文章摘要
近几个月，全球顶尖大模型纷纷推出3D创作能力，从GPT-6Astra、ClaudeOpus5.5到DeepSeekV4.1-Flash-1017、KimiK3.1Pro，三维生成正成为衡量模型综合能力

近几个月，全球顶尖大模型纷纷推出3D创作能力，从GPT-6 Astra、Claude Opus 5.5到DeepSeek V4.1-Flash-1017、Kimi K3.1 Pro，三维生成正成为衡量模型综合能力的新维度。用户仅需用自然语言描述就能搭建房间、构造机械装置，甚至生成可交互的3D网页，原本需要在多款专业软件间辗转的工作，正被串联成自然语言驱动的创作流程。

当演示性的3D功能转向实际创作，一系列具体问题随之浮现：生成的角色能否与参考图高度相似？机械装置的部件能否独立运动？生成的资产能否顺利适配游戏引擎？如果第一版效果不佳，能否只修改局部而非全部重做？

10月下旬，某大模型官方发布的3D创作教程提到，针对人物、动物、雕像等精细建模任务，其模型暂未实现良好效果，因此会自动整理提示词与参考图，调用专业3D模型完成相关工作。这一现象折射出行业正在发生的变化：大语言模型越能推进复杂3D项目，对原生三维能力的需求就越具体。

智能体可以规划任务、编写代码、检查运行结果，但要继续编辑、控制和组织交互，还需要足够准确、生成迅速、结构清晰的三维对象。代码智能与3D原生智能正在形成新的协作模式。

对研究者而言，这也意味着一批新问题开始集中出现：三维结构应该如何表征？生成与编辑如何保持一致？模型怎样理解部件功能与空间关系？一个被生成的对象，又如何进一步进入持续演化、可以交互的世界？

Tripo背后的公司VAST（三启万物）正围绕这些问题推进两条核心研究主线：一条是以Tripo为核心的原生3D生成与理解技术，另一条是以Eden为代表的世界模型探索。近日，VAST发布新一期V・STAR顶尖人才计划，在3D生成基础模型之外，明确将三维理解与智能体、世界模型列为招募方向，面向3D生成、视频生成、LLM后训练与Coding Agent等领域的青年研究者。

Agent时代需要的3D基座模型

回顾近一年的「LLM+3D」项目，Tripo是反复出现的名字。独立开发者用Claude、Tripo与Blender完成《小王子》星球的3D场景创作，获顶级机构转发；开发者结合GPT、Codex与Tripo制作的3D人体解剖应用获OpenAI高管转发；创作者借助Tripo复原的南禅寺大佛作品获黑客松一等奖；高校团队通过Tripo与Kimi协作完成丝绸之路三维重建。这些项目共享同一创作路径：大语言模型负责规划、编程与流程组织，Tripo提供专业三维生成能力，最终组合成可体验的作品。

支撑这种协作的核心是基础模型能力。今年3月至今，Tripo系列模型在累计超20万用户投票的第三方评测榜单中，已连续8个月位居榜首。其中H系列刷新行业精度天花板，P系列是全球唯一能在数秒内输出生产级网格的3D大模型，贯彻「生成即可用」的理念。今年3月推出Tripo P1.0，9月更新P2.0，后者可直接生成以四边面为主、面数可控、部件拆分合理的3D对象。

这些特性对开发者和智能体至关重要：生成速度足够快，才能支撑「生成-运行-检查-修改」的多轮迭代；几何复杂度可控，才能适配网页、移动端与实时应用的性能预算；拓扑规整，才能减少后续编辑与动画制作的障碍；部件拆分合理，代码才能轻松定位并操控不同部分。VAST首席科学家曹炎培曾做实验：用P2.0生成机械蜘蛛，基于部件结构让LLM编写运动逻辑，最终实现部件级动画控制。当智能体已经会写代码，3D原生基座模型需要补上的，正是代码能理解和操控的三维对象。

从生产需求出发 重构生成方式

为实现这一目标，Tripo P系列采用底层算法框架Nexus，将问题提前到生成阶段。不同于行业默认的网格逐步生成路线，Nexus解耦顶点与拓扑生成，通过扩散模型由粗到细构造顶点，用新编码方式表达拓扑关系，实现无需预先排序的原生网格生成。相关论文被国际图形学顶会SIGGRAPH收录，P1.0的实时演示获SIGGRAPH 2026 Real-Time Live! Best in Show奖项。P2.0进一步支持原生四边面拓扑，让模型摆脱「先生成再重做拓扑」的流程。

这条路线背后的取舍很清晰：不把生成质量简单等同于视觉细节或面数，转而同时考虑形状还原、生成速度、几何复杂度和下游可用性。核心目标是让它进入真实工作流后，仍然成立。

Tripo P系列的成长并非始于预设的产品任务。核心贡献者Ronnie从实习加入VAST，最初只是对研究方向感兴趣，随着实验推进逐渐发展为P系列。他提到，当时没有明确的产品目标，只是对方向感兴趣，逐步探索出结果。为将研究转化为产品，他频繁与不同背景的同事沟通，理解用户需求与算法价值。GDC大会上，一位开发者对Tripo P1.0的惊讶反应让他印象深刻；P2.0发布后，更多开发者分享工作流，让他感受到研究的实际价值。从一个研究兴趣，到旗舰模型，再到别人手中的创作方式，这是P系列的成长轨迹，也是年轻研究者在这里能够经历的一条路径。

