AI 生 3D 换了条路：不画网格，让 4B 模型写一页 Three.js，点一下就能导出 GLB
你跟 AI 说"给我做个木箱，木头有点旧，铁角包边"。
过去两年，这类请求的标准答复是一个网格文件：模型猜出形状，猜出颜色，然后你把它拖进 Blender 修一修——比例可能不对，轴的朝向可能歪了，贴图可能糊成一片。
11 月 5 日，一个独立开发者放出的模型给了另一种答复：它直接写了一个网页给你。
网页里有一个能转着看的木箱，右下角有个按钮写着 Export GLB。点一下，浏览器下载一个 .glb 文件，拖进 Godot、Blender 或 Unity，那就是一个真的能用的资产，带材质、带层级，如果提示词里要了动画，动画也在里面。
这个模型叫 CCORE GLB-3D-Coder 4B，参数只有 40 亿，基座是阿里的 Qwen3.5-4B。
它做的不是"生成 3D"，而是"生成一段能生成 3D 的代码"。这个区别听起来像文字游戏，但它决定了这个东西适合谁、不适合谁。
3分钟看懂
- 是什么：Qwen3.5-4B 的全量微调，一个专门写 Three.js 场景代码的小模型。输入一句英文资产描述，输出一整页独立的 HTML/JavaScript，页面上有预览，有 Export GLB 按钮。
- 谁做的：CCORE，一个个人项目。模型卡里写得很直白：自己开发、自己出钱，权重和数据集免费放出来。
- 什么时候：模型卡标注
CCORE project release · November 5, 2026。仓库侧的提交记录对得上——11 月 5 日 05:42 UTC 上传原始 Safetensors 权重，06:08 UTC 发布 release card 和对比图库。距今约 22 小时。 - 要花多少钱：权重免费，Apache 2.0，可以商用。花钱的是你自己的电和显卡。Q4_K_M 量化版 2.71GB，普通消费级显卡能跑。
- 能干什么：低模游戏资产和程序化场景——角色、敌人、道具、武器、建筑模块、载具、机械、家具、环境件。要动画就在提示词里要，动画会一起写进 GLB。
- 最大的限制：它出的不是"扫描级"模型。低模、风格化、程序化拼出来的东西，这是它的设计目标，不是缺陷。反过来，你要写实人脸或者高精度工业件，它给不了。
先说清楚：这不是"又一个 3D 生成模型"
现在主流的 AI 生 3D，路子是一条：喂图片或文字给一个扩散模型，模型吐出一个带贴图的 mesh。Tripo、Meshy、Rodin、混元 3D、TRELLIS 都是这一路。
GLB-3D-Coder 走的是另一条：它是一个代码模型。
它不懂三维坐标空间里的概率分布，它懂的是 Three.js 的 API。你要一个木箱，它写出 BoxGeometry、写出木纹材质参数、写出四角的铁件位置、写出光照和相机、写出把场景序列化成 glTF 二进制并触发下载的那几十行导出代码。
这个差别会带来三个很实际的结果。
第一，产出是可读、可改的。 模型给你的是代码，不是黑盒网格。木箱腿太长了，你去改那一行数值就行，不用重新抽卡。
第二，能力上限被语言模型的代码能力卡住。 40 亿参数要同时管几何、材质、层级、动画、导出逻辑，还得一口气写两万 token。一处 API 写错，整个导出链就断了。所以官方在模型卡里主动写了一句：有些请求需要重试，或者小改一下代码。
第三，它天然和游戏引擎是一条线上的。 输出直接是 GLB，这是 Godot、Blender、Unity、three.js 都能吃的格式。它不逼你换工作流，只是把"从想法到一个能拖进引擎的文件"这段路压短了。
它到底怎么跑通的
流程比想象中朴素：
- 你把模型的系统提示词设成官方给的那段（大意是：用 Three.js 在一个独立的 HTML 文件里做出用户要的低模资产，页面必须显示出来，并且带一个能导出可用 GLB 的按钮）。
- 发一句英文需求。可以短到
