作者用四组同提示词测试（鹈鹕骑单车、iPhone Duo 产品片、Roadster 腾空镜头、自制小机器人短片），对比 Kimi K3.1 Pro 与 GPT-6 Astra 在 3D 建模与动画方面的能力。Kimi K3.1 Pro 在 Artificial Analysis 榜单得分 55，全球第四、中国第一。结果显示两模型均能通过编写 Blender/Three.js 脚本生成可反复修改的 3D 场景，但细节和修改轮次各有短板。作者还用 Kimi 打造了一个 3D 视频预演台，可切换机位、焦段和灯光并导出分镜。文章最后吐槽 5 小时使用额度限制，认为这类工具适合做分镜草稿与预演，而非直接成片。
文章系统介绍了用代码（而非视频模型）生成 AI 视频的 9 种技术原理，分为四类：网页动画类（HyperFrames、Remotion、Motion Canvas），适合主流视频制作；去 AI 味类（rough.js 手绘线条、分层插画、p5.brush 数字水彩）；数学板书与地图路线类（Manim、基于 TTS 时间戳的地图路线动画及自研 map-motion skill）；3D 类（three.js 镜头曲线、Blender MCP）。代码动画相比视频模型可复现、可精确修改，作者推荐新手从生态最丰富的 HyperFrames 入手，并附开源地址和教程链接。
作者以一款3D动作游戏为例，对比了成套建模与单独建模（拆件换装）两种方案的成本与坑点。积分上单独建模看似便宜35%，但前提是部件可跨角色共用；真正的大头在验收成本——每个模型都要在41个动作片段里逐一检查扭曲、穿模和武器握持问题。成套建模的变形问题可用脚本批量修复，而单独建模的部件穿插问题只能逐件处理。最终结论：选哪种方案取决于玩家能否看到单件换装，动作多少只决定验收成本。作者选择继续成套建模，并保留了单独建模试验成果以备未来需求。
文章系统拆解了用 AI 写代码制作视频的 9 个技术方法，涵盖四大类型：一是网页渲染路线（HyperFrames、Remotion、Motion Canvas），借助浏览器逐帧截图生成视频；二是去除 AI 味的手绘风格（rough.js、分层插画、水彩动画叠层原理）；三是数学板书 Manim 与地图路线动画（结合 TTS 时间戳与高德地图的 map-motion skill）；四是 3D 视频制作（three.js 镜头曲线与 Blender MCP）。相比视频模型，代码动画可复现、可精确修改，作者推荐新手从生态最丰富的 HyperFrames 入手，并附开源地址与教程链接。
作者分享使用 Codex + Tripo AI + Headless Blender + Three.js 自动化生成 3D 游戏资产的第六天开发实录。文章分两部分：资产线部分介绍如何通过四视角原画定稿、穿装合成图确认、Prompt 工程约束等手段控制模型质量，并区分『用脚本修复』与『重新建模』两类问题，强调检测器必须直接运行游戏本身的代码；主线部分阐述如何通过『制度即代码』（41 条规则、21 个 CI 校验器）、决策记录机制管理多个 AI 协作开发，避免 AI 跑偏。还公开了累计消耗 4860 Tripo 积分的成本数据，以及从装备机制反推世界观的设计思路。
作者 Sac 用 16 天借助 AI 工具链将《小王子》改编为 3D 剧情游戏，并公开完整制作流程。文章分三部分：一是开发流程与准备，包括用 Fable 5.1 做 PRD、Image 2.5 生成图片、Tripo 生成 3D 资产、Opus 5.5 写代码、Astra 迭代修复；二是场景构建，讲解如何用 AI 生成场景参考图、拆解资产并用 Blender + Unity 建模；三是人物建模，涵盖 T-pose 四视图生成、Tripo Smart Mesh P2.0 生成人物、Auto-Rig Pro 绑骨蒙皮、Mixamo 动作接入与细节调整。作者承诺后续将开源全部游戏代码与更完整的制作细节。
作者分享了用 Codex CLI、Tripo AI、Headless Blender、gltfpack 和 Three.js/WebGPU 搭建自动化 3D 游戏资产生产线的完整过程。文章详细记录了角色骨骼标准化与换装拆件、怪物绑骨问题的程序化绕行方案（如用数学驱动蝙蝠翅膀动画）、武器挂点矩阵化、模型压缩优化等关键技术决策，最终将整批角色、怪物和装备资产控制在 16.48 MB。作者还探讨了选择动态漫画分镜而非传统 3D 地图的设计思路，提出核心方法论：不要自动化每个步骤，而要自动化整个结果，把一次性人工修复转化为可重复执行的参数化规则。
