GPT-6 发布后，网上最火的 AI 演示是各种可以旋转、拆解的 3D 网页，其中传播最广的是一套人体解剖网站：完整人体被层层拆开，肌肉、骨骼、血管、器官各自成为独立的 3D 部件，据称由 GPT-6 一气生成了 2234 个，帖子浏览量超过 3200 万。

这段演示随后出现反转：2234 个部件并非 GPT-6 从零生成，而是来自一套现成的专业 3D 数据集，由专家基于 MRI（磁共振成像）数据制作；GPT-6 做的是把这些模型组织成可以交互的网页。

主角需要先交代清楚：GPT-6 是最新一代大语言模型，也就是用海量文本训练出来、能理解并生成文字和代码的 AI 程序，属于生成式 AI 领域；Hyper3D 是影眸科技出品的 AI 3D 生成模型，负责把文字或图片变成立体的 3D 模型；MCP（模型上下文协议）是让 AI 助手统一调用外部工具的接口标准，相当于给 AI 装上传送带，把专业能力一件件送进它的工具箱。

爱范儿的实测结论是：让 GPT-6 单独生成精细 3D 模型，效果确实粗糙；但把 Hyper3D Rodin 通过 MCP 接给 GPT-6 的编程助手 Codex（自动写代码、执行任务的 AI 工具）后，普通人也能复刻出同类网页，还能做出可拆装的机械甲壳虫、“子弹时间”橘猫这类交互更复杂的作品。

部件来自现成数据集：GPT-6 只负责组装

那条人体解剖演示里，GPT-6 扮演的角色是“组装者”：现成的专业 3D 数据集提供部件，GPT-6 负责把它们组织成可交互的网页。这解释了为什么 2234 个部件能做到器官级精细——它们本来就是专家作品。

3D 数据集的含义也顺带说明：把大量 3D 模型按统一规范整理成的素材库，相当于数字世界的“模型仓库”。

GPT-6 单独建模：实测效果粗糙

爱范儿实测发现，GPT-6 单独生成精细 3D 模型的能力有限。它可以用 Three.js（网页上渲染 3D 图形的 JavaScript 库）搭出 3D 场景，也可以借助 Computer Use（让 AI 像人一样操作电脑）打开 Blender（免费开源的 3D 建模软件）自己建模，但成品细节不够，类似视频生成模型早期的“史密斯吃面”缺陷——动作都对了，出来的东西总有点不对劲。

直接把部件“搭积木”式生成，每个部件都放上去了，但比例、细节、部件之间的连接生硬，整体不像目标物。它更适合由基础几何体拼出的低复杂度场景，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，而不是细腻的造型。

组合方案：把 3D 生成变成 AI 的一个工具

正确的做法是各用所长：通用大模型负责理解需求、写代码、搭交互，专业 3D 生成模型负责出精细模型，中间用 MCP 连接。

Hyper3D 提供了 MCP 服务（服务名 hyper3d，地址 https://api.hyper3d.com/api/mcp，OAuth 授权）。在 Codex 中配置后，Codex 就会把“生成 3D 模型”当成一个普通工具来调用：提交任务、查询进度、检查结果、拆分部件、下载模型，和调用搜索、浏览器、代码执行一样自然。

以“制作一个可交互的 3D 人体拆解网页”这个需求为例，Codex 会自己判断需要哪些 3D 资产，交给 Hyper3D Rodin 生成，再下载、装配、写交互逻辑。生成任务会被拆成多个阶段实时反馈，比如“正在生成车漆、玻璃和轮胎的材质贴图”。生成过程中，Codex 还会反复检查结果，发现“双肺底部空腔过深、形态不合适”这类问题，就让 Hyper3D 重新生成。

实测结果：从解剖网页到甲壳虫

同样的需求，两种方案对比明显。用 Hyper3D Rodin 生成资产的人体解剖网页，是肌肉、骨骼、血管共同构成的完整人体，用了 18 件新生成的资产、提供 46 个可选区域；让 GPT-6 单独生成，得到的是透明人台里摆放的器官，材质统一变成单色哑光，细节差距明显。

这套组合还做出了一批交互更丰富的作品：

  • 可拆装的蒸汽甲壳虫：深绿色珐琅外壳里藏着齿轮、活塞和锅炉，拖动网页滑杆，鞘翅打开、外壳分层，拆开后机芯还能继续运转。靠的是 Hyper3D 独有的 BANG 递归分件功能，把模型自动拆成独立部件；
  • “子弹时间”橘猫：戴着墨镜的橘猫后仰定格，几条沙丁鱼从身边飞过，拖动时间滑杆鱼会继续飞。主要资产只有猫和鱼两份，网页把同一条鱼复用成八条；
  • 广州骑楼街角：两栋骑楼、一辆早餐车、一只石狮、一盆榕树共五份独立资产，通过装配滑杆逐一归位；
  • 鹿角茶壶通关游戏：转动茶壶让墙上影子与通行证轮廓吻合，壶嘴、鹿角的方向都会改变影子形状，玩家需要在时限内让影子对准目标。

这些能力的背后是影眸科技：公司成立于 2020 年，核心创始团队来自上海科技大学，长期深耕 3D 建模、图形学与生成式 AI，其场景生成研究 CAST 获得国际图形学顶会 SIGGRAPH 2025 最佳论文奖；2026 年 9 月推出的世界生成模型 WorldGen，生成能力已进入具身智能仿真训练（给机器人等实体 AI 提供训练场景）、影视制作、游戏开发与空间计算等实际生产场景。Hyper3D Rodin Gen-2.5 的更新也围绕几何细节、贴图表现和不同用途的生成模式展开。

3D 正在变成 AI 随取随用的能力

过去让 AI 做 3D 网页，最麻烦的是 3D 模型太粗糙：通用大模型可以用 Three.js 实现复杂交互，但精细模型要手工准备。现在 Hyper3D 通过 MCP 把 3D 生产过程变成了大模型熟悉的工具调用，等于把一套顶尖 3D 生成能力直接放进 AI 助手的工具箱。

对普通用户和需要大量 3D 内容的行业来说，这项变化的实际意义是：游戏开发、电商模型、影视制作、教学软件、数字场景、3D 打印这些过去需要专业团队才能启动的项目，现在从想法出发就能起步——GPT-6 负责理解和交互，Hyper3D Rodin 负责精细建模，中间由 MCP 连接。

继文字、图片、视频、代码之后，3D 正在成为 AI 可以随取随用的又一种能力。决定一个 3D 项目起点的，正在从“会不会建模”变成“有没有想法”。