在三张圆明园鼠首照片里，我们看到了3D AI的Harness时刻

3D 生成的价值正从模型本身转向模型、智能体与专业软件共同完成任务的 3D AI Harness。

    作者丨吴海明

    编辑丨李娜 岑峰

成龙电影《十二生肖》里，有一段 3D 生成技术的片段，龙叔靠近圆明园十二生肖鼠首，用特制扫描手套获取文物的三维信息，再把数据加密传输到另一端，借助 3D 打印做出高仿鼠首。这套设定放在十多年前，代表的是一种典型的技术想象：要复原一个复杂实体，必须先有专用硬件、精密扫描和昂贵设备。

如果把同一个问题放到 2026 年，门槛正在被重新定义：没有扫描手套，没有专业扫描仪，也没有完整 CAD 数据，只给 AI 三张鼠首照片和一段自然语言指令，它能不能生成一个可检查、可渲染、可继续编辑的 3D 鼠首资产？

我们用 Aholo Lux3D、GPT-6 Astra 和 Blender 做了一次实测，流程很简单：GPT-6 Astra 在 Codex 中理解任务、拆分三张参考图的作用，并调度 Aholo Lux3D；Aholo Lux3D 先用 G1-Turbo 生成快速版 GLB 判断轮廓，再用 G1 生成高质量版本；最后，Blender 负责检查、调材质、加黑色展台、渲染三张预览图，并导出最终 3D 资产。

这次流程跑出的是一个完整 3D 场景：鼠首模型约19.05 万顶点、28.56 万多边形，保住了长鼻梁、圆眼、竖耳、短颈部和青铜雕塑感；最终文件包括 GLB、Blender 工程文件和三张 1400 × 1400 渲染图。从成本看，两次 Aholo Lux3D 调用合计消耗 21 积分，按官方计价约 1.47 元；从等待时间看，G1-Turbo 用约 92.9 秒完成轮廓验证，G1 用约 559.7 秒完成高质量生成。

单个角度图片示例

这个结果回答了一个关键问题：当 3D 生成模型接入 Agent 和专业软件后，能不能把一段自然语言需求推进到可交付资产？

此外，从行业来看，3D 生成正在从“模型一次性出图”走向一种更工程化的组织方式：Agent 负责调度，3D 模型负责生成，Blender 这类专业软件负责检查和后处理。本文把这种路径概括为 3D AI Harness：AI 不只是生成一个模型，而是开始把现实物体转成可继续编辑、复用和交付的三维资产。

这次测试不是一次“图片变模型”的炫技，而是一次 3D 资产生产链路的摸底考试，给出一个清楚的结论：Aholo Lux3D 这类 3D 生成模型已经能进入真实工具。

01

实测：三张照片生成鼠首，

一次 3D 资产工作流摸底考试

不同于龙叔当年靠扫描手套和精密仪器才能获得鼠首信息，我们这次测试要粗暴很多：三张图片和一段指令。

具体地，我们首先在电脑上安装 Codex 和 Blender，以此作为测试环境。同时，构建测试题目如下：

代码块

请使用 Aholo Lux3D + Blender，基于 workflow_check/images/ 下的三张鼠首裁剪参考图，生成一个写实青铜鼠首 3D 资产。

要求：

- shushou2.jpeg 作为主参考，shushou1.jpeg 作为侧面参考，shushou3.jpeg 作为辅助轮廓参考；

- 生成对象是青铜鼠首雕像，不要完整老鼠身体；

- 保留长鼻梁、圆眼、竖耳、短颈部和博物馆文物感；

- 材质为深褐色青铜，带轻微铜锈和粗糙金属质感；

- 先用 G1-Turbo 快速生成 GLB，如果轮廓可用，再用 G1 生成高质量版本；

- 生成后用 Blender 打开检查，添加一个简单黑色方形展台底座；

- 最终导出 scene.glb，并生成正面、左前 45 度、右前 45 度三张渲染预览图。

这道题核心考察三件具体的事：

（1）Aholo Lux3D 能不能从三张不完整参考图里抓住主体特征，鼠首最关键的是长鼻梁、圆眼、竖耳、短颈和青铜雕塑质感，只要其中一个崩掉，整个模型就会立刻出戏。