Create a village blacksmith wearing a blue apron.，也可以长到把部件、材质、颜色、布局、动作全写清楚。 - 模型吐出完整 HTML。存成 .html，浏览器打开。页面会从 CDN 加载 Three.js。
- 转一圈看看，点 Export GLB，导入你的编辑器。
官方还放了个可以直接玩的东西：一个叫 RIFTWARD 的浏览器小游戏，场景里的角色、地形、建筑、环境件都是用这个模型生成的资产搭的。要注意，模型卡写明了资产是"用模型生成 + 一个编排与校验工具组装打磨"出来的，不是一条提示词直出整个游戏。同一页还有一个社区作者用预览版做的 3D RPG demo，可以直接点开试。
官方给了什么，没给什么
这一段值得单独说，因为它是判断"能不能信"的关键。
给了的：
- 权重三档，全部可下：Q4_K_M GGUF 2.71GB、Q8_0 GGUF 4.48GB、原始 Safetensors 五个分片共 17.49GB（FP32 文本权重 + BF16 视觉权重）。
- 完整采样参数：temperature 0.8、top_k 40、top_p 0.95、min_p 0、重复惩罚 1.0，并且明确要求保持 thinking 开启、不限制推理预算。
- 训练数据：3,918 条经过渲染验证、带可用 GLB 导出的样本，覆盖 40 个品类，MIT 许可，11 月 6 日刚上传。
- 一堆"提示词 → 成品"的对照图，还有和 DeepSeek V4.1 Flash 1017（高推理档）同题并排的对比。
- 模型卡里的"当前局限"一栏，自己承认部分请求要重试或小改。
没给的：
- 没有任何量化基准。没有导出成功率、没有几何合法率、没有"多少次生成能一次通过"。对比是并排截图，不是数字。这一点要记住——并排图能说明"能做出什么"，说明不了"多大概率能做出什么"。
- 没有和其他 3D 生成模型的对比。它跟扩散路线本来就不是同一件事，作者也没硬凑。
- 没有写实资产、高模资产的能力数据。
所以正确的期待是：这是一个能干活的原型工具，不是一个可以塞进自动化流水线无人值守跑的生产级模型。
怎么用
方案 A：本地跑（推荐，免费）
- 装一个支持 Qwen3.5 架构的推理工具（LM Studio、llama.cpp 新版、vLLM 都可以），下 Q4_K_M 那份 2.71GB 的 GGUF 起步。显存/内存宽裕就上 Q8_0（4.48GB）。
- 把上面那段系统提示词填进去。
- 采样按官方给的设：temp 0.8、top_k 40、top_p 0.95、min_p 0、repeat penalty 1.0，thinking 开着。
- 输出长度设成不限（-1）。 这条是硬要求，官方专门加了黑体警告。
- 用英文写需求。存 HTML、开浏览器、点导出。
方案 B：直接用线上 demo
HF Space 上有 RIFTWARD 可以玩，也能看到"怎么把一个本地模型 API 接给编码 Agent"的可复制提示词。想先感受一下再决定要不要下权重，走这条。
一个必须知道的坑：如果你 11 月 5 日之前下过这个模型，删掉重下。 官方明确说了，GGUF 文件名没变，但权重换了，不重下会一直加载旧的那份。这个坑很隐蔽——文件名一样，你根本看不出来。
适用场景
- 独立游戏、Game Jam、原型验证。 你需要二十个不同样式的木箱、石墙、路障，风格统一但细节各异。它一次给你一个可导入的文件，改起来是改代码。
- Godot 用户。 官方系统提示词就是照着 Godot 写的（
Create game assets for the Godot editor, which uses GLB files），这条路是被专门调过的。 - 教学和写作。 想讲清 "Three.js 怎么把场景导出成 glTF"，它是一个活的、可改的示例生成器。
- 批量做占位资产。 上线前美术资源还没到位，先用它铺满场景，跑通玩法和关卡。
