过去一年，AI 的主战场几乎被大模型、生图和生视频占满。2026 年伊始，市场终于开始把目光投向一个更难、也更关键的领域：3D 生成。

1 月 23 日，Google 收购 3D 生成公司 Common Sense Machines 的消息传出，后者整个团队并入 DeepMind；1 月 26 日，Google 又迅速宣布与 Epic Games 的合作。市场普遍猜测：3D 版本的 "Nano   Banana"，是不是已经不远了？

但率先将这一能力产品化的，是中国团队。

本周末，全球领先的 3D 生成平台 Hyper3D 发布了 Rodin Gen-2 Edit，推出基于自然语言的 3D 模型局部编辑功能，率先实现 3D 版 Nano Banana ——这是业内首个将 "3D 生成 " 与 "3D 编辑 " 整合为完整工作流的商用产品，3D 生成正式进入可编辑时代。

与以往只能 " 抽卡 " 的逻辑不同，Rodin Gen-2 Edit 支持两种核心路径：

在 Hyper3D 内文 / 图生 3D 后，直接对结果进行局部修改

导入任意现有模型（包括第三方 AI 生成模型或历史资产），在原模型基础上进行编辑

操作逻辑简单直接：框选需要修改的区域，输入文字指令，即可完成局部调整。

例如，只需框选机甲的双臂区域，输入提示词 " 双手改成大炮 "：

即可生成一台红色装甲的大炮机器人：

修改区域与原模型衔接自然，结构逻辑完整，其余部分则被完整保留。

这一功能不仅支持 Hyper3D 平台生成的模型，任何第三方 3D 资产（包括历史存量模型或其它 AI 工具生成的模型）都可以导入平台进行编辑：

这意味着 Rodin 的编辑能力已成为平台级基础设施，而非单点功能。

一番体验下来，Hyper3D Rodin 所带来的最新玩法无疑是行业最前沿技术的体现，仅通过自然语言就可以修改、增加、减少模型部件，还不会影响其他模型结构，确实给 3D 修模带来一点小小的震撼。

在基础 3D 生成能力上，Hyper3D Rodin 本就处在当前行业的第一梯队：不仅能精准还原参考图的结构、比例与关键细节；尤其是表面平滑、边缘锐利，对生产级资产尤为友好。

结合实测经验，给大家两个核心使用小提示：

编辑时的框选区域不宜过小或过度聚焦细节，不适用模型的细节精修；

需保证框选位置与修改 Prompt 精准对应，易出理想效果。

Edit 的意义在于，第一次把 3D 从 " 结果展示 " 推进到了 " 可迭代工作流 "。

过去几年，生成式 AI 的进化路径非常清晰：先生成→再可控→最终可编辑。不论是图像、视频，还是 3D，多模态生成在发展早期，往往难以逃避 " 抽卡 "，即每次生成都是通过更换随机种子，得到更多不一样的结果，匹配用户需求。

随着 ControlNet 等技术的发展，用户逐渐可以在生成前，通过多种信号的引导补充，来更好地让生成结果满足用户需求，减少抽卡次数。

2024 年 3 月，Hyper3D 上线业内首个控制生成技术（3D ControlNet）。

但因为生成式 AI 输入信息的有限和特性，即永远是从少量信息去生成更多信息，决定了哪怕生成能力再强，二次调整都会成为高频需求。

图像领域已经历完整周期：从 Stable Diffusion 的一键出图，到 ControlNet 的控制，再到 2025 年上半年 Gemini 2.5 Flash 首次引入图片编辑，GPT-4o 的图像生成，再到强大的 Nano Banana，生成式 AI 编辑技术已经得到了很大的发展。视频领域也正在加速复刻这一路径，Luma AI 的 Video Modify、Runway 的 Aleph 也已实现相关能力。

但在 3D 生成由于产品化起步更晚、生态更分散、工具链更长，行业整体在 " 可控生成 " 积累得不够久，多数团队还停留在这一阶段：用户可以生成一个模型，但只要有局部不满意，往往只能换提示词、换随机种子、重新来一遍，" 随机抽卡 "。