（2）能不能在速度和成本可控的情况下先给出判断，3D 生成不能每次都直接上高质量模式，否则工作流会变成碰运气。

（3）能不能进入后处理工具，不能被 Blender 检查、改材质、加灯光、导出，就还只是一个生成结果，不是资产。

所以我们把流程拆成三段：

（1）GPT-6 Astra 理解任务和调度工具，把三张照片的角色拆清楚，并把目标转成 Aholo Lux3D 可以执行的图生 3D 请求。

（2）Aholo Lux3D 先调用 G1-Turbo，生成一个快速版 GLB，用来判断轮廓是否成立，确认鼠首的长鼻梁、圆眼、竖耳和短颈结构没有大问题后，再调用 G1 做高质量生成。

（3）Blender 负责最后一公里：导入高质量 GLB，检查几何和材质，调整青铜质感，单独加一个黑色方形展台，再导出完整场景和三张 1400 × 1400 渲染图。

来看看实测记录：

从这张表可以看到，整个 3D 生成任务拆成了可决策的三阶段：先用 1 积分、约 92.9 秒快速判断方向，再用 20 积分、约 559.7 秒生成高质量资产，最后进入 Blender 做工程验收。其中，两次 Aholo Lux3D 调用的提交前报价合计为 21 积分；同时，进一步核对后台发现实际消费也是 21 积分，按照官方计价来看，相当于花费 1.47 元就可以完成龙叔在十多年前一次九死一生的探险历程。这对用户评估一次资产生成的成本，已经足够直观了。

群核科技官方积分消耗详情截图

最终产物包括：快速版原始 GLB，G1 高质量 GLB，G1 原始 ZIP，最终 scene.glb，Blender 工作文件，三张调整后的渲染图：正面、左前 45 度、右前 45 度，分辨率均为 1400 × 1400。从几何检查看，最终场景中包含两个网格、两个材质：一个是黑色方形展台，一个是青铜鼠首。鼠首模型约 19.05 万顶点、28.56 万多边形，最终高度按数字展示需求归一化到约 40 厘米，底座高度约 3.5 厘米。

Codex 中 GPT-6 Astra 测试截图

究竟完整效果如何呢？一起看看细节：

通过视频来看，Aholo Lux3D 保住了鼠首的几个关键特征：正面轮廓、长鼻梁、圆眼、竖耳、短颈部，以及青铜雕塑的整体观感，同时，深褐青铜材质也比原始生成结果更接近博物馆展陈里的金属文物效果。再说说细节，鼻梁和头顶的凹陷细节刻画得非常真实，还原位置非常精准。

不过需要说明的是，从两处凹陷位置，以及过度平整的背面也能看出不少 AI 推断痕迹，但它仍能作为一个可展示、可渲染、可继续调整的 3D 资产进入工作流，就如同拍照可以保存自己的身份证在手机一样，未来可以帮助用户留存更多 3D 资产。

02

为什么这么强：

从官方看 Aholo Lux3D 的技术支撑

上述测试并非只有一个关于“Aholo Lux3D 把照片变成了 3D 模型”的叙事，更值得关注的是群核科技把速度、质量、成本和后处理放进了同一条链路。

根据官方报道，Aholo Lux3D 提供标准版和极速版两类能力，标准版更强调高精度几何和精细材质生成，适合重点展示资产；极速版更强调速度和低成本，适合批量生成、快速预览和方案验证。

