ChatGPT проти Claude Code: AI-моделювання у 3ds Max

Чи можна просто показати штучному інтелекту фотографію крісла й попросити створити його повноцінну 3D-модель? Причому не якусь криву заготовку, а нормальну модель з правильною геометрією, якісною сіткою та всіма деталями?

Звучить заманливо, правда? Особливо якщо згадати, скільки часу іноді йде на моделювання навіть відносно простих предметів.

Я вирішив перевірити це на практиці й влаштував невеликий челендж між двома AI-агентами: Claude Code з моделлю Opus 5.5 High та ChatGPT Codex з Astra 6 Ultra.

Завдання було досить простим. Я вибрав крісло IKEA, дав агентам посилання на сторінку товару й попросив створити його в 3ds Max. Жодних готових 3D-моделей, детальних інструкцій чи ручного моделювання.

І знаєте що? Результати виявилися доволі цікавими. Щоправда, не зовсім такими, як я очікував.

Для початку трохи поясню, як усе це працює, якщо ви ще не знайомі з Max Ultra MCP.

Уявіть, що ви можете відкрити Claude Code або ChatGPT і просто написати: «Створи мені крісло», «Розклади об’єкти по шарах» або «Знайди всі об’єкти без матеріалів».

І агент не просто розповість, як це зробити, а справді виконає завдання безпосередньо у вашому 3ds Max.

Саме для цього я розробив Max Ultra MCP.

Loading...

По суті, це міст між AI-агентом і 3ds Max. Завдяки йому агент може створювати та змінювати об’єкти, запускати скрипти, керувати сценою й навіть бачити інтерфейс програми через скриншоти.

Тобто він не працює наосліп. Він може подивитися, що вийшло, знайти помилки й спробувати їх виправити.

Сам Max Ultra MCP безкоштовний, а встановити його досить просто.

Завантажити Max Ultra MCP:

Усе почалося з доволі простої думки.

Час від часу в мене виникають завдання, які хотілося б автоматизувати. Наприклад, створити 3D-план приміщення, правильно назвати сотню об’єктів, упорядкувати шари або виконати якісь однотипні операції.

З такими речами AI-агенти вже непогано справляються.

В одному з попередніх експериментів я пробував створювати 3D-план будинку за зображенням. І, в принципі, різні агенти змогли виконати це завдання.

Але створення плану й моделювання конкретного предмета за фотографіями, це зовсім різні речі.

Одна справа розставити стіни й вікна, а інша зробити крісло, яке має певні вигини, товщину деталей, м’які подушки, кріплення та шви.

Причому важливо не просто створити щось схоже на крісло. Потрібно відтворити конкретну модель.

Якщо AI зможе нормально впоратися з таким завданням, це відкриє доволі цікаві можливості. Наприклад, можна буде швидко створювати меблі та інші об’єкти, яких немає в готових бібліотеках.

Саме це я й захотів перевірити.

Loading...

Я не став спеціально шукати якусь складну модель. Просто відкрив Google і вибрав перше відповідне крісло IKEA середньої складності.

Мій вибір припав на POÄNG.

На перший погляд, нічого особливого. Дерев’яний каркас із плавними вигинами, м’яка подушка, кілька кріплень.

Але якщо придивитися, крісло не таке вже й просте.

У нього досить специфічна форма каркаса. Потрібно правильно відтворити вигини дерева, пропорції, товщину подушок і безліч дрібних деталей.

До того ж на сайті IKEA є інтерактивний 3D-перегляд, тож оригінал можна досить добре роздивитися з різних боків.

Оригінальне крісло IKEA POÄNG:

Для експерименту я вибрав двох агентів:

Обидва працювали через Max Ultra MCP.

Завдання було практично однаковим: вивчити крісло за посиланням і створити його 3D-модель.

Подивімося, що з цього вийшло.

Почнімо з Claude Code.

Я просто надіслав агенту посилання на IKEA й попросив змоделювати крісло.

І тут почалося найцікавіше.

Замість того щоб одразу створювати геометрію, Claude вирішив спочатку розібратися, що саме йому потрібно моделювати.

Він досить довго вивчав сторінку товару, шукав додаткові фотографії в інтернеті й навіть знайшов якісь креслення у форматі SVG.

Мені такий підхід сподобався.

Усе-таки, якщо ми хочемо отримати точну модель, спочатку потрібно зрозуміти, як вона влаштована. А для цього бажано зібрати побільше референсів.

Також Claude автоматично використав вбудований у Max Ultra MCP скіл із базовими знаннями про моделювання крісел.

Це теж хороший знак. Агент не просто почав створювати випадкові об’єкти, а спробував використати додаткові інструкції.

Після збору інформації він склав план і взявся до моделювання.

Приблизно через 30 хвилин крісло було готове.

Loading...

Loading...

Відео процесу моделювання Claude Code:

Перше, що мені сподобалося, це топологія.

