VAST开放核心模型权限，让实习生参与定义3D与世界模型

当实习生也能决定模型往哪个方向走

AI行业抢顶尖人才早不是秘密。眼下的局面有些微妙：企业想要已经拿出成果的人，年轻研究者却卡在一个死循环里——不参与核心项目，就难做出代表作；没有代表作，又进不了核心项目。

人才选择因此变成双向博弈。年轻人不再被动等筛选，他们也在打量：哪家机构能给我的下一个想法提供算力、数据和真正的决策权？

成立不到半年就拿到约50亿元融资的AI公司VAST（三启万物），想用更激进的办法打破这个僵局。新一期V·STAR顶尖人才计划发布，三个硬核方向直接摆上台面：3D生成基础模型、三维理解与智能体、世界模型。

这不只是招聘广告。VAST说得很明白，他们要的不是只会执行命令的代码工人，而是能参与定义问题、对技术路线做出判断、把探索变成实际成果的研究者。换句话说，年轻人不只是来找答案的，更是来决定下一步该问什么问题的。

3D生成的下一关：从“好看”到“好用”

过去评价AI生成的3D模型，标准很直观：像不像？精不精致？转一圈有没有穿帮？

Agent（智能体）介入创作流程后，要求变了。现在要问的是：生成的模型能直接导入游戏引擎吗？角色的手臂能不能单独控制？想改一条腿，是不是非得把整个角色重新生成一遍？

大语言模型在规划、编程和调用工具上越来越熟练，可一碰到精细三维对象，还是得有专业的底层支持。10月30日Kimi官方发布的3D创作教程就是个典型例子：面对人物、怪兽或复杂道具，Kimi负责整理提示词和参考图，再调用VAST旗下的AI 3D基座模型Tripo完成生成。

这种协作模式已经做出了一些有意思的作品。独立开发者Sac把Claude、Tripo和Blender搭在一起，只花16天就把《小王子》里的星球做成了可探索的3D场景。另一位开发者@thebuggeddev拿Codex配Tripo，做了一个能在网页上查看和操作的人体解剖应用，连OpenAI联合创始人Greg Brockman都转发了。

这些案例里，大语言模型管流程和代码，Tripo提供三维资产，创作者把它们拼成可体验的产品。但新问题也跟着来了：生成出来的东西，怎样才能被下一步继续使用？

VAST首席科学家曹炎培做过一个实验：用Tripo P2.0生成一只机械蜘蛛，再借助模型形成的部件结构，让LLM给独立部件命名、编写运动逻辑。最后，蜘蛛腿部实现了独立动画控制。

这个实验点出一个关键：几何结构清不清晰、部件划分合不合理，直接决定代码能不能找到控制对象。数据里的“腿”如果只是视觉上的一个整体，而不是可操作的独立单元，后续的自动化控制就无从谈起。

更复杂的场景还涉及连续性。比如把自己的猫放进游戏，既要保留它的脸型花纹，又要保证结构适合后续绑定动画。给一个已有动作的角色换外套，则要改指定区域，同时保住脸部特征和原有动作。

哪些部分可以变，哪些必须留，修改后还能不能用？这些正是VAST想靠“3D原生智能”解决的问题。团队在探索专门的三维训练，让模型学习形体、拓扑和部件关系，把制作中的试错提前到训练阶段，使生成的对象更容易被识别、操控和二次编辑。

解耦拓扑：Nexus框架的底层突破

不少AI模型生成的3D对象，外观看着不错，可一进制作流程，创作者就得花大量时间整理网格结构。编辑、细分、动画形变这些环节里，规整的四边面拓扑往往比三角面更好处理。

手工重拓扑费时费力，自动处理又容易丢细节。创作者刚为生成速度高兴完，就得为后续整理重新排期。

Tripo P系列模型底层的Nexus框架，想在生成阶段就把这个问题解决掉。它把顶点生成和拓扑生成拆开，用扩散模型由粗到细地构造顶点，再用新的编码方式表达拓扑关系。这样一来，模型不用预先排序，就能直接生成原生网格结构。