这次鼠首测试正好踩中了这个分工，G1-Turbo 的任务是先回答一个工程问题：三张普通照片能不能把鼠首轮廓撑起来？如果耳朵塌了、鼻梁短了、眼睛偏了，就没有必要继续消耗高质量版本。反过来，只要轮廓成立，就可以把更贵、更慢的生成资源留给真正值得打磨的版本。因此，G1-Turbo 的价值是：在约 1 分半的本地记录耗时内给出了可用轮廓，具有年代感、历经岁月氧化的青铜质感。（雷峰网(公众号：雷峰网)）

随后 G1 接棒，承担高质量资产生成，高质量版本保留了头部与短颈，表面凹蚀纹理更细，GLB 和 ZIP 文件都通过结构检查。进入 Blender 后，工作重点从“重新生成”变成“整理材质、摆正资产、加底座、渲染展示”。

此外，来自群核科技的十余位内部技术专家和共创用户的评测结果为上述生成质量提供了有效参考。根据标准版部分披露，与几个市场现有模型的对比，Aholo Lux3D 在 3 个算法指标中，PSNR 排第一，LPIPS 排第四，CMMD 排第三，这三项指标分别从像素还原、感知差异和生成结果的整体分布差异等角度衡量效果。综合来看各有优劣，尤其 Aholo Lux3D 的材质像素还原能力已经进入行业第一梯队。

来自群核科技的十余位内部技术专家和共创用户的评测结果截图

除此之外，据官方平台，Aholo Lux3D 的标准版早已成为空间设计、游戏资产、电商营销、文物文博和 AI 短剧场景的新选择，而 Aholo Lux3D 极速版生成一个 3D 模型平均仅需 20 秒，已经被用户用于小游戏场景快速搭建、具身智能训练和海量 SKU 快速初筛。

Aholo Lux3D 设计的《大鹅搬家队》小游戏

Aholo Lux3D 设计的古村落探险游戏场景

03

3D AI Harness：

专业模型进入通用智能工作流

GPT-6 Astra 的发布，确实把 3D AI 的行业预期推到了更高位置，既具备面向世界模型的空间理解与生成潜力，也具备通用 Agent 的规划、编码和工具调度能力。这样的通用能力，会让很多垂直模型重新回答一个问题：当通用模型越来越强，专业模型的价值还在哪里？

这次鼠首测试给出的答案是：专业的事情仍然需要专业模型来完成。 在这套工作流里，GPT-6 Astra 负责理解需求、拆解任务、选择工具，并把生成结果继续送进 Blender、网页或游戏引擎等下游环境；Aholo Lux3D 则承担专业 3D 资产生成层的角色，负责把图片或文字转化为可预览、可编辑、带材质的三维资产。

这也是 GPT-6 Astra + Aholo Lux3D 与单一 3D 生成工具的区别，只从三张照片生成一个鼠首模型，单个生成模型也能完成一部分任务；但从自然语言需求出发，先快速验证轮廓，再生成高质量资产，随后进入 Blender 检查、调材质、加底座、渲染和导出，这已经不只是“生成模型”，而是一条可调度、可验收、可继续加工的资产生产链路。

我们更愿意把这类组织方式概括为3D AI Harness，让 3D 资产继续流动：鼠首不只是一个 GLB 文件，还可以进入展示网页、互动游戏、数字展陈、XR 场景或 3D 打印流程。不仅能生成一个模型，还能在生成之后继续进入应用。

放到行业里看，Aholo Lux3D 的定位也因此更清楚：不是通用智能的附属功能，而是 3D 内容产业的资产基础设施：向上承接 GPT-6 Astra 这类通用 Agent 的任务调度，向下连接游戏、网页、XR、电商、文博和空间设计等应用场景。通用模型负责组织工作，专业 3D 模型负责生成资产，专业软件负责检查和后处理，这种分工比单点模型能力更接近真实生产。

因此，3D AI 的竞争重心正在从“谁能生成模型”，转向“谁能把模型接进真实工具链和应用链路”。对于 Aholo Lux3D 这类模型来说，真正值得争夺的位置，是成为通用智能时代的 3D 资产生成接口。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。