Hyper3D 将这一需求转化为产品能力：通过 " 选中局部 + 文本指令 " 的方式，让修改变成明确的路径，而非一次次推倒重来。

在实测中我们发现，Hyper3D Rodin 的 " 编辑 " 并非单一功能，而是与其强大的 " 可控性 " 体系相辅相成。

对于专业用户而言，Hyper3D 提供了一套完整的工作流：其将图像 / 文本生成、3D ControlNet 精准控模、局部定向修改、资产二次创作与多格式导出、DCC 插件等多个平台能力打通，颠覆了传统 AI 3D 创作低效不可控的模式。

3D ControlNet 控制：通过边界框、点云、体素等模式，在生成阶段精准控制几何结构

BANG 分件：递归拆解复杂模型，为局部编辑提供语义基础

Smart Low-poly：智能低模优化，提升生产效率

Text-to-Edit：基于自然语言的定向修改，降低专业门槛

△Rodin Gen-2 Edit 同步上线 Smart Low-poly 智能低模

在商业化落地层面，Rodin 已经打通 Blender、Maya、Unity 等主流工作流；与国内头部大型 UGC 游戏的合作验证了其在移动端大规模用户场景下的稳定性；与拓竹的合作则让生成模型可直接进入 3D 打印流程。

在 3D 编辑能力普遍缺席的当下，Hyper3D 能率先交付产品，源于团队在 "3D 可控性 " 上的长期技术积累。

几年前，当行业普遍采用 "2D 升维 3D" 的算法路径时，Hyper3D 团队选择了更艰难的原生 3D 路线。这意味着需要直面 3D 数据瓶颈，在算法和框架层面进行底层创新——但也只有这条路，才能从根本上解决薄面、拓扑混乱等产业应用的致命问题。

2024 年，团队发布原生 3D 大模型框架 CLAY（提名 SIGGRAPH 最佳论文），并基于此推出全球首个原生 3D 大模型产品 Hyper3D.AI Rodin，将 3D 生成效果首次从 " 不可用 " 拉到 " 可用线 "。

如今，原生 3D 已成行业共识。Hyper3D 团队定义了 3D 生成的 " 可用性拐点 "，也让 3D 生成成为中国团队在全球 AI 竞争中少数真正领先的方向之一。

从 Rodin 的第一个版本起，该团队就引入了 3D ControlNet，此后每个版本都在更新相关能力。去年，随着 Rodin Gen-2 上线，Hyper3D 交出了业内唯一的递归分件技术—— BANG，一步步验证了这一路线的可行性。3D 生成也一步步从 " 抽卡游戏 " 进化为了 " 可控设计 "。

△艺术家 @汽水 PPao 使用 Hyper3D.AI Rodin 创作的作品

但该团队的视野不止于单物体编辑。其获得 SIGGRAPH 2025 最佳论文的 CAST 技术，已指向下一阶段方向：从单图生成包含物体、关系和物理约束的完整 3D 场景——这为参与构建未来 " 世界模型 " 与具身智能基础设施埋下伏笔。

这一系列成果也获得资本认可。仅 2025 年，Hyper3D 团队就连续完成由顶级美元 VC 和战略产业方投资的两轮融资。

虽然现阶段的 Rodin Gen-2 Edit 作为 3D 生成编辑的全新起点，尚未达到完美状态。但不可否认，作为当前市场上唯一能产品化这项功能的团队，其已经走出了 3D 编辑的关键一步。

当 3D 生成从 " 能不能做出来 " 迈向 " 能不能真正用起来 " 的阶段，Hyper3D Rodin Gen-2 Edit 的上线，无疑为行业提供了一个极具参考价值的范本。

目前，新功能已在 Hyper3D 平台上线，支持用户免费体验。

官网链接：https://hyper3d.ai/rodin

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见