这个思路得到了国际图形学顶会SIGGRAPH的认可。今年7月，相关论文被收录；基于P1.0的实时演示还拿下SIGGRAPH 2026 Real-Time Live!的Best in Show奖项。

四边面为主的拓扑结构，Tripo P2.0 在8月上线后已能原生支持；面数可以控制、部件拆得也合理，几秒钟就能生成一个三维对象。

这些特性不是为了炫技，实际用途摆在那里：

• 生成快：Agent可以多试几轮，快速迭代方案。
• 面数可控：方便适配网页和移动端的性能预算，避免资源浪费。
• 拓扑规整：后续编辑和动画制作少些阻碍，人工修复成本也能降下来。
• 部件清楚：各部件独立控制更容易展开，自动化工作流因此有了基础。

资产好不好用，得放进完整工作流里检验。比资产更复杂的，是整个场景与整个世界。

世界模型：生成视频之外，还要维护状态

今年初，动作条件视频模型引发关注：给一张图片，再用键鼠操作生成后续画面。VAST团队也看到了这股趋势，不过他们先追问了一个根本问题：这套东西怎么才算真正有用？

拿游戏来说，角色还剩多少血？技能冷却结束没有？门有没有被推开？这些信息得一直维护着。玩家一扭头，世界就把刚才的事忘了，那它算不上可交互的世界，只是一段随机播放的视频。

今年10月，VAST发布并开源了EdenLive，这是一款面向任意视觉参考的实时交互式渲染器，也是团队在世界模型方向的最新成果。

实时生成的前提下，EdenLive首次同时做到任意视觉参考输入、任意画风生成和长时连续生成。官方测试显示，单张GPU上它生成720P画面的速度超过24 FPS，还能支持分钟级连续生成。

EdenLive凭什么实现这一突破？关键在于底层结构被解耦了：上游交互引擎管世界运行的状态和交互规则，下游实时生成模型负责高保真画面呈现。

放进游戏原型里就好理解了：Agent参与搭建程序和交互逻辑，三维场景给出空间结构，视频模型不断生成更丰富的画面。玩家一边操作，画面一边更新。任务不再只是“生成一张漂亮截图”，而是“让整个体验持续跑起来”。

EdenLive这条路线，其实是VAST长期探索世界模型的延续。6月发布的Project Eden中，他们就定下了分层解耦的思路：

1. 底层：维护世界状态，记录物体属性、交互规则和动作后果。
2. 中间层：把状态转成当前视角需要的布局、几何与事件约束。
3. 上层：生成式渲染器根据这些条件生成画面。

世界状态不用依附镜头存在，画面生成也就有了明确依据。

这个选择放在当时并不是理所当然。EdenLive核心贡献者之一Zion回忆，团队内部反复讨论过：视频模型路线看起来更端到端，拆开之后会不会显得不够新颖，像是绕开了更难的问题？

讨论最后还是回到目标上：他们想要的是一个规则明确、能持续交互的世界。沿着这个目标，显式状态值得认真研究。

其实，这条路线正在慢慢成为共识。Code World Model、AgentGarten等工作也在探索由代码或引擎维护状态、再由视频模型生成画面的分工。李飞飞团队提出的“三层”世界模型架构，以及谷歌新发布的世界模型Genie 4，都与Project Eden形成了呼应。

当然，分钟级连续实时生成只是第一步。更长时间的一致性、更准确的控制，还有实时性与计算成本之间怎么取舍，仍是下一阶段的课题。

让年轻人主导自己的代表作

这回V·STAR放出的三个研究方向，一来要不同背景的人坐下来碰一碰，二来研究者得在没有定论的时候自己拿主意：眼前这些路子卡在哪儿？哪些问题该被重新提出来？

对年轻人来说，能不能提出想法只是其一，更关键的是有没有机会主导验证。

Tripo P系列的核心贡献者Ronnie，很早便以实习生身份加入VAST。P系列的起点，正是他实习期间提出的一次路线判断。

那阵子大语言模型势头正猛，不少研究者跟着用自回归的办法直接生成原生网格。Ronnie看到的却是另一面：硬把三维网格塞成序列，信息会丢；对生成的要求越高，这种表达方式的短板恐怕越藏不住。