作者 Sac 分享了耗时16天、使用 Claude Opus 5.5 结合 Tripo 与 Blender，将《小王子》故事制作成3D剧情游戏《The Little Prince: Across the Stars》的过程。游戏中每个星球都成为可探索的3D场景，质感出色，获得众多网友称赞。作者表示后续将开源整个游戏及详细制作流程。此外还分享了用 Blender 白模生成视频降低抽卡成本的经验，并推荐了在 Higgsfield 上无限使用 Wan 3.0 视频生成模型的方案。
作者分享了利用 AI 工具在 Blender 中制作蜘蛛侠 CG 短片的完整流程。借助 Hi3D Agent 通过对话生成城市模型，从 Sketchfab 下载带骨架的蜘蛛侠角色，用 Mixamo 提供跑步、下坠、摆荡等动作素材，再通过 Blender MCP 让 Codex Astra 读取场景并执行 Python 操作完成素材导入、摆放与动画，配合 Rokoko 插件做动作重定向，最后设计镜头并用 Cycles 渲染、FFmpeg 合成视频。作者认为 AI 赋能为 3D 创作带来技术平权，即使低配显卡也能按此流程制作出不错的效果。
作者分享了一套 AI 视频创作工作流：先用 ChatGPT 讨论并完善画面构思，再让 GPT-6 Astra 操控 Blender 生成极简白模预演，确定空间关系、人物走位、镜头路径和 Timing，最后将白模视频、场景参考图、人物三视图与提示词交给 seedance 生成最终画面。核心思路是用三维白模解决 Prompt 难以精准表达空间和镜头运动的问题，避免视频生成纯靠抽卡。作者不会建模也不懂运镜，仅通过对话就在 30 分钟内做出不错视频，宣告门槛降低的全民导演时代到来。
本文介绍如何利用 GPT6 Codex 的 Computer Use 能力全自动操控 Blender，构建零门槛的 AI 视频生产工作流。分为两大部分：一是复刻工作流，让 AI 自动分析参考视频的场景、人物动作和镜头运动，复刻出 3D 白模预演，再通过 AI 视频模型生成写实成片；二是原创工作流，仅用自然语言指令即可生成白模动画并迭代调整。白模作为'动态骨架'先锁死镜头、走位和空间遮挡关系，AI 只负责渲染画面，有效解决传统 AI 视频镜头漂移、人物变形、空间错乱等问题，实现低成本、高可控的视频生产。
本文分享了使用 GPT 6、Blender 和 Seedance 2.5 制作一镜到底 AI 视频的实践经验。作者以包含 10 多个人物和正反打镜头的赛博武侠场景为例，分析了常见的错误（群众角色重复、反打背景错乱等），并提出三点建议：上传完整的正反打场景图并在提示词中明确锚定资产；准备丰富且有特点的群众角色卡并限制出现人数和次数；元素替换提示词写在前面并在资产锚定部分重复强调。文末附有从参考视频、角色图、场景图、剧情到分镜脚本和 AI 视频提示词生成的完整制作流程，包含详细的提示词模板。
本文是一篇面向普通人的 AI + Blender 入门实践指南。作者介绍了如何安装 Blender、通过 Codex（GPT-6 Astra）接入 AI（脚本或 MCP 方式）来操作 3D 建模软件，并展示了三个实战案例：将《最后的晚餐》图片变成网页探索小游戏、用白模预演结合视频模型制作追逐短片、制作可分享的 3D 数字收藏闪卡。文章还整理了社区中房间漫游、产品展示、城市动画等玩法，说明 AI 大幅降低了 3D 创作门槛，把造物权递到了普通人手上。
作者分享了用GPT-6 Astra、群核科技的Aholo Lux3D和Blender设计拍摄间的完整流程。先与GPT对话生成比例平面图和家具尺寸推荐，再用Aholo Lux3D根据商品尺寸图生成精细PBR材质的3D家具模型，然后在Blender中组装完整场景，可切换白天夜晚光照、尝试不同家具布局，还能通过BlendMotion插件用手机沉浸式浏览。此外GPT还顺带给出了吸音方案。作者认为这套AI工作流让空间设计从脑补变成可视验证，还可延伸到游戏场景、线上展厅、3D打印等领域。
