Moonlake 发布 3D 构建 Agent：能接管 Blender 做场景建模与修复

过去一年里，AI 做 3D 模型的方式基本没变过：你在聊天框里敲一段提示词，等上几十秒，模型吐出一个看起来还行但布线一团糟的静态网格体。

如果要把它放进游戏或电影管线，艺术家往往得花更多时间去清理破面、重新拓扑、对齐铰链。说白了，生成容易，善后极难。

现在有团队打算直接改变这种玩法。AI 实验室 Moonlake 最近公布了一个 3D 世界构建 Agent 的早期演示。它不再停留在聊天界面里搞一次性生成，而是像人类操作员一样，直接接管 Blender 这类专业创作软件。

像人类一样在 Blender 里反复迭代

Moonlake 给这个 Agent 加入了计算机使用能力。你给它一个指令，比如根据参考图搭一个场景或者修好某个模型，它会真的在 Blender 界面里点击菜单、创建几何体、调整光影，并一步一步检查效果。

传统 3D 生成模型最大的痛点是只顾外观，不管结构。比如一个带铰链的柜子，AI 很容易画出柜门的接缝，但里面的转轴根本没连在一起，一开门就穿模。

Moonlake 采用了一种三层奖励机制来做循环校验。顶层看整体视觉质量与真实感，中间层校对是否符合参考设计图，最底层则用代码程序强制校验物体的物理与几何连接。多模态大模型看不出来的细微穿模，直接交给代码检查来兜底。

在演示中，这个 Agent 已经能处理带关节的复杂物体，比如铰链、电器，甚至能搭建商场、工厂车间和户外环境等完整大场景。

它还有一个挺实用的能力：向人类专家学习。只要专业美术师演示一遍特定任务的操作流，Agent 就能把这些步骤沉淀为可复用的流程，下次自动执行。

告别繁琐的脏活累活

除了建模本身，Moonlake 还把目光投向了 3D 制作中最耗费心力的边缘杂活。

日常管线里，检查命名规范、排查物体隐藏状态、摆机位、核对材质一致性以及清理无用节点，往往会吃掉从业者大半个工作日。Moonlake 的思路是把这些无聊的重复劳动全部交给 Agent 处理。

为了验证 Agent 到底靠不靠谱，Moonlake 还提出了基于场景测试的评估方法。他们不再只看模型能不能渲染出图，而是把任务拆成可执行的交互用例，直接测试物体在特定动作下的表现是否正常，从源头抓出那些运行时不报错、但逻辑全错的隐性 Bug。

为什么重要

我们认为，Moonlake 这个动作最聪明的地方，在于它没有试图重新发明一套 3D 软件，而是选择钻进现有的生产工具里做苦力。

对 3D 创作者和小型独立游戏团队来说，这套工具如果成熟，最大的价值绝不是替代艺术总监的审美，而是把人从极其枯燥的资产规范整理和基础搭建中解脱出来。只要给它一段专家示范，它就能按部就班打扫战场，门槛相当低。

对行业而言，这场竞争正在从单点资产生成转向端到端工作流托管。游戏、动画和仿真每年在全球有上千亿美元的制作成本，大部分钱都花在修模型、绑骨骼和场景装配这些机械环节。大模型如果能直接驱动标准软件，老牌工业管线就用不着推倒重来。

不过，我们觉得现阶段也不用盲目乐观。让 AI 模拟人类屏幕操作向来容易受软件卡顿或微小界面变动干扰，长链路任务执行越久，容错率就越低。它究竟能在商业项目里稳稳干完多长的一段活，还得等开放实测后见分晓。