导语

当 AI 生成图像已经能一次给出不错的结果时，下一步会发生什么？Simon Willison 在 2026 年 9 月 9 日的博客中给出了一个具体答案：把 AI 生成的图片交给运行 GPT-6 Astra 的 Codex，让它调用本地 Blender 技能，自动构建出一个可查看的 3D 模型。整个过程耗时 17 分 51 秒，最终产出了多个 .blend 文件，并被他集成进自己的浏览器端 Blender 查看工具中。

这篇文章不讨论宏大的 AGI 叙事，而是拆解一个具体的、可复现的“感觉编码”（vibe coding）工作流：从文本提示到图像，再到 3D 资产，最后到浏览器中的可交互预览。

第一步：用 ChatGPT Images 2.5 生成法贝热彩蛋概念图

Simon 的起点是一个个人兴趣项目——制作以流行文化为主题的法贝热彩蛋。他运行了一个提示，要求 ChatGPT Images 2.5 生成一张以电视剧《Pluribus》为主题的法贝热彩蛋照片，并特别注明“先进行研究”。

第一次尝试的结果，用他自己的话说，“还不错”。生成图像是一枚半开的黄色法贝热彩蛋，内部可以看到身穿黑色服装的 Carol 面对着一群面色苍白、令人不安的“joined humans”合唱团。场景中还有仙人掌，带有新墨西哥州阿尔伯克基的地域氛围，蛋座上刻有 Pluribus 铭牌。

这一步本身并不新鲜——AI 图像生成早已是常规操作。真正有意思的是接下来发生的事。

第二步：把图片交给 Codex，让 GPT-6 Astra 调用 Blender 技能

Simon 把生成的图片粘贴进运行 GPT-6 Astra（high）的 Codex，并给出提示：

使用你的 blender 本地技能创建这个法贝热彩蛋的 blender 模型

这里的关键词是“本地技能”。根据素材，Simon 为此创建了一个技能文件，让 Codex 能够调用本地的 Blender 能力。这不是简单的 API 调用，而是一个将自然语言指令、视觉输入和本地 3D 工具链串联起来的工作流。

Codex 运转了 17 分 51 秒，最终构建出几个 .blend 文件。这个时长本身值得注意：它不是秒级响应，而是一个需要持续计算和迭代的过程。依据现有素材判断，这期间模型需要解析图像中的几何结构、材质、装饰细节，并转化为 Blender 可执行的建模操作。

第三步：浏览器端查看器，让 .blend 文件可交互

Simon 之前已经有一个“凭感觉编码”的 Blender 查看实验，他把这次生成的 Pluribus 模型加入了自己的工具集合，现在可以在浏览器中直接查看。

从截图信息来看，这个查看器的能力相当具体：

• 加载的模型：Blender 05.01 格式，7.2 MB
• 场景规模：387 个网格、1099 条曲线、1 个文本对象
• 几何复杂度：783,764 个顶点、1,446,560 个三角面
• 材质：17 种材质
• 预览说明：材质和文本为近似预览，未应用的修改器会被省略
• URL 解析：GitHub URL 通过 jsDelivr 解析

查看器界面提供了 Fit、Wireframe、Clear 等控制按钮，底部信息面板会显示模型统计信息。这意味着用户不需要安装 Blender，就能在浏览器中旋转、缩放、切换线框模式查看这个 AI 生成的 3D 模型。

从截图描述看，模型本身包含了相当丰富的细节：金色蛋壳、绿色宝石、珍珠、华丽卷草纹、一圈微笑的白色蛋形面孔、绘有仙人掌和沙漠场景的椭圆形徽章，蛋由四条金色腿支撑，立于黑色大理石底座之上，底座上有金色 PLURIBUS 铭牌。蛋顶打开，内部是一个微型沙漠立体场景，有绿色仙人掌、棕色岩石，中央站着一个穿黑色西装的小人。

这个工作流为什么值得关注

1. 从“生成内容”到“生成资产”

AI 图像生成解决的是“看起来像什么”，而 3D 建模解决的是“结构上是什么”。后者需要几何、拓扑、材质、层级关系等一系列结构化信息。Simon 的实验展示了一条路径：用图像作为中间表示，让 LLM 驱动本地专业工具完成从 2D 到 3D 的转换。

2. “本地技能”是关键的连接层

素材中明确提到 Simon 创建了技能文件，让 Codex 能够使用 Blender 本地技能。这个模式的意义在于：LLM 不需要自己实现 3D 建模算法，而是学会调用已有的专业工具。Blender 作为开源 3D 工具链，其 Python API 和脚本能力为这种自动化提供了基础。

3. 浏览器端预览降低了消费门槛

生成的 .blend 文件如果只能在 Blender 中打开，传播和分享的门槛会很高。Simon 的查看器通过 jsDelivr 解析 GitHub 上的文件，让用户点击链接就能在浏览器中查看。这个“生成—托管—预览”的闭环，是让 AI 生成 3D 资产真正可用的重要一环。

4. 时间成本仍然可观

17 分 51 秒的生成时间，对于个人实验可以接受，但对于需要快速迭代的生产流程仍然偏长。依据现有素材判断，这个时间主要消耗在模型推理和 Blender 操作执行上。随着模型效率和工具调用优化，这个数字可能会下降。

趋势判断

Simon Willison 的这篇博客，本质上是一个“感觉编码”的案例记录。它展示的不是某个单一技术的突破，而是多个已有能力的组合：

• 多模态 LLM 理解图像内容
• LLM 调用本地专业工具（Blender）
• 自动化生成结构化 3D 资产
• 浏览器端轻量级预览

这个组合指向一个更广泛的趋势：AI 正在从“生成内容”走向“操作工具”。LLM 不再只是输出文本或图像，而是能够驱动专业软件完成复杂任务。对于 3D 建模、CAD、视频编辑、音频处理等领域，这种模式都有潜在的适用空间。

同时也要看到限制。素材中没有提供模型精度、拓扑质量、是否可直接用于生产等细节。依据现有素材判断，这仍然是一个实验性工作流，距离工业级 3D 资产生产还有距离。但它指出的方向是清晰的：LLM 作为工具调用者，而不是工具替代者。

结论

Simon Willison 的 Pluribus 法贝热彩蛋实验，是一个小而完整的技术演示。它从一句提示开始，经过图像生成、LLM 驱动 Blender 建模、浏览器端预览，最终形成一个可分享、可交互的 3D 资产。

这个工作流的价值不在于它有多完美，而在于它展示了当前 AI 工具链的一种可能组合方式。对于关注 AI 辅助创作、3D 内容生成、LLM 工具调用的人来说，这是一个值得跟踪的实践方向。

生成标记：本文由 ITPUB 文章生成平台基于已选素材整理生成。