Vibe Coding杀进3D领域！OpenAI总裁都在围观这种新玩法

在代码领域，我们已经越来越习惯一个词：Vibe Coding。

给出一句提示，Agent 可以自己写代码、改 Bug、搭网页，甚至独立完成一个应用。原本需要开发者逐行编写的代码，正在被自然语言重新组织。

那么，AI 3D 会不会也迎来自己的 Vibe Coding 时刻？

表面上看，这件事似乎已经发生了。输入一句话或一张图片，几秒钟生成一个完整的 3D 模型，早已不算稀奇。

但真正的门槛，出现在生成之后。

当这些模型进入影视、游戏、动画开发流程，甚至交给 Agent 操作时，渲染效果之外的结构质量开始变得重要：网格布线是否合理，部件能否被准确拆分，模型能不能继续编辑、绑定骨骼和制作动画，都决定着生成结果究竟是一个好看的 Demo，还是一个真正可继续开发的 3D 资产。

这也是 AI 3D 基础模型全球领先公司 VAST 最新发布的 Tripo P2.0（以下简称 P2.0）重点解决的问题。

P2.0 最核心的一项升级，是在生成阶段直接产出原生四边面拓扑（Native Quad Topology）。目前三角面最高支持 50000 面，四边面最高支持 25000 面，从移动端轻量资产到高精度主资产均可按需直出。

相比大量 AI 3D 模型先生成几何、再依赖额外重拓扑处理，P2.0 正在把「怎么布线」直接变成模型生成能力的一部分。

P1.0 (左图) vs P2.0 (右图)。注：P1.0 于 2026 年 3 月发布

这种变化并不只体现在面数增加。

从实际来看，P2.0 生成的效果更精细，布线也更合理，边缘流更加清晰，网格密度会更多分配在细节区域，大片平面则尽可能保持干净；这在机械、工业道具等 Hard Surface 资产上，差异尤其明显。

与此同时，P2.0 天然分件也进一步改善，模型中的不同部件能够被更合理地拆分，结构关系更加清晰。

这些变化会直接影响后续使用。

对 3D 创作者来说，更规整的四边面意味着可以沿着连续 Edge Loop 进行局部调整，也更加适合后续骨骼绑定和动画形变；到了正式版，P2.0 还将加入局部重新生成功能，用户可以只修改选中的区域，其余部分保持不变，让一次性的 AI 生成开始变成可以持续迭代的创作过程。由于管线兼容性极强，P2.0 也正在解锁新场景 3D Vibe Coding。 

也就是说，P2.0 的价值已经从「生成效果」延伸到了「后续可用性」：生成出来的 3D，开始真正成为人和 Agent 都能继续编辑、理解和操作的工作对象。

与此同时，VAST 还带来一个好消息，宣布完成 B 轮和 B + 轮融资，合计约 30 亿人民币。不到半年，公司累计融资约 50 亿元，刷新 3D 原生智能领域融资额纪录。

我们也亲自上手测试了一下。P2.0 简单到只需输入一张图片或提示，就能直接生成一个布线规整、结构清晰的原生四边面 Mesh，整体轮廓和局部细节都能得到较好保留，后续也更方便继续编辑和处理。

试用地址：https://studio.tripo3d.ai/ 

在独立 AI 3D 评测平台上，Tripo 系列模型长期位居综合评分全球第一，评测结果来自超过 20 万用户的盲测投票。截至 2026 年 8 月，Tripo 在几何、低多边形、纹理、分割四个维度均排名第一。其中在低多边形维度，P2.0 Preview 版本盲测胜率超过 70%，唯一接近的仍是上一代 Tripo P1.0。

AI 3D 已经很会「画」了，但还不够会「建模」

理解 P2.0 的变化，需要先理解拓扑。

一个 3D 模型，本质上由顶点、边和面共同组成。它们如何连接、如何沿着物体表面排列，就是拓扑。

对于普通用户来说，一个模型只要最终渲染出来足够漂亮，拓扑似乎无关紧要。但对于游戏开发、影视动画和专业 3D 创作而言，它几乎决定了这个模型之后还能不能继续用。

比如一张角色的脸，如果眼睛、嘴角附近的边缘流按照肌肉运动方向形成连续环线，那么角色在眨眼、张嘴时，表面就能够自然形变。反过来，如果布线杂乱，即使静态画面看起来没有问题，一旦绑定骨骼、驱动表情，模型就可能出现拉伸甚至破面。

