2026年9月6日 上午 8:27
AI 設計AI TOOLS · 2026
QUICK ANSWER
GPT-6 Astra 是 OpenAI 在 2026 年 9 月 3 日發布的旗艦模型，3D 能力來自它會自己操作 Blender：用寫 Python 腳本的方式從零建模，產出可編輯的物件層級，再一路接進 Unreal Engine 5。設計師不用會 Blender，從 ChatGPT 貼腳本就能開始。本文拆解完整工作流、prompt 寫法、額度成本，跟哪些地方還是要人收尾。
CHAPTER 01 · WHAT CHANGED
三天前 OpenAI 把 GPT-6 Astra 推出門，發布文塞滿 benchmark，但設計圈真正瘋傳的是另一段畫面：它自己打開 Blender，從空場景開始把一棟房子蓋出來，接著把整個場景送進 Unreal Engine 5，變成一個可以用第一人稱走進去的空間。沒有人碰滑鼠。
這跟過去兩年的「文生 3D」是兩件事。Meshy、Tripo3D 那一派，是模型直接吐一顆 mesh 給你——快，但網格結構是黑盒子，拿到手常常只能看、不能改。Astra 走的是另一條路：它像一個會用軟體的同事，在 Blender 裡一步一步把東西做出來，過程留下的是完整的物件、材質、鏡頭設定。
整體發布的 benchmark 盤點與那個 0% 的故事，我在上一篇 GPT-6 Astra 總覽寫過了。這篇只鎖定一條線：3D 建模，它到底能用到什麼程度、設計師怎麼進場。
AI 3D 的三代分野
1
文生 mesh
Meshy、Tripo3D 這一派。一句話換一顆網格，速度快，但拓撲與結構是黑盒，改起來痛苦。
2
軟體內 AI 輔助
外掛與面板進駐 DCC，在你操作的流程裡接手其中一步，例如上材質、生質感。
3
Agent 直接操作軟體
GPT-6 Astra 在這裡。自己開 Blender、寫腳本、看渲染結果、修正，端到端跑完整條建模流程。
CHAPTER 02 · HOW IT WORKS
很多人想像 AI 建模是模擬人手在視窗裡點來點去。實際上 Astra 在 Blender 裡主要靠寫 Python 腳本（bpy）：把幾何、修改器、材質、鏡頭全部用程式碼描述，執行，看渲染結果，再改。對它來說，一個 3D 場景就是一段可以被寫出來的程式——這也是它做得快的原因，程式一次能生出幾百個物件，滑鼠一次只能點一個。
最能說明這件事的案例：有開發者丟了一張老蒸汽火車的圖紙給它，幾分鐘後拿回一台由 3,295 個獨立可編輯物件組成的火車。不是一坨焊死的 mesh——每根管線、每顆鉚釘都是獨立物件，能單獨選起來調，細節程度還能用一句話指定要精細還是要簡化。
這解釋了「可編輯」從哪裡來：程式碼生出來的物件，天生有結構、有命名、有階層。也解釋了它在 BenchCAD 的成績——這個測試給模型多視角渲染圖，要它用 CAD 程式碼把 3D 物件重建回來，Astra 拿 95.9% 的幾何重疊分數，前代 GPT-5.6 Sol 是 83.3%。從「大概像」到「幾乎就是」，差的就是這十二個百分點。
CHAPTER 03 · IN PRACTICE
把概念產品放上展示台、打光、出一段環繞鏡頭——這種過去要找 3D generalist 外包的活，現在是描述清楚、等它跑完、挑一版收工。對做品牌與提案的設計師，這是最先能落地的一塊。
官方 demo 裡最有感的一段：房子在 Blender 建好，直接轉進 Unreal Engine 5，用第一人稱在裡面走——上一章那張暮色中庭，就是走到泳池邊的畫面。提案從「看平面圖想像」變成「戴上滑鼠走一圈」，說服力是另一個量級。
OpenAI 找遊戲工作室 Playco 實測，把 Astra 接上 Unity 跟 Godot：丟一個灰模遊戲給它，要求做出三個不同主題的可玩版本，多數第一次就能跑，手動修正比前一代少了約一半。Playco 點名進步最多的是空間推理、物件擺位跟遊戲手感——這三項恰好是過去 AI 做 3D 最弱的地方。
95.9%
BENCHCAD 幾何重疊分數
3,295
一張圖紙生出的可編輯物件
25 min
MEDIUM 檔跑完一個 3D 小遊戲
~50%
PLAYCO 實測減少的手動修正
CHAPTER 04 · COMMUNITY LAB
發布七十二小時，X 上像開了一場沒人主持的公開實驗室——各路創作者拿自己的題目往上砸，結果直接攤在時間軸上。挑三個最有代表性的，每一個都補上一塊官方 demo 沒講的拼圖。
