GPT-6人体解剖案例反转：2234个部件其实来自现成数据集
GPT-6 发布后，传播最广的案例是一批可以旋转、拆解、交互的 3D 网页，其中一套人体解剖网站尤其出圈。视频里，完整人体可以被层层拆开，肌肉、骨骼、血管和器官全部变成独立的 3D 部件，据称由 GPT-6 一口气生成了 2234 个人体部件，相关帖子的浏览量很快超过 3200 万次。
但热度没维持几天，反转就来了。有人发现，这些部件并不是模型从零生成的，而是来自一个已有的专业 3D 数据集，由专家基于 MRI 数据制作。GPT-6 真正做的工作，是调用这些现成模型，再把它们组织成一个可以交互的网页。
通用模型的 3D 能力边界在哪
作为通用模型，GPT-6 的强项其实不在生成复杂的 3D 资产。它可以用 Three.js 搭一个 3D 场景，也能通过 Computer Use 打开 Blender 自己建模，但实际效果仍然像视频生成模型早年的「史密斯吃面」：动作都做对了，出来的东西却总有点不对劲。直接生成的思路类似搭积木，每个部件都放上去了，但比例、细节和部件之间的连接仍显生硬。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、低模建筑和抽象装置。
把 3D 建模交给专业的生成模型
更现实的做法是分工：让 GPT-6 负责世界知识和任务调度，把 3D 建模交给专业的 3D 生成模型。以 GPT-6 搭配 Hyper3D MCP 为例，前者通过 MCP 调用 Hyper3D Rodin 完成资产生成，再用 Computer、Browser Use 等工具反复检查、打磨结果；MCP 还会持续反馈状态，把整个任务拆成若干阶段，让进展实时可见。
Hyper3D Rodin 擅长处理形态复杂、表面细节多、需要完整网格和材质的真实物体，例如人体、动物、器官、复杂道具和建筑资产。据公开信息，它出自 3D 生成大模型公司影眸科技，该公司成立于 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。团队的场景生成研究 CAST 获得国际图形学顶会 SIGGRAPH 2025 最佳论文奖；2026 年 9 月，团队又通过对 CAST 的演进推出世界生成模型 WorldGen。
3D 正在变成 Agent 的一种工具
这套流程的意义不只是「生成得更真」。过去让大模型做 3D 网页，最麻烦的地方就是模型太粗糙：用 Three.js 实现复杂的交互逻辑、镜头和动画都没问题，但要让通用模型自己动手做出一只精细的猫、一栋骑楼，就会显得吃力。当 3D 生产过程被拆成提交生成任务、查询进度、检查结果、拆分部件、下载模型这些模型非常熟悉的工具调用之后，顶尖的 3D 生成能力就相当于被放进了 Agent 的工具箱。
- 生成结果带有配套的 PBR 材质信息，记录表面颜色、细微凹凸以及不同部位的金属感和粗糙程度；
- 递归分件功能可以把模型自动拆成独立部件，载入网页后可单独选中、拆解和交互；
- 模型生成后能继续进入工作流，由大模型检查、决定是否重新生成，再调整位置比例，接入动画与游戏逻辑。
对 Codex 这类工具来说，调用它和调用搜索、浏览器或代码执行工具没有本质区别。3D 从过去需要人提前准备好的「素材」，变成了 Agent 执行任务过程中随时可以调用的一种能力。对需要大量 3D 内容的行业来说，变化在于项目起点被改写了：过去需要技术背景和专业团队才能启动的游戏开发、电商模型、影视制作、教学软件、数字场景和 3D 打印，如今一个想法本身就能成为起点。