硬表面模型也是一样，比如一辆汽车，需要大片平整表面和清晰锐利的边缘。面数如果被无意义地堆在平面区域，而真正需要细节的位置反而结构混乱，后续编辑就会变得困难。

因此四边面长期以来都是影视、游戏资产制作中最重要的工业标准之一，其更容易形成连续的 Edge Loop，也更适合循环切割、角色形变和局部编辑。

问题在于，过去的 AI 3D 很难做到这一点。

常见做法是先让 AI 生成高模或三角面模型，再增加 Retopology「重拓扑」步骤。这条路线相当于把生成和可用性拆成了两个阶段：流程更长，转换过程中还可能损失几何细节。

另一条路线则干脆只输出三角面，网格质量相对粗糙，容易出现重叠面、布线无序、边缘流不清晰等问题。模型一旦进入编辑、绑定、动画等生产环节，这些问题就会迅速暴露。

对于游戏和实时工作流而言，生成即可用是核心诉求。但上述方案都存在致命问题：AI 可能几十秒就把 3D 模型生成出来了，开发者和艺术家却还要花数小时清理拓扑、重新布线。这不仅降低了效率，更违背了 AI 生成工具的初衷。

当「生成」越来越快，生成之后的整理和返工，反而成了 AI 3D 真正进入专业生产管线的新瓶颈。

P2.0 做了一件更接近传统 3D 建模逻辑的事

P2.0 的选择是直接原生四边面拓扑。

P2.0 的四边面并不是模型生成完成之后再通过传统算法「改」出来的，而是在扩散模型的生成过程中直接产出的。

模型在生成顶点和拓扑的同时，就已经完成了四边面的划分。四边面不再是外部算法的补丁，而是模型内生的输出，是模型自带的能力。

换句话说，模型在决定一个物体「长什么样」的同时，也开始决定这个物体应该「怎么布线」。

这种变化首先体现在后续生产。

比如局部编辑。更规整的四边面能够形成连续的 Edge Loop 和相对均匀的布线，创作者可以沿着环线进行循环切割、选区和局部调整，不必先花大量时间清理杂乱拓扑。

到了绑定和动画阶段，优势会更加明显。角色关节、五官等区域在运动过程中需要频繁拉伸、弯曲和扭转，连续且合理的四边面布线能够让形变更加稳定，减少拉伸、扭曲等问题，也更符合传统动画制作管线的使用习惯。

与此同时，P2.0 对网格密度的分配也更加合理：需要保持平整的区域尽可能保持干净，复杂细节处再集中增加密度，边缘流则沿着物体结构展开。尤其是在 Hard Surface 资产上，这种差异更加明显，机械结构、工业道具等模型往往既包含大片平面，又有锐利边缘和复杂连接件，过去很容易出现「该简单的地方过密、该保留细节的地方反而混乱」的问题，P2.0 很好地解决了这些问题。

与拓扑一起改善的还有天然分件。模型中的不同 Connected Components 能够按照结构被更合理地拆开，让一个复杂 3D 对象不再只是连成一团的几何表面，而逐渐呈现出更清晰的部件关系。

3D 艺术家 @Stefan_3D_AI 在体验后特别提到硬表面资产。他认为，这一类别此前一直是各种 3D 生成器比较棘手的方向，而 P2.0 一个明显变化是网格密度开始真正「去到应该去的地方」：平面保持干净，细节区域获得更多密度，边缘也能保持住。

来源：https://x.com/Stefan_3D_AI/status/2089714049835733043

更有意思的变化，发生在 Agent 接手 3D 之后

其实真正让这次升级变得更有想象力的，是 Agent。

过去一年，Coding Agent 已经证明了一件事：当一个领域能够被结构化地表达，并且模型拥有足够好的工具接口之后，自然语言就可能成为新的操作层。

然而，AI 3D 却困难得多。

一个几十万面的高精度模型，对于 Agent 来说，很大程度上仍然是一团复杂的几何数据。如果模型本身没有干净结构，也没有合理分件，即使 Agent 「看见」了它，也未必知道哪部分是头、哪部分是手臂、哪一块应该旋转、哪个结构能够拆下来。

所以，3D Vibe Coding 的关键问题是 AI 生成出来的 3D，本身是不是一种 Agent 容易理解和操作的数据结构。

当一个机械模型被拆成更符合语义的 Connected Components，当拓扑沿着真实结构分布，Agent 判断「谁是谁」的难度就会降低。

一旦这件事成立，很多原本需要专业 3D 软件完成的操作，就有机会进一步转向自然语言。

这也是 P2.0 天然适合 Vibe Coding 的原因。它生成的 mesh 拥有更合理的布线、更干净的结构和更清晰的部件关系，Agent 更容易理解物体之间的结构关系，并在此基础上继续完成调用、修改和交互。

作为 VAST 首席科学家，曹炎培是 P2.0 的首批用户和创作者。下面是他用 P2.0 生成的机械蜘蛛，并在天然语义分件的基础上，让 LLM 为独立部件命名、编写和调试运动逻辑，最终实现整只机械蜘蛛的部件级动画控制。