本文介绍了一套AI视频生成工作流：使用Codex（GPT 6）进行分镜设计和空间推理，操作Blender完成白模预演，再结合Seedance 2.5进行视频渲染。该方法可提前预演视频骨架，节省视频生成积分，并通过自然语言多轮修改分镜。文章提供了复杂运镜控制和人物对话正反打两个案例的详细提示词，涵盖角色资产锚点、场景描述、镜头节奏、音效设计和负面提示词，实现高可控性的AI视频生成。
本文介绍如何利用GPT-6 Astra、Blender和Three.js等工具，将文物制作成可拖动、旋转、上线的沉浸式3D交互网页。作者以「文物放大镜·掌上赏珍」和「圆明园兽首·国宝归来」两个项目为例，拆解了从明确主题、3D建模、交互网页制作、多端验证、发布交付到封装Skill的完整六步流程，并分享了建模路径选择、需求描述技巧及手机端适配等实战经验，适合零基础但想动手的读者参考。
国外开发者用 GPT 5.6 Astra 四天消耗15.6亿 token 做出完整可玩的3D游戏 PaperRoute。文章介绍其核心方法论：先让游戏能玩再做好看；将项目拆成游戏机制与美术资产两条独立工作流，一个问题对应一个 Prompt、一次测试和一次提交；3D 资产用 Blender 脚本后台生成；角色则结合 ChatGPT 概念图与 Astra 减面绑骨。核心启示是：AI 时代关键能力是任务拆分、建立测试、选择合适工具并反复迭代，而非迷信单一模型。
作者分享了在四天内用 GPT-6 Astra 编写代码、Blender 生成模型，开发完整可玩的游戏 PaperRoute（一款 Paperboy 风格的送报游戏）的完整流程。文章详细介绍了从撰写可信的项目简报、分离游戏方向与美术方向两条工作流、用 GPT 生成概念图与情绪板、通过 Python 让 Blender 无头运行生成 3D 资源，到使用 Meshy 制作自定义角色模型的方法。作者强调单次演示与完整游戏的差距，并记录了每个 prompt 与 token 的消耗，附有完整 devlog。
文章介绍了 Tripo 官方发布的三维角色模型制作教程，采用 Astra + Tripo 3D + Blender 组合，从参考图生成 3D 模型、组装、绑定、表情到动画全流程。关键技巧是将角色拆分为身体、头部和头发分别生成，避免一次成型导致的脸崩、粘连等问题。作者还分享了国外开发者用 Astra 四天花费 15.6 亿 token 制作完整 3D 游戏 PaperRoute 的教程，强调先把游戏做能玩再做好看，将游戏机制与美术资产拆成两条独立工作流。文章核心观点：AI 时代最重要的能力是任务拆分、选择合适工具、建立测试并迭代打磨作品。
作者实测了主打 Computer Use 能力的 Nex-N2.5 Pro 模型（397B 参数），验证其在 Blender 3D 建模到 Three.js 前端交互网页的全自动长流程操作。测试显示其能在无 API 的桌面 GUI 中完成建模、材质设定、glTF 导出及前端渲染，全流程 1 分 48 秒，坐标对齐率 99.4%，60 FPS 稳定渲染。文章同时指出其工程边界：单步延迟 2-4 秒、视觉遮挡下的重试开销高。作者建议结构化任务优先用 API 与代码，而无接口的专业桌面软件自动化、遗留系统对账等场景则适合切入 Computer Use。
文章介绍了 Ras Mic 使用 OpenAI 最贵模型 GPT-6 Astra 在半小时内完成 AI 家庭音箱从设计到落地的完整流程：建模、零件估价、Blender 布局、代码编写与 PR 合并。他强调 Codex 订阅对 Astra 的高额补贴（一周用量折合 API 超过 2.4 万美元，实际仅付数百美元订阅费），建议趁补贴窗口用足模型能力。核心观点是：模型智能提升了，但人们的尝试勇气没跟上——与其用 Astra 生成落地页，不如做硬件和更大胆的项目。Greg 将这一趋势称为 vibe manufacturing，预测将涌现大量年入百万美元的小众硬件生意。
作者分享了自己借助 GPT-6 Astra 操作 Blender 完成 3D 创作的经历：从 16 分钟做出兵马俑，到搭建秦陵地宫、科幻中庭，最终拼成可疾跑战斗的 3D 游戏。文章介绍了 Blender 的免费开源特性与建模、材质、灯光、动画、渲染等完整流程，指出其可用 Python 脚本控制，因此 Astra 能通过 MCP 连接器写脚本操作软件。作者给出接入步骤、首个咖啡杯场景的提示词范例，并强调人仍需负责检查杯柄连接、构图与灯光等细节。