走在行业共识之前：世界不能只有好看的画面

如果说P系列回答了「三维对象如何更好地被继续使用」，那么Project Eden提出了更进一步的问题：当这些对象被放入可交互的世界，世界本身该如何持续存在与演进？

以Google Genie 3为代表的动作条件视频模型，本质是预测下一帧像素，一旦物体离开镜头再返回就可能消失。而VAST的Eden项目提出三层解耦框架：持续演化的世界状态（记录物体属性、交互规则，不依赖镜头）、从状态到画面的接口（转换为视角下的布局约束）、生成式渲染器（根据约束生成高保真画面）。

此后，越来越多研究开始探索类似的功能分工，将世界状态交给代码、引擎或智能体维护，再用视频模型生成画面。今年10月，VAST开源EdenLive，这是行业首个能根据任意视觉参考实时生成不同风格画面的视频模型，单张GPU可实现24FPS以上的720P生成，支持分钟级连续生成，5B模型可在NVIDIA RTX 5090上实时运行。

核心贡献者Zion的经历显示，团队在年初世界模型热潮中，没有跟风主流动作条件模型，而是追问「以键鼠操作为条件的世界模型，到底有什么用？」他们认为，要让模型真正有用，必须有显式的世界状态，比如游戏需要维护血条、技能冷却等状态，而此前的范式没有这一点。于是团队提出分层解耦路线，状态维护交给智能体或引擎，视频生成负责渲染。

路线确定后，仍有大量具体问题待解决。Zion此前主要研究3D生成，搭建实时流式视频模型是新领域，他负责研发框架，尝试不同配置后解决了画面漂移等问题，框架成为Eden早期实验与后续迭代的支撑。团队为研究方向配备数据与基础设施支持，成员可直接讨论方案。Zion的成长是明确研究目标：从对方向感兴趣，转向以「交互与仿真」为目标，探索三维内容如何支持新交互，构建智能体与机器人的仿真环境。

拥有定义问题的自由

VAST的研究方式是先判断问题价值再寻找方法，允许不同意见与实验推翻设想。对于研究者，「研究自由」的核心是定义问题本身。Ronnie提到，团队尊重客观事实与科研过程，遇到问题讨论解决而非按预设日期要求突破。

Zion分享了允许试错的边界：他曾尝试结合LLM与3D生成搭建场景，因无法稳定转正物体而暂停，团队以有限资源验证假设，而非直接否定。机会不看资历，实习生Stewie参与核心模型全流程，从实验室方法到产品细节，成就感来自解决产品问题而非论文数量。

有人愿意挑战你的想法 也有人陪你解决问题

算法团队成员R把这样的研究团队比作科考队，成员需要判断方向、理解产品、协同不同专业能力，团队不能依赖预设地图，要自己发现问题边界。他期待的伙伴是「能力强、不执着于证明自己」。

这种氛围让研究者可以直接表达意见，跨团队交流方案，发现问题主动承担责任，不必担心职责边界。对Stewie而言，团队的高人才密度没有带来peer pressure，反而提供了充足支持，让他能专注于问题本身。

留下与自己有关的成果

几位受访者都认为，职业选择不必简化为「大厂还是创业公司」，关键是匹配自己的追求。R更在意团队在具体领域能提供的机会：接触前沿问题，与理解问题的人合作，产出代表自己的成果。

Tripo P系列从探索到行业标杆，Eden从路线争论到开源发布，实习生参与核心模型训练——这些经历展现了VAST的可能：年轻研究者不必等资历足够深，就能承担重要问题，他们的研究可以被同行讨论，被开发者接入，进入用户日常创作。

这也是V・STAR计划希望延续的故事，目前招募三类方向的研究者：

  • 3D生成基础模型研究科学家：从三维表征与模型架构出发，探索几何精度、拓扑结构、生成与编辑可控性的下一步突破。
  • 三维理解与智能体研究科学家：面向多模态模型、LLM后训练与Coding Agent研究者，推进三维理解、空间推理，以及复杂任务中的自主规划、执行与迭代。
  • 世界模型研究科学家：围绕动态演化、长时一致与交互控制，探索生成质量、实时性和计算效率之间的新边界。

VAST希望候选人至少在一个领域有深入积累，同时愿意理解其他方向进展，更看重研究的实质性突破与问题定义的逻辑。入选者可参与定义技术方向，薪酬突破传统职级限制，优秀者有长期期权激励。这里需要能判断问题、独立推进、修正方向的研究者，而非等待任务拆解的执行者。

顶级AI研究员的机会未必在拥挤赛道，也可能在能力交汇、问题未被充分定义的地方——那里有长期难题，也有年轻研究者判断改变项目方向的空间。VAST正在寻找愿意一起定义问题的同行。文中受访者姓名均为化名。

以上内容不代表本平台立场，仅供读者参考