事实上，在此之前，已经有开发者尝试把 Tripo 生成的 3D 资产交给 Agent 继续处理。

例如开发者 @thebuggeddev 曾将 GPT、Codex 与 Tripo 结合，制作了一套 3D 人体解剖交互应用。 用户可以直接在网页中查看和操作器官模型，这个项目后来还被 OpenAI 联合创始人兼总裁 Greg Brockman 转发。

来源：https://x.com/thebuggeddev/status/2083884856531177942

更有意思的是另一条金鱼 Demo。

该用户先用 Tripo 生成了一条拥有干净拓扑的锦鲤，但最初拿到的只是一个静态 Mesh：没有 Rig、没有 Bones，也没有任何动画。由于自己并不会使用 Blender，她索性直接把这条鱼交给 Claude，看看能不能在不碰 Blender 的情况下让它「活」起来。

最终，这条原本完全静态的鱼开始在网页里游动、呼吸，对鼠标位置做出反应，甚至会朝用户「游」来。整个过程中，开发者没有打开 Blender，也没有调用额外的 3D MCP。

来源：https://x.com/thebuggeddev/status/2091007327038058997

还有一次，她把 Claude Opus 5 和 Tripo 组合起来，不到一小时完成了一套 3D 无人机网页。

来源：https://x.com/thebuggeddev/status/2088821495841931576

另外，在 Anthropic 举办的 Claude Opus 4.8 Build Day 黑客松中，Tripo 也已经出现在获奖团队的 3D 开发工作流里。

这些案例放在一起，可以发现：Tripo 负责生成结构更干净、可继续处理的 3D 资产，Claude、Codex 这样的 Agent 再接手动画、交互、优化和代码开发。 用户不需要先成为 3D 艺术家，也可以直接从一句需求或一张图片出发，继续把一个静态模型变成真正可运行的 3D 应用。

从 P1.0 到 P2.0 的接力，背后其实是一场 mesh 技术路线之争

P2.0 的原生四边面能力，建立在 VAST 自研的 Nexus 技术框架之上。其论文《Nexus: Native Mesh Generation with Diffusion》入选 SIGGRAPH 2026 Technical Papers，论文探索的核心问题是：Mesh 能不能摆脱自回归，直接由扩散模型原生生成。

论文地址：https://arxiv.org/pdf/2607.13563

过去主流的 Mesh 生成，大多借用了大语言模型的自回归思路：先把顶点和面按照某种规则排成一维序列，再像生成 Token 一样一个接一个预测。

问题在于，Mesh 天生没有这样的顺序。强行对其排序，意味着模型必须去适应一个原本不存在的序列关系。

这也使得自回归路线在 Mesh 生成上呈现出一种「虚假繁荣」：基础效果可以做到不错，但当模型开始追求更复杂的结构、更高面数和更高质量时，误差累积、推理效率等问题就会集中暴露。

因此，VAST 较早识别出自回归路线的天花板，在行业共识形成之前就把研究目标聚焦在扩散路线上。

但扩散模型想真正进入 Mesh，首先要跨过表征这一关。

Mesh 同时包含连续的几何坐标和离散的拓扑结构，而扩散模型天然更擅长处理连续信号。此前的扩散方法，要么只能处理固定数量的元素，要么很难直接建模离散拓扑。

Nexus 的做法是把 Mesh 生成拆成两个问题：顶点在哪里，以及这些顶点应该如何连接。也就是把 Geometry 和 Topology 解耦。

在几何生成阶段，Nexus 把顶点看成分布在三维空间中的稀疏占用信号，并用八叉树组织整个空间。模型从一个粗粒度空间开始，通过扩散模型逐层判断哪些区域存在顶点，再不断向更细尺度展开，由粗到细建立物体的整体形状和局部细节。这样，模型不需要按照固定顺序逐个预测顶点，而是从全局结构出发生成完整的顶点集合，同时还能根据物体复杂度动态决定顶点数量。

更关键的是拓扑。顶点位置是连续坐标，但「两个点是否连成边、三个点是否组成面」本质上是离散关系，并不天然适合扩散模型。为此，Nexus 利用 Spacetime Interval（时空区间），把复杂的边和面连接关系编码成每个顶点上的连续特征，再让扩散模型直接生成这些拓扑表征。推理时，系统先判断哪些顶点之间应该形成边，再从已经确认的边中恢复面，最终得到完整 Mesh。由于顶点和拓扑都不需要被强行排序，整个过程可以从全局建模网格结构，也绕开了自回归方法容易出现的顺序敏感和误差累积问题。

