2.8万亿参数,不建模只写脚本

公众号精选传乘AI课堂发布于 2026-11-02

月之暗面把 K3.1 Pro 的参数堆到了 2.8 万亿,可它自己的教程里第一句就承认:「暂时还做不太好」。

说的是 3D Make 的网格化建模:人物、动物、复杂道具,K3.1 Pro 现在接不住,会转手调 Tripo 这类外部模型去跑。一句话,把这款工具最值钱的那点信息透了出来。

可全网都在转「Kimi 能一句话出 3D 模型了」。真正该看的,恰恰是这句自我限定背后的另一条路。

先看它到底怎么干活。你给 Kimi 3D Make 一句话、一张草图,或者一张参考图,它做的不是像主流文生 3D 那样直接吐一个网格出来。它先推断你要的形状、比例,然后自己写一段 Blender 或 FreeCAD 的 Python 脚本,把脚本传到云端去跑,最后还你一个能下载、能在软件里继续改的文件。

差别就在这。直接吐网格的那条路快,但容易破面、不封闭、尺寸乱,打印之前还得修。写脚本这条路慢,可出来的东西天然带参数、带尺寸。导出的格式也能对上号:STL 进打印机,GLB、glTF 进游戏引擎,USDZ 进苹果生态直接看货,FBX、OBJ 给传统建模软件继续加工。

说白了,3D 这条赛道上,真正被解决的不是「生成得像不像」,是「生成出来的东西还能不能接着改」。

门槛挪了个地方

过去做 3D,门槛是「会不会 Blender」:建模软件的操作本身,劝退了九成有想法的人。Kimi 3D Make 把这道门槛挪走了:你不用先学会 Blender,但得把形状、比例、材质说清楚。

换句话说,它服务的是「懂行的外行」。手里有产品原型、游戏素材、电商 AR 预览这类需求,脑子里有尺寸,就是不会在建模软件里点出来。这类人正好卡在老工具够不着、专业建模师请不起的中间地带。

请一个兼职建模师,一个简单造型的市场价在 300 到 800 元之间浮动,稍微复杂一点的就上千。而 Kimi 3D Make 这类工具,把「先出个底模」这一步的成本几乎压到了零,剩下的钱和时间,只花在你反复打磨的那几轮上。

但它不是「完全不懂的人的替身」。官方教程自己画了边界:复杂曲面不行、需要多轮调整、参考图得主体完整、背景干净。一次写对的概率,才是它真正的能力上限,而不是宣传语里那个「一句话出模型」。

省下的那笔账,是请建模师的时间,不是软件授权费。

谁在用它,卡在哪

小李在一家做小家电的电商公司,负责上新品详情页。过去一个充电头要出 AR 预览图,得等外包建模师排期,一个简单造型 300 元起步,改一版再加钱。一个季度上新二十款,光建模这一项就要花掉小六千块,还常常卡在排期上。

老王做木工手办,要把脑子里那个「六角底座」变成能切板的东西。他不关心模型像不像电影里那样精致,只关心尺寸准不准、能不能导出成雕刻机能认的文件。请一次建模师 500 元,他一个月也就出十来个件,这笔钱花得他肉疼。

这两个人的共同点是:他们买的不是「生成」,是「能改」。前者要的是能塞进详情页的 AR 文件,后者要的是能直接上雕刻机的底模。两条需求,落点都是同一件事:出来的东西,得能接着改。

需求类型适合的路线为什么
产品原型、家具、机械零件Kimi 3D Make 写脚本天然带参数,尺寸准,导出格式齐
人物、动物、复杂道具转外部生成服务(如 Tripo)网格化建模暂时不是 K3.1 Pro 强项

可问题也在这:省下的到底是请人的钱,还是返工的时间?如果一次写不对,多跑几轮,时间成本是不是比请人还高?

这就回到那句「暂时还做不太好」。它做的不是把建模师赶下岗,是让那些本来请不起、或等不起建模师的人,先有一个能自己动手的起点。

今天先试一件小东西

动手之前,先把导出格式对一遍,省得到时候文件出来了、软件却打不开。

你要拿去做的事该选的导出格式
3D 打印STL
进游戏引擎、网页展示GLB、glTF
在苹果设备上看货USDZ
回建模软件继续精修FBX、OBJ、BLEND

别一上来就挑战「一句话出个手办」。拿你手边一件真实存在、有尺寸的小物件,把它的长、宽、高、大致形状说给 Kimi,让它走一遍导出,看那个文件能不能在你的软件里打开、还能不能改。

这一步走通,你对「AI 做 3D 到底行不行」的判断,会比看十篇测评都实在。别急着换复杂造型,先把一件小东西的流程跑顺,你心里自然就有数了。

真正的门槛从来不在「会不会软件」,而在「说不说得清你要的东西」。谁能把需求说成一份订单,谁就能让工具替他跑腿。传乘AI工具站已经把 Kimi 收录在案,你可以直接去 https://www.ccaiclass.com/tool/29507 看它,连同今天聊的这条「写脚本」路线一起比对。

资料来源Kimi官方教程《如何用Kimi做出更好的3D作品》2026-11初;证券时报2026-11-01;AI日报2026-11-01
本文为「传乘AI课堂」公众号文章的授权转载,版权归原作者所有。