Claude зробив справді хорошу, досить рівномірну сітку, яка нормально працює з TurboSmooth.

І це важливо.

Коли ви моделюєте меблі, недостатньо просто отримати гарну форму. Геометрія має бути зручною для подальшого редагування.

Тут Claude впорався дуже непогано.

Модель можна спокійно доопрацьовувати, змінювати форму й додавати деталі. Сітка виглядає акуратно, без серйозних проблем.

Також мені сподобалося, що агент самостійно знайшов додаткові референси.

Головна проблема виявилася доволі несподіваною.

Claude зробив хорошу 3D-модель крісла, але не того крісла, яке я йому показував.

Так, це крісло. Так, воно виглядає цілком нормально. Але якщо поставити його поруч з оригінальним IKEA POÄNG, різниця стає очевидною.

Пропорції та форма помітно відрізняються.

Деяких важливих деталей узагалі немає. Наприклад, кріплень і швів на подушках.

І тут виникає запитання.

Навіщо агент витратив стільки часу на пошук референсів, якщо зрештою все одно не зміг достатньо точно відтворити оригінал?

Виходить доволі дивна ситуація. Технічно модель зроблена добре, але візуально завдання виконане лише частково.

І ще один момент, який мені не сподобався, це швидкість.

На створення одного крісла пішло близько 30 хвилин.

Для AI-агента, який має економити час, це вже доволі багато. Особливо якщо після нього все одно доведеться виправляти форму вручну.

Тепер подивімося, що зможе ChatGPT.

Я дав йому практично таке саме завдання. Єдина відмінність, додатково попросив пошукати референси в інтернеті, щоб він не обмежувався фотографіями із сайту IKEA.

Але Astra вирішила діяти трохи інакше.

Вона не стала так довго збирати інформацію й переважно орієнтувалася на зображення, які вже були доступні на сторінці товару.

Зате взялася до роботи значно швидше.

І результат з’явився приблизно втричі швидше, ніж у Claude Code.

Тобто замість пів години моделювання зайняло близько десяти хвилин.

Loading...

Loading...

Відео процесу моделювання ChatGPT Astra:

По-перше, швидкість.

Різниця доволі суттєва. Особливо якщо ви хочете використовувати AI для повсякденних завдань.

По-друге, Astra приділила більше уваги дрібним деталям.

Наприклад, додала додаткові шви та кріплення, які Claude Code просто пропустив.

Також вона зробила подушку трохи тоншою, і в цьому плані результат виявився ближчим до оригіналу.

Загалом модель виглядає цілком впізнавано.

Але, як завжди, є нюанси.

Якщо в Claude Code основною проблемою була форма, то в Astra до цього додалися ще й проблеми з топологією.

Сітка вийшла менш рівномірною.

У деяких місцях, особливо на кутах, геометрія погано працює з TurboSmooth. З’являються небажані деформації.

Також трапляються ділянки, де одна геометрія перетинається з іншою.

Для нормальної 3D-моделі це не дуже добре.

Окрема історія з подушкою.

Astra зробила її кути надто гострими, а в деяких місцях з’явилися якісь дивні стяжки, яких в оригінального крісла взагалі немає.

Не зовсім зрозуміло, навіщо вони там потрібні.

І найголовніше, Astra теж не змогла достатньо точно відтворити форму оригіналу.

Є ще один важливий момент.

Для нормального результату мені довелося використовувати режим Ultra. На нижчих налаштуваннях з’являлося надто багато артефактів.

Тобто швидкий результат ми отримали, але не варто забувати, що використовувався доволі потужний режим роботи моделі.

Після завершення моделювання я вирішив поставити обидві моделі поруч з оригіналом і уважно порівняти.

І тут усе стало набагато зрозуміліше.

На перший погляд обидві моделі виглядають непогано. Особливо якщо дивитися на них окремо, не порівнюючи зі справжнім кріслом.

Але варто поставити поруч оригінал, і відразу починаєш помічати помилки.

Claude Code зробив акуратнішу сітку. Його модель зручніше редагувати, а геометрія краще підготовлена до згладжування.

ChatGPT Astra впоралася значно швидше й додала більше дрібних деталей. Але водночас припустилася більше помилок у топології.

А от із точністю форми в обох виникли серйозні проблеми.

Жоден агент не зміг достатньо точно відтворити оригінальне крісло IKEA.

І для мене це виявилося найважливішим результатом експерименту.

Тому що якщо я прошу зробити конкретне крісло, мені потрібне саме це крісло, а не просто схожі меблі.

Відео з детальним порівнянням двох моделей:

Після цього експерименту в мене виникла доволі проста асоціація.

Зараз AI-агенти моделюють приблизно як початківець у 3D, який уже вміє користуватися інструментами, але ще не навчився уважно дивитися на референси.

Уявіть джуніора, якому дали фотографію крісла.

Він швидко створює каркас, додає подушки, робить згладжування й каже: «Готово!»

