GPT-6 Astra, Blender і 3D-модель Львівської опери
Пам’ятаєте демо GPT-6, де модель на ходу будує 3D-модель ракети? Вирішив перевірити, як це працює в реальних умовах, але на чомусь ріднішому — на будівлі Львівського оперного театру. Основна мета експерименту подивитися не стільки на підсумковий рендер, скільки на те, як модель поводиться, коли її просять згенерувати повноцінну об’ємну 3D-структуру на основі лише одного старого reference-фото.

Спроба Перша: Single-prompt generation
Перша версія генерувалася за один промпт без додаткового контексту. На статичному рендері з фасадного ракурсу модель виглядала переконливо. Але варто повернути камеру геометрія розсипається. Пропорції виявилися викривленими, а деталізація працювала виключно під кут огляду з оригінальної фотографії. Це була гарна псевдо-3D інтерпретація плоского зображення.
А далі починається найболючіше. За приблизно 40 хвилин роботи з Astra я витратив увесь

Спроба Друга: Розширення Контексту
На другому кроці я додав детальніші інструкції щодо пропорцій, сітки фасаду та елементів архітектури. Геометрія помітно покращилася, проте модель все одно залишалася затиснутою в межах вихідного кадру.

Спроба Третя: Інтеграція з Blender
Найцікавіше почалося тоді, коли я надав GPT-6 Astra доступ до Blender. Модель запустила роботу в Blender і оцінила проміжний результат. Вона самостійно (без явного запиту в промпті на кшталт «знайди інші фото») виявила дефіцит даних. Astra автономно пішла в мережу шукати додаткові референси, інші ракурси та макети будівлі, щоб скоригувати пропорції.

Модель отримала задачу, використала інструмент, виявила брак інформації для її якісного виконання і самостійно зібрала потрібний контекст. Перекинув деплой і усіляку рутину на старішу GPT модель, дав GPT-6 ASTRA Бледнер, оновив 3d модель на сайті (посилання нижче), трошки розгрузило по токенах.

Перші висновки: Astra показала гарні результати в розрізі тестування додатків, таких процесів і результатів я не спостерігав, наприклад, в Fable і, мабуть, це те де б я рекомендував її спробувати в першу чергу, але це от прямо дуже дорого, щоб не спалити кредити на першому промпті, рекомендую підготувати план і базову документацію в .md форматі, порозкидати «рутинну» роботу на різні дешевші моделі.
Покрутити результат можна тут:
2 коментарі
Додати коментар Підписатись на коментаріВідписатись від коментарівСкажу відверто, для домашнього вжитку, прототипування і т.п. Astra — це дорого, я б сказав дуже дорого. Навіть з точки зору long-running задач, де беруться до уваги кешовані інпути Астра в 4 рази дорожча за Фейбл 5.1, я вже не говорю про промпти які перелазять за 272к по інпут токенах. Останні генерації я вже акуратно розбивав по підпроцесах і перекидав на різні моделі і всеодно поповнив токени, щоб завершити генерацію і тестування прототипу. Але де б я її рекомендував — це однозначно тестування, ВАЖЛИВО: не ітеративне/щоденне, а передрелізне, чи перед фінальною інтеграцією компонент. І так, Астра справляється з поставленими задачами дуже чітко, мабуть вперше, я здивувався результату одразу після першого запуску.

Також перекинув деплой і всіляку рутину на старішу GPT модель, трошки здешевило генерацію.