用 GPT-6 Astra 把图片直接转成 .blend 文件的实操记录

直接给结论：目前用 GPT-6 Astra 配合本地 Blender 技能插件，可以实现「图片 → 3D模型」的链路。虽然不能一键生成完美模型，但能通过迭代出 .blend 文件，且在浏览器端通过特定 Viewer 快速预览，无需每次都手动打开 Blender 软件。

用 GPT-6 Astra 跑 3D 建模需要什么配置

这次尝试的核心路径是：ChatGPT Images 2.5 生成参考图 → GPT-6 Astra (High 模式) 调用本地 Blender Skill → 生成 .blend 文件。

这里有个关键点，你不能直接在对话框里说「帮我做个模型」，你得给它配置一个 SKILL.md 文件，让模型知道怎么调用你本地的 Blender 实例。我这次用的是 macOS 环境，配置好本地 Skill 后，模型才能真正地「写代码 → 运行 → 输出文件」。

从图片到 3D 模型的具体步骤

我这次想做一个基于美剧 Pluribus 主题的法贝热彩蛋，整个流程跑下来大概花了 20 分钟。

第一步：生成高精度参考图
先用 ChatGPT Images 2.5 出图，Prompt 比较简单：

Generate a photo of a faberge egg that's themed after the TV show Pluribus - research first

这一步是为了给后续的 3D 建模提供视觉基准，不要直接让模型凭空想象。

第二步：调用本地 Skill 转模型
把生成的彩蛋图片丢给 GPT-6 Astra (High 模式)，然后下指令：

Use your blender local skill to create a blender model of this faverge egg

这里记录一个真实耗时： 模型在后台通过 Python 脚本不断迭代、修正几何结构，总共运行了 17 分 51 秒。这个过程非常吃资源，建议在 High 模式下运行，否则它在处理复杂顶点时很容易崩溃或逻辑断层。

第三步：结果核对与预览
最终它输出了几个 .blend 文件。由于我不想每次都重启 Blender 软件去看结果，我用了一个 Web 端的 .blend URL Viewer。
从预览结果看，这个模型包含：

• 顶点数： 783,764 个
• 三角面： 1,446,560 个
• 材质： 17 种
• 文件大小： 7.2 MB
• Blender 版本： 05.01

避坑指南与实际体感

试完这次流程，有几个点得提醒大家：

• 不要期望一次性成功： 虽然 17 分钟后出了结果，但模型在细节上（比如彩蛋内部的小场景）依然有瑕疵，需要通过多次对话微调。
• 版本依赖： 确保你的本地 Blender 版本与 Skill 文件定义的 API 兼容，否则会直接报 Python 运行时错误。
• 性能开销： 运行这种「Vibe-coding」模式的 3D 建模非常耗时，如果你追求极致的拓扑结构，这套方案目前只能作为「快速原型」参考，不能直接拿去做生产级的游戏资产。
• 替代方案对比： 相比于传统的 Gaussian Splatting 或 NeRF，这种生成 .blend 文件的方案最大的优势是可编辑性。你可以直接在 Blender 里修改顶点和材质，而不是面对一个无法编辑的点云。