過去一年，AI的主戰場幾乎被大模型、生圖和生視頻占滿。2026年伊始，市場終于開始把目光投向一個更難、也更關鍵的領域：3D生成。
1月23日，Google收購3D生成公司Common Sense Machines的消息傳出，后者整個團隊并入DeepMind；1月26日，Google又迅速宣布與Epic Games的合作。市場普遍猜測：3D版本的“NanoBanana”，是不是已經不遠了？
但率先將這一能力產品化的，是中國團隊。
本周末，全球領先的3D生成平臺Hyper3D發布了Rodin Gen-2 Edit，推出基于自然語言的3D模型局部編輯功能，率先實現3D版Nano Banana——這是業內首個將“3D生成”與“3D編輯”整合為完整工作流的商用產品，3D生成正式進入可編輯時代。
與以往只能“抽卡”的邏輯不同，Rodin Gen-2 Edit支持兩種核心路徑：
在Hyper3D內文/圖生3D后，直接對結果進行局部修改導入任意現有模型（包括第三方AI生成模型或歷史資產），在原模型基礎上進行編輯操作邏輯簡單直接：框選需要修改的區域，輸入文字指令，即可完成局部調整。
例如，只需框選機甲的雙臂區域，輸入提示詞“雙手改成大炮”：
即可生成一臺紅色裝甲的大炮機器人：
修改區域與原模型銜接自然，結構邏輯完整，其余部分則被完整保留。
這一功能不僅支持Hyper3D平臺生成的模型，任何第三方3D資產（包括歷史存量模型或其它AI工具生成的模型）都可以導入平臺進行編輯：
這意味著Rodin的編輯能力已成為平臺級基礎設施，而非單點功能。
一番體驗下來，Hyper3D Rodin所帶來的最新玩法無疑是行業最前沿技術的體現，僅通過自然語言就可以修改、增加、減少模型部件，還不會影響其他模型結構，確實給3D修模帶來一點小小的震撼。
在基礎3D生成能力上，Hyper3D Rodin本就處在當前行業的第一梯隊：不僅能精準還原參考圖的結構、比例與關鍵細節；尤其是表面平滑、邊緣銳利，對生產級資產尤為友好。
結合實測經驗，給大家兩個核心使用小提示：
編輯時的框選區域不宜過小或過度聚焦細節，不適用模型的細節精修；需保證框選位置與修改Prompt精準對應，易出理想效果。從“生成”到“編輯”：補上AI工作流的關鍵一環Edit的意義在于，第一次把3D從“結果展示”推進到了“可迭代工作流”。
過去幾年，生成式AI的進化路徑非常清晰：先生成→再可控→最終可編輯。不論是圖像、視頻，還是3D，多模態生成在發展早期，往往難以逃避“抽卡”，即每次生成都是通過更換隨機種子，得到更多不一樣的結果，匹配用戶需求。
隨著ControlNet等技術的發展，用戶逐漸可以在生成前，通過多種信號的引導補充，來更好地讓生成結果滿足用戶需求，減少抽卡次數。
2024年3月，Hyper3D上線業內首個控制生成技術（3D ControlNet）。
但因為生成式AI輸入信息的有限和特性，即永遠是從少量信息去生成更多信息，決定了哪怕生成能力再強，二次調整都會成為高頻需求。
圖像領域已經歷完整周期：從Stable Diffusion的一鍵出圖，到ControlNet的控制，再到2025年上半年Gemini 2.5 Flash首次引入圖片編輯，GPT-4o的圖像生成，再到強大的Nano Banana，生成式AI編輯技術已經得到了很大的發展。視頻領域也正在加速復刻這一路徑，Luma AI的Video Modify、Runway的Aleph也已實現相關能力。
但在3D生成由于產品化起步更晚、生態更分散、工具鏈更長，行業整體在“可控生成”積累得不夠久，多數團隊還停留在這一階段：用戶可以生成一個模型，但只要有局部不滿意，往往只能換提示詞、換隨機種子、重新來一遍，“隨機抽卡”。
Hyper3D將這一需求轉化為產品能力：通過“選中局部+文本指令”的方式，讓修改變成明確的路徑，而非一次次推倒重來。
在實測中我們發現，Hyper3D Rodin的“編輯”并非單一功能，而是與其強大的“可控性”體系相輔相成。
對于專業用戶而言，Hyper3D提供了一套完整的工作流：其將圖像/文本生成、3D ControlNet精準控模、局部定向修改、資產二次創作與多格式導出、DCC插件等多個平臺能力打通，顛覆了傳統AI 3D創作低效不可控的模式。
3D ControlNet控制：通過邊界框、點云、體素等模式，在生成階段精準控制幾何結構BANG分件：遞歸拆解復雜模型，為局部編輯提供語義基礎Smart Low-poly：智能低模優化，提升生產效率Text-to-Edit：基于自然語言的定向修改，降低專業門檻△Rodin Gen-2 Edit同步上線Smart Low-poly智能低模在商業化落地層面，Rodin已經打通Blender、Maya、Unity等主流工作流；與國內頭部大型UGC游戲的合作驗證了其在移動端大規模用戶場景下的穩定性；與拓竹的合作則讓生成模型可直接進入3D打印流程。
在3D編輯能力普遍缺席的當下，Hyper3D能率先交付產品，源于團隊在“3D可控性”上的長期技術積累。
幾年前，當行業普遍采用“2D升維3D”的算法路徑時，Hyper3D團隊選擇了更艱難的原生3D路線。這意味著需要直面3D數據瓶頸，在算法和框架層面進行底層創新——但也只有這條路，才能從根本上解決薄面、拓撲混亂等產業應用的致命問題。
2024年，團隊發布原生3D大模型框架CLAY（提名SIGGRAPH最佳論文），并基于此推出全球首個原生3D大模型產品Hyper3D.AI Rodin，將3D生成效果首次從“不可用”拉到“可用線”。
如今，原生3D已成行業共識。Hyper3D團隊定義了3D生成的“可用性拐點”，也讓3D生成成為中國團隊在全球AI競爭中少數真正領先的方向之一。
從Rodin的第一個版本起，該團隊就引入了3D ControlNet，此后每個版本都在更新相關能力。去年，隨著Rodin Gen-2上線，Hyper3D交出了業內唯一的遞歸分件技術——BANG，一步步驗證了這一路線的可行性。3D生成也一步步從“抽卡游戲”進化為了“可控設計”。
△藝術家@汽水PPao使用Hyper3D.AI Rodin創作的作品但該團隊的視野不止于單物體編輯。其獲得SIGGRAPH 2025最佳論文的CAST技術，已指向下一階段方向：從單圖生成包含物體、關系和物理約束的完整3D場景——這為參與構建未來“世界模型”與具身智能基礎設施埋下伏筆。
這一系列成果也獲得資本認可。僅2025年，Hyper3D團隊就連續完成由頂級美元VC和戰略產業方投資的兩輪融資。
雖然現階段的Rodin Gen-2 Edit作為3D生成編輯的全新起點，尚未達到完美狀態。但不可否認，作為當前市場上唯一能產品化這項功能的團隊，其已經走出了3D編輯的關鍵一步。
當3D生成從“能不能做出來”邁向“能不能真正用起來”的階段，Hyper3D Rodin Gen-2 Edit的上線，無疑為行業提供了一個極具參考價值的范本。