这样一来，Mesh 不再需要先被强行排成一串 Token，顶点和拓扑都可以在扩散框架下进行全局建模。Nexus 由此实现了 sort-free 的原生 Mesh 生成，并在 Objaverse、Toys4K 等数据集上超过多种自回归和两阶段基线。

这套方法也构成了后来 P 系列不断向前扩展的底座。

Nexus 论文首先验证的是 Mesh 原生扩散生成；2026 年 3 月发布的 P1.0，实现约 2 秒直接生成拓扑干净的原生 Mesh，最高支持 20000 个三角面。到了 P2.0，VAST 又继续解决四边面 Mesh 的表征和生成问题，把三角面上限提高到 50000，同时加入最高 25000 面的原生四边面。

因此，从 P1.0 到 P2.0 是对同一条技术路线的一次连续扩展：

Nexus 解决原生 Mesh 怎么生成，P1.0 验证这套方法能不能产品化，P2.0 再把能力推向四边面和更专业的生产标准。

而到了四边面这一步，数据的重要性也进一步放大。

为此，VAST 构建了专门的高质量四边面训练数据集，为模型效果的持续优化提供数据支撑。并通过自建数据平台自动化生产结构化训练数据，持续支撑模型迭代。更底层的基础，则来自其长期积累的数千万级 3D 原生数据资产。

这也解释了为什么 Nexus 论文早已公开，但同等产品能力至今仍没有被迅速复制出来。

VAST 的 3D 技术版图正在展开

P2.0 的这次升级，是 VAST 在 3D 生成方向持续投入之后的一个阶段性成果。

截至目前，VAST 团队已发表顶会论文 60 余篇，数量在 3D 领域内居前；开源项目超过 30 个，GitHub Star 总数超过 3.5 万；自建的高质量 3D 数据集规模超过 2 亿条。

在今年 SIGGRAPH 大会上，VAST 也是收获颇丰。

是本届四个主会场 Keynote 演讲者之一，与迪士尼、NVIDIA、Bolt Graphics 同台，首席科学家曹炎培领衔的算法团队带来了题为《The Teapot Test: First It Tested Showing. Now It Tests Making》的主题演讲。

这届大会吸引了来自 69 个国家的近万名参会者，VAST 能在这样的场合拿到四分之一的主会场演讲席位，说明其在 3D 生成这个细分领域积累的技术声量已经得到了学术圈相对广泛的认可。

VAST 首席科学家曹炎培博士 Keynote 演讲

另外，团队还有 5 篇论文入选 Technical Papers，覆盖 3D 表征、原生网格生成、骨骼绑定、跨拓扑动画和纹理生成等三维资产创作的核心环节，并在实时展演环节 Real-Time Live 拿到了最高奖项 Best in Show。

曹炎培本人同期入选《麻省理工科技评论》35 岁以下科技创新 35 人中国区名单。

《麻省理工科技评论》对曹炎培的评价，聚焦于他在三维视觉与生成式 AI 领域的连续技术积累：从三维重建、神经渲染，到 AI 3D 生成，他推动相关技术从生成静态外观，进一步走向结构可用、资产可动和场景可交互，为空间智能与物理 AI 提供底层三维生成能力。

当 Agent 真正走进 3D，Mesh 可能会成为新的「API」

过去，3D 模型主要是给人看的，建模师在软件里打开它，动画师给它绑定骨骼，程序员再通过引擎接口给它增加行为。

Agent 出现之后，这套关系开始改变，接手 3D 资产的下一位「使用者」，可能是一个 AI。它需要知道模型由什么组成，哪些区域可以修改，每个部件之间是什么关系……

从这个意义上讲，一个结构干净的 Mesh，很像是 3D 世界给 Agent 提供的一层接口。接口越稳定，Agent 越容易继续操作。

届时，用户说一句：「做一只机械蜘蛛，让四条腿可以独立运动，点击背部打开内部结构，再给它加一个巡逻行为。」背后的流程可能不再需要人在五六个专业软件之间来回切换。3D 模型负责生成资产，Agent 负责理解结构、编写逻辑并继续修改，人只需要决定最终想要什么。

这可能才是 Vibe Coding 从二维软件走向三维世界时，真正需要补上的基础设施。

过去几年，AI 3D 解决了「如何快速得到一个 3D」。接下来的问题变成了：这个 3D 能不能真正成为一个可编辑、可驱动、可交互、可以继续工作的对象。

Tripo P2.0 的原生四边面拓扑，只是其中一步。

但它至少让一个趋势开始变得更加清楚：当 AI 开始接管越来越多 3D 工作流之后，竞争的重点会逐渐深入模型表面之下。

外形决定第一眼。结构，才决定这个模型接下来还能做什么。

文章来自于"机器之心"，作者 "陈陈"。