- 想在本地跑、不想把资产描述发到别人服务器上的团队。 权重在你自己机器上。
不适用场景
- 需要写实资产。 人脸的微表情、真实布料的褶皱、皮肤次表面散射，这条路给不了。它是低模 + 风格化。
- 需要高模或扫描级精度。 影视级、工业逆向、医疗建模，别用。
- 需要 PBR 材质进引擎打光。 Three.js 里写出来的材质是近似，导出的 glTF 材质参数和你引擎里的物理材质不是一回事。要真 PBR 贴图集，还是得回到贴图工具。
- 想无人值守批量生产。 官方自己说部分请求要重试或改代码。你有几百个资产要出，中间必须有人或者有一层自动校验。
- 中文提示词重度依赖。 模型卡只标了
language: en，训练数据是英文。用中文不是不能用，但没必要赌。 - 想"一句话出整个游戏"。 展示用的那个小游戏，资产是模型生成的，但组装、玩法、特效、测试是另一套工具干的。
避坑
- 别把输出上限留在 8K。 官方说得很清楚：训练样本最长 72K token，平均回复约 20K token。8K 会在 thinking 中途或者 HTML 写到一半就断，你拿到的是半截代码，看起来像模型能力不行，其实是配置错了。
- 别把 thinking 关掉。 作者原话是没有验证过关闭 thinking 或截断推理之后的质量。你关了，出了问题没人能帮你判断。
- 导出后一定要进编辑器看一眼。 模型卡自己提醒：材质、光照、动画可能和浏览器预览不一致。浏览器里好看，不等于引擎里好看。
- 动画要在提示词里明说，并且检查是否进了 GLB。 官方示例里那个显微镜，导出后还要手动调一下才保住转台动画。
- three.js 是从 CDN 加载的。 生成出来的 HTML 打开时要有网。想离线用，得自己改引用路径。
- 量化会影响代码正确率。 Q4_K_M 省内存，但量化误差会体现在坐标精度和材质参数上。对结果挑剔就上 Q8_0 或原始权重。
成本/时间
- 权重：免费，Apache 2.0，商用可以。
- 硬盘：Q4_K_M 2.71GB、Q8_0 4.48GB、原始权重 17.49GB、视觉投影器 644MiB（只有要图片输入才需要）。
- 显存：4B 密集模型，Q4 量化后消费级显卡能跑；具体占用取决于上下文长度和 KV cache。
- 生成时间：官方没有给端到端耗时。能确定的只有一件事——它要吐两万 token 左右，所以比扩散模型慢一个量级，是分钟级而不是秒级。想要快，得靠更快的推理框架或者更大的 batch。
- 训练成本：数据集 3,918 条，作者一个人做的。他下一步计划是 10 万条样本、训练新的小模型，自述工作量是这次的 20 倍。
行动建议
如果你只是想看看效果：先玩 HF 上那个 RIFTWARD，五分钟就知道这条路对不对你的胃口。
如果你手上正好有 Godot 项目：花二十分钟做这件事——下 Q4_K_M、设好系统提示词和采样参数、输出上限改 -1，然后拿三个你真实需要的低模资产提示词各跑一次，进引擎看材质。这一步能省掉后面所有的猜测。
如果你想做管线：别急着接自动化。先手动跑 20 个提示词，统计三件事——一次导出成功的比例、需要改几行代码的比例、进引擎后材质要重调的比例。这三个数才是你能不能把它塞进流水线的依据，官方没给，只能自己测。
一句话总结：这不是"AI 生 3D 又强了一点"，是有人把"文本 → 可改的代码 → 可导入的资产"这条链整个打通了，而且只有 4B。它的价值不在画质，在于你拿到的东西是能改的。
本文时间与功能描述以 Hugging Face 模型卡、仓库提交记录与数据集卡为准。第三方站点的报道（AI News Pulse、ZICQ、MindStudio、Early Signal、Tokenstrom 等）为旁证，其日期口径与官方模型卡略有出入，正文未采用其日期。站内此前报道过的 Idol Turbo 与 Rodin v2.5 属不同事件，与本篇不重叠。