第二章那台火車的原始貼文。看這張圖的重點在右側大綱面板：「Axle 1 horn guide」「journal block」一路排下去，每個零件都有語意命名——這就是「可編輯」三個字長出來的樣子，不是行銷詞。右下角壓著的正是那張 Silverton 鐵路的舊圖紙。他後來又丟了一台冷門車型 Commodore Vanderbilt 進去，一次拍板出可用的起點，車頭圓弧他說會自己進去手調——目前完成度的水位，大概就在這裡。
日本創作者 posi_posi8 丟一張角色立繪，Astra 在 Blender 從零建出穿衣服、拿道具的 3D 角色，全程零手動介入。他的原話很有份量：兩個月前，同樣的事丟給 Fable 5.1 或 GPT-5.6 Sol「完全做不到」。誠實的部分他也講了：正面很好，背面跟斜角有些地方像錯視畫，雕刻那類有機軟形則完全不行——硬表面強、有機形弱，這個分佈跟「用程式碼建模」的原理完全對得上：能被規格描述的東西它就強。
開發者 Sharif Shameem 讓 Astra 在 Blender 重建舊金山地標藝術宮：環形柱廊、圓頂浮雕、水面倒影，對著參考影像一次蓋回來。這張圖的價值在於把 BenchCAD 那個 95.9% 從一個數字，變成一張你看得出對不對的畫面——建築保真度是肉眼可驗的。
CHAPTER 05 · GETTING STARTED
Astra 正在陸續開放給 ChatGPT Plus、Pro、Business、Enterprise 用戶，API（模型名 gpt-6-astra）、Azure、AWS Bedrock 同步上架；Enterprise 預設關閉，要管理員手動開。介面上有時掛的名字是「GPT-6 Pro」，指的是同一次發布。依你想投入的程度，有四條路：
在 ChatGPT 選 GPT-6 Astra，描述你要的模型，請它產出一份完整的 bpy 腳本，自己貼進 Blender 的 Scripting 分頁執行。瀏覽器裡的它沒有權限碰你的電腦，所以分工很乾淨：它給碼，你執行。不用裝任何外掛，也不需要 Blender MCP。看不懂腳本沒關係，看得懂結果就行。
裝官方桌面版 app、開啟 agent 權限，它就能直接在你機器上執行腳本、看預覽圖、自己迭代。你從「執行者」退成「驗收者」。
批次改一整批資產、反覆執行加檢查預覽這種事，交給本機的 Codex 用戶端。注意目前雲端版 Codex 不支援 Astra，要本機版才行。
用 gpt-6-astra 自己串工作流，適合已經有自動化管線的團隊。
一個所有路徑都適用的小坑：開工前先問它一句「你現在的執行環境在哪裡」，再給檔案路徑。雲端沙盒的 /tmp 不是你電腦的下載資料夾，這一步能省掉大半「檔案找不到」的來回。
▲ OpenAI 官方發布影片：Introducing GPT-6 Astra
一次建模迭代的循環
01
描述模型與用途
02
Astra 寫 bpy 腳本
03
Blender 執行
04
看渲染結果
05
一句話修正，回到 02
CHAPTER 06 · PROMPT PLAYBOOK
建模 prompt 跟生圖 prompt 是兩種語言。生圖靠氛圍詞，建模靠規格。五個習慣，讓你少燒一半額度：
「120 公分寬、75 公分高的工作桌」比「一張中型書桌」可控十倍。程式碼吃數字，數字進得去，比例就不會歪。
一張老圖紙、一張產品照、一組多角度截圖，都能當重建依據。那台 3,295 個零件的蒸汽火車，起點就只是一張舊圖。
先要「簡化版，先抓比例跟輪廓」，確認方向對了，再下「保留結構，把細節加上去」。一次到位聽起來省事，實際上錯一次重跑的成本更高。
寫進 prompt：「每個零件獨立物件、用語意命名」。你之後要換一顆輪子的材質，是選一個物件的事，還是掉進一坨網格裡撈的事，就差在這一句。
要一張產品渲染圖、要匯出 GLB、還是要接進 Unreal Engine 5，講在最前面。出口不同，它鋪的路完全不同——為了渲染圖建的場景，跟為了即時引擎建的資產，面數與材質策略是兩回事。
CHAPTER 07 · COSTS AND LIMITS
訂閱用戶的 Astra 用量包含在方案額度裡，用完可以加購。API 定價是每百萬 tokens 輸入 10 美元、輸出 50 美元，Fast 模式兩倍速、兩倍價。單價比前代高，OpenAI 的說法是它重跑次數少、整體反而省——這個帳你要自己記：別用每 token 單價想，用「一個能收的成果總共花多少」想，失敗重跑才是成本大宗。
