一位开发者称，GPT-6 Astra 在约45分钟内生成了一个可运行的3D游戏原型。公开演示显示，它把概念图、建模、贴图和场景迭代串进了同一条工作流。
45分钟
作者自述用时。
3D
演示类型。
1条
公开演示视频。
原帖视频截取的 3D 游戏场景演示，来源：Anshu 在 X 发布的视频。
画面里出现了什么。
视频展示的是一款名为 AFTERLIGHT 的俯视角3D游戏场景。左上角写着“The Rain Court”。画面里有雨水、金属屋顶、集装箱式建筑、植被和可控制角色。右上角是“LOCAL SIGNAL”界面，左下角则显示一名叫 Kiln 的活动伙伴。
画面底部还出现了移动、加速、交互、镜头和设置等操作提示。这说明视频展示的内容至少已经进入可操作的场景，而不只是静态概念图。
游戏场景关键帧，可见 AFTERLIGHT、The Rain Court 和角色状态界面。
作者实际连接了哪些工具。
作者 Anshu 在后续回复中给出的第一步，是把 Codex 连接到 Blender MCP。MCP 可以理解为让模型调用外部软件能力的一种连接方式。在这个案例里，Blender承担3D场景和资产制作，Codex承担与模型、工具之间的协作。
第二步是输入游戏概念。作者给出的描述包含游戏机制，以及“悲伤但美丽的反乌托邦主题、带有体素感的美术风格、真实且具有物理感的光照”等方向。这个输入决定了模型后续要追求的画面目标。
第三步才是图像生成。作者让 Astra 先生成目标美术风格的概念图，再不断迭代，直到游戏截图尽量接近概念图。随后，Astra 继续为场景制作资产，并为网格生成纹理。
关键变化 图像生成在这里承担了视觉参照物的作用。模型有了一个持续对照的画面目标，建模、贴图和光照调整就不再只依赖文字描述。
这条流程改变了什么。
传统的3D游戏原型通常要在概念设计、资产制作、材质、灯光和程序之间反复切换。这个演示把这些环节放到了一个由模型持续推进的循环里：先提出目标，再生成参照，接着修改场景，最后回看游戏截图。
因此，图像生成的作用并不止是“做一张好看的图”。它把抽象的美术要求转成了模型可以反复比较的视觉样本。对游戏原型、交互展览和概念验证来说，这种参照关系比单次生成一张效果图更有用。
OpenAI公开资料显示，GPT-6 Astra支持图像输入输出、编程和计算机操作等能力。Blender MCP则是这次作者自行搭建的工作流连接。官方资料支持模型具备相关能力，不能直接证明这套特定组合对所有用户都能复现。
游戏场景后段关键帧，画面保留了俯视角环境、角色和交互提示。
45分钟意味着什么。
45分钟是发帖者对这次演示的用时描述，不是独立测试结果。视频也没有展示完整提示词、全部操作记录、项目文件、代码质量或后续运行稳定性。
这段演示能证明画面已经跑起来，但不能单独证明它已经达到完整商业游戏的交付标准。真正需要继续验证的，是资产是否可复用、场景能否持续扩展、交互逻辑是否稳定，以及模型能否在多轮修改后保持整体风格。
边界当前证据能支持的结论。
可以确认 — 作者展示了一个由 Astra 参与制作的可操作3D场景。作者也公开了 Codex、Blender MCP 和图像生成的工作流描述。
仍需验证 — 用时是否可复现、项目是否完整、生成资产能否用于正式生产。
SOURCES
Anshu 在 X 发布的主帖及后续回复。
OpenAI：GPT-6 Astra 产品与模型资料。
视频媒体：原帖视频，2026-09-05。