他抛出一个问题：网格生成能不能走扩散模型这条路？

那时候，业内几乎没人碰这个方向，也找不到现成的路子。想法提出来后，内部很快给了支持，Ronnie得以把实验继续做下去。他回忆说：“我们有很多试错和成长的机会，可以自己做一些out of the box的探索。”

一开始，他并没想着要做出条旗舰产品线。可先从认出局限，到提出替代路线，再一步步验证，这项研究探索最后长成了Tripo P系列。

他拿到的不光是参与项目的机会，还让自己的技术判断影响了模型方向，并把它做成了代表作。

今年3月的旧金山游戏开发者大会（GDC）上，一位路过的游戏开发者看完P1.0演示后很惊讶，说此前从没见过类似的东西。对研究者来说，这种反馈很具体：自己在实验里反复琢磨的东西，真的让另一个人看到了新的创作可能。

高人才密度下的支持与试错

要让这样的探索发生，除了给年轻人空间，还得有别的支持。

EdenLive核心贡献者之一Zion的经历是另一种回答。他早年在VAST实习，之后去大厂的大模型团队实习了半年，也拿到了留用机会，结果校招时还是回了VAST。

他没把这件事简单说成“大厂和创业公司谁更好”。对他而言，关键是有没有机会探索自己关心的问题，以及探索所需的条件能不能跟上。

回到VAST，他有了充足的数据、基础设施与算力支持，研究目标也慢慢清晰：交互与仿真。被问到再选一次还会不会来，他说：“我应该会比当时更加坚定。”

理由很实在：“当时期望的东西，在这不到一年里确实都得到了回应。”

重要的判断不只在选路线时出现，实验之后同样要面对：哪些该继续，哪些要调整，哪些得先停下。

Zion试过让LLM或VLM Agent结合3D生成来搭场景，可当时的基础模型就算知道物体朝向不对，也很难稳稳把它转正。验证了一段时间，课题被暂时搁下。

团队的做法是先用有限资源检验关键假设，成立就继续投，不成立就重新讨论。允许试错，也包括允许研究者根据证据改自己的判断。

主导自己的研究，不等于一个人扛下所有问题。VAST算法团队成员R想要的伙伴是“high capability、low ego”：能力强，也愿意把注意力放在共同解决问题上。还在读博的实习生Stewie，已经参与到核心模型从数据到训练的完整流程里。

在他的体验里，同伴愿意分享理解、一起拆解难题，高人才密度带来的也可以是支持。

这些经历对应着V·STAR想提供的研究条件：入选者能从零推动项目，参与定义重点技术方向，还能拿到配套的数据、算力与协作支持。

待遇上，薪酬突破传统校招职级与薪资限制，特别优秀者上不封顶，另有长期期权激励。人才评价方面，团队更看重一项研究有没有实质推进问题，研究者能不能讲清楚：为什么值得做，为什么选这条路线，实验又怎样改变了自己的判断。

这也回应了开头那个难题：企业看重成果，人才计划就不能只等年轻人带着代表作加入，还得提供让代表作在这里发生的条件——让他们进入核心项目，作出重要判断，并有资源和伙伴一起完成验证。

从3D生成到世界模型，还有不少问题没有定论。VAST希望新加入的年轻研究者不只参与找答案，也能一起决定下一步该问什么。

2027届本科、硕士、博士毕业生可以投V·STAR校招，非应届在校生也能报名实习，年级不限。可选工作地点有北京、杭州、上海、深圳，另有海外远程岗位。