Ви дивитеся на результат і розумієте, що начебто все на місці.

Але потім відкриваєте оригінальну фотографію.

І виявляється, що вигин спинки неправильний, подушка надто товста, ніжки стоять не під тим кутом, а деяких деталей узагалі немає.

Приблизно таку ситуацію я побачив тут.

Агенти вже вміють працювати з геометрією. Вони знають, як створювати об’єкти, застосовувати модифікатори й будувати сітку.

Але поки їм явно бракує вміння аналізувати форму й постійно звіряти результат з оригіналом.

Вони надто швидко вирішують, що завдання виконане.

Хоча насправді модель ще потребує серйозного доопрацювання.

Ні, зовсім ні.

Я вважаю, що AI вже цілком можна використовувати для створення 3D-моделей.

Просто потрібно розуміти, де він справді корисний.

Наприклад, якщо вам потрібно швидко створити простий об’єкт, якусь базову геометрію або заготовку для подальшої роботи, агент може чудово впоратися.

Він також може допомогти з рутинними операціями, організацією сцени й автоматизацією різних процесів.

А от якщо йдеться про складну модель, яку потрібно точно відтворити за фотографіями, тут поки все значно складніше.

Звісно, можна написати додаткові промпти.

Можна вказати агенту на помилки, попросити виправити пропорції, переробити сітку або додати відсутні деталі.

Можливо, після кількох ітерацій результат стане набагато кращим.

Але тоді виникає інше запитання.

Скільки часу ми витратимо на пояснення помилок, перш ніж виявиться, що простіше було змоделювати об’єкт самостійно?

Саме тому я поки не вважаю, що такі агенти можуть повноцінно замінити досвідченого 3D-моделера.

Людина набагато краще розуміє форму, пропорції та те, які деталі справді важливі.

Принаймні на сьогодні.

І ось тут з’являється ще одна цікава ідея.

У Max Ultra MCP вже є система скілів.

Якщо пояснювати максимально просто, скіл — це набір додаткових інструкцій, які допомагають агенту краще виконувати певні завдання.

Наприклад, можна створити спеціальний скіл для моделювання меблів.

У ньому докладно пояснити, як правильно шукати референси, аналізувати пропорції, будувати геометрію та перевіряти результат.

Можна навчити агента не просто створювати модель, а регулярно порівнювати її з оригіналом.

Наприклад, після створення каркаса він має зробити скриншот, порівняти форму з фотографією й виправити знайдені помилки.

Потім перейти до подушок, перевірити їхню товщину, вигини та розташування.

І лише після цього братися за дрібні деталі.

Окремо можна прописати правила побудови топології, щоб не з’являлися надто гострі кути, перетини геометрії та проблеми з TurboSmooth.

Звісно, один скіл не зробить AI ідеальним моделлером.

Але я думаю, що такий підхід цілком може помітно покращити результати.

І найцікавіше, що для цього не обов’язково змінювати саму AI-модель. Іноді достатньо просто навчити агента правильної послідовності дій.

Якщо вам цікава ця тема, напишіть у коментарях.

Я можу спробувати розробити окремий скіл для точнішого 3D-моделювання й додати його в Max Ultra MCP за замовчуванням.

А потім повторити експеримент і подивитися, наскільки зміниться результат.

Отже, що ми маємо?

Два потужні AI-агенти отримали одне й те саме завдання: створити 3D-модель крісла IKEA за посиланням на сайт.

Обидва впоралися з моделюванням у тому сенсі, що справді створили повноцінні 3D-об’єкти.

Claude Code витратив більше часу, зате зробив якіснішу топологію.

ChatGPT Astra виявилася значно швидшою й приділила більше уваги деталям, але припустилася більше помилок у геометрії.

При цьому обидва агенти не змогли точно відтворити форму оригінального крісла.

Саме це я вважаю головним недоліком.

Створити крісло й створити конкретне крісло за референсом, це два зовсім різні завдання.

Поки що AI набагато краще справляється з першим.

Але особисто мені цей експеримент видався цікавим. Ще зовсім недавно сама можливість попросити AI самостійно створити об’єкт у 3ds Max виглядала доволі незвично.

А зараз ми вже обговорюємо якість сітки, правильність згладжування й точність відтворення форми.

Це хороший прогрес.

Просто не варто очікувати, що агент з першого промпту зробить за вас усю роботу ідеально.

Поки що йому все одно потрібна людина, яка розуміє, яким має бути кінцевий результат, і може вчасно помітити помилки.

А що думаєте ви?

Хотіли б побачити продовження цього експерименту з покращеним скілом для моделювання?

І які ще завдання в 3ds Max варто перевірити за допомогою AI-агентів?

Можливо, у вас є ідеї, де AI справді зможе заощадити години роботи.

Пишіть у коментарях. Найцікавіші варіанти спробую протестувати в наступних експериментах.