社群實測給了很實用的參照：@AiBattle_ 用同一個 3D 小遊戲題目對照兩個檔位——Pro 帳號上，Max 檔跑 53 分鐘、吃掉 4% 週額度；Medium 檔 25 分鐘、1%。被質疑數字灌水之後，他用同一個 prompt 把 Max 重跑一次：46 分鐘、3%，然後乾脆把 prompt 公開讓大家自己驗。順帶一提，Astra 的 reasoning 實際分五檔（low、medium、high、xhigh、max）：日常建模先用 medium 把 prompt 練熟，關鍵產出再往上調，額度可以撐很久。
限制也要說清楚。第一，安全檢查有時會暫停甚至中斷正常工作——ChatGPT 跟 Codex 裡它會請你確認後繼續，API 裡任務直接停。第二，拓撲不保證乾淨：佈線、UV、減面到上線標準，還是你的事。第三，「大致能動」跟「能出街」之間那段品味與收尾，依然是人的判斷。Sagmeister 那句「合格很便宜，好看很貴」，放在 3D 上一樣成立。
CHAPTER 08 · COMPARED TO
三組對照，決定它在你工具箱裡的位置：
對上文生 mesh：Meshy、Tripo3D 生的是「一顆結果」，Astra 生的是「一段過程」。要快速填滿場景的配角道具，前者依然快；要一個之後會反覆修改的主角資產，後者的可編輯性是決定性差異。
對上前代模型：兩個月前，同樣的 Blender 角色建模任務丟給 Claude Fable 5.1 或 GPT-5.6 Sol，幾乎做不動；日本社群這幾天的實測用詞是「完全不同量級」，而且全程零手動介入。BenchCAD 的數字排開來：Astra 95.9%、Fable 5.1 是 84.3%、Sol 83.3%、Opus 5 是 82.1%——前四名裡它一個人在另一個級距。
對上 Blender 生態的其他 AI：跟前陣子寫過的 Higgsfield Blender 外掛不衝突，是接力：Astra 負責從零把模型跟場景建出來，Higgsfield 那條 previz 管線負責把灰模變成有質感的畫面。一個管結構，一個管皮相。
CHAPTER 09 · TAKEAWAYS
“
建模的門檻，正在從手上功夫，移到你能不能把空間講清楚。
整理三件事。一，3D 的軟體操作門檻正在消失，但空間判斷的門檻沒有——尺寸感、比例感、什麼程度算好，這些反而變成主要戰場。二，這一輪真正的分水嶺是可編輯性：能改的資產才進得了正式流程，這是 Astra 跟文生 mesh 拉開的地方。三，進場策略很簡單：低檔位把 prompt 練熟，關鍵產出再上高檔。
至於「設計師會不會被取代」——焦慮那一篇我寫過了，這裡只補一句：工具把「做出來」變便宜之後，「知道要做什麼、做到什麼程度算好」就變貴。這一段，還輪不到外包。
RELATED READS · 延伸閱讀
EXTRA · LINKS
官方一手資料：GPT-6 Astra 發布頁（含 Blender、Unreal Engine 與遊戲 demo 影片）、官方發布影片。
A：不用。它產出的是完整可執行的 Python 腳本，你只要會把腳本貼進 Blender 的 Scripting 分頁按執行；桌面版 agent 模式下連貼都不用。看得懂結果、講得清楚要改哪裡，比看得懂程式碼重要。
A：需要付費方案。ChatGPT Plus、Pro、Business、Enterprise 用戶陸續開通，在模型選單選 GPT-6 Astra（有些介面顯示為 GPT-6 Pro）；開發者走 API 的 gpt-6-astra，Azure 與 AWS Bedrock 也有。Enterprise 帳號預設關閉，要管理員先開。
A：產出型態不同。文生 3D 工具直接生成一顆網格，快但難改；Astra 是在 Blender 裡用腳本從零建模，產出有結構、有命名的獨立物件，之後可以逐件編輯，也能一路接到遊戲引擎。填場景道具用前者，做會反覆修改的主角資產用後者。
A：社群實測的參照值：Pro 帳號用 Medium 檔跑一個完整 3D 小遊戲約 25 分鐘、吃 1% 週額度；Max 檔 53 分鐘、4%。單一物件的建模比這更輕。日常先用 Medium，關鍵產出再上高檔位。
A：可以，這正是它的強項。物件在 Blender 裡是獨立、可命名的階層結構，能逐件調整；匯出走 Blender 原生能力，GLB 等通用格式都行，官方也示範過整個場景轉進 Unreal Engine 5。
A：當概念、提案、原型用綽綽有餘；要進正式產品，拓撲佈線、UV、減面通常還需要人整理到上線標準。把它當一個產速極快的建模助手，而不是全自動資產工廠，期待值會剛剛好。
