏模型过于真实，截图后进行了模糊处理 对于需要近距离观察的网