作者分享了从角色参考图制作 3D 手办模型的完整流程。先用 GPT 生成手办效果图，再选择转模工具（对比 TRELLIS.2、Tripo 3.1、Tripo 2.5 三条路线，涉及免费配额与导出权限差异），下载带贴图的 GLB 后导入 Blender，让 AI 助手检查并修整面部、贴图等细节，最终输出高清 PNG 和 8 秒转台 MP4 视频。作者强调直接让 AI 从零建模效果不佳，正确的流程顺序、事先确认导出权限、区分白模/分部件/纹理等概念是成功的关键。
本文以 macOS 上的 Blender 5.2.1 和金门大桥 3D 模型为例，图解讲解新手入门 Blender 必备的五个核心概念：安全网（撤销与常见误操作）、导航（触控板手势与 View Selected 聚焦）、Outliner 场景目录、着色模式（Solid/Material Preview/Rendered）、相机与出图流程，以及物体模式与编辑模式的区别。文章纠正了 Emulate Numpad 等常见误解，并给出大场景下缩放卡死的解决方案和 5 分钟上手流程，帮助 GPT-6 等 AI 驱动场景下快速玩转 Blender。
作者分享了使用GPT-6 Astra操控Blender进行3D建模的保姆级教程。文章介绍了三种方式：Computer Use模拟人类操作（如4小时搭建天坛祈年殿，但耗费大量额度）、Blender官方MCP通过底层API控制（更适合复杂任务，需拆分步骤避免超时）、以及CLI调用Python脚本。作者指出AI擅长建筑、车辆等规则几何结构，但对生物角色建模效果差，建议结合Tripo AI等3D生成模型制作角色再导入Blender完成骨骼绑定、材质和动画流程。文章最后感慨创作平权化，认为未来差距将取决于想法、审美与判断力。
作者花一个周末测试GPT-6 Astra在硬件领域的应用，发现该模型首次能在物理系统层面保持足够的上下文持续工作。在CAD机械设计中，模型能推理几何、创建并迭代单个零件，但在复杂整车系统和线束设计中仍有局限。在Blender环境中能快速构建连贯的3D场景，但视觉逼真不等于工程正确。最令人惊讶的是工厂模拟实验：Astra能设计并模拟一个飞机工厂的生产逻辑，包括物料流转、机器占用、故障传播等系统级状态变化，远超以往模型只能生成静态渲染的水平。作者认为这不是数字孪生，但硬件Agent的到来可能比预期更早。
作者受 GPT 6 Astra 玩 Blender 视频启发，将 AI 生图与 Blender 操作能力结合，开源了一个 3D 镭射卡牌生成 Skill。整套流程封装为 skill 后可一键自动完成拆图、视差、镭射、闪星等步骤，真人照片和动漫立绘均可制作成会闪全息光的卡牌。后续作者因被质疑抄袭而补充说明：实现方式参考了小红书教程并致歉未标注来源，强调自己只是用 codex 将教程流程跑通封装成 skill 分享。
作者对GPT-6 Astra进行高强度实测，拆解了4种高频落地工作流：角色设定四视图生成、可分层可编辑的商业海报设计、PPT从草稿到商业级汇报的迭代，以及基于Three.js和Blender的3D城市场景搭建。文章详细给出每个案例的提示词模板、交付标准和注意事项，并评估了电脑桌面操作的实用边界与成本账。作者还分享了精简后的系统指令配置、Codex客户端新机制、额度规则梳理，以及对个人创作者如何把握工具升级机会的思考。
GPT-6 Astra上线后，其Computer Use能力引发全网轰动：AI可直接操控Blender、Houdini、Unity等专业软件，自主完成3D建模、动画制作甚至游戏Demo。作者以《神之天平》为例，感慨过去独立开发者15年心血才能完成的作品，如今上限被大幅提升。文章指出，AI对GUI操作的泛化，让'执行能力'失去稀缺性，职业价值将被拆解为判断力与执行能力两层。但吊诡的是，人类的判断力恰恰从执行中磨炼而来——执行贬值而能力长于执行，这是时代最大的矛盾。作者担忧AI替人绕过痛苦的同时，也带走了人的成长路径，乃至传承。
作者亲测 GPT-6 Astra 操控专业软件（Blender、Audacity），指出 AI 是放大器而非许愿池：它能跨越操作门槛，却无法补上领域知识与审美判断。Blender 建模测试中因缺乏建模知识反复翻车，只能给出'不好看'的模糊反馈；Audacity 测试则展现了 Astra 惊人的跨工具调度能力。文章还探讨了 AI 操作留下的中间产物可能成为新的原创证明，并分析 Astra 常停在'下一步'不执行的行为差异，认为门槛没有消失，只是往里挪了一层。
