GPT-6 Astraで「見て直すBlender」をnpakaさんが解説。作って終わりじゃない3D制作の中身

家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくんです。今回は、npakaさんの「GPT-6 Astra で飛躍的に向上したBlender 制作能力」という記事を紹介するね。

npakaさん（note「GPT-6 Astra で飛躍的に向上したBlender 制作能力」より・3D制作ループの整理部分）

参照画像を見る
　↓
Blenderで3Dを構築
　↓
レンダーして確認
　↓
問題を修正
　↓
必要なら反復
　↓
ゲームやCADへ展開

npakaさんの記事は、まずこの一連の流れそのものが「大きな変化」だと整理してるんだよね。私もここに一番反応した。

VeitBさん（OpenAI Developer Community、2026年9月3日投稿）

Anything you can do on a computer, Astra can do for you. Fast.

（コンピュータでできることは何でも、Astraが代わりにやってくれる。しかも速い、という意味）

この矢印の並びを見た瞬間に、「あ、これ完全に厨房の動きだ」って思ったんだよね。レシピ通りに作って終わりじゃなくて、味見して、直して、また味見する。その一連の往復を、人間が全部やらなくてよくなったということです。ぶっちゃけ、私がClaude CodeとAI秘書チームに日々の作業を任せている時の感覚に近いんですよね。私は毎朝、瞑想と紙のモーニングページで頭の中を一回外に出してから、その日の探求をClaude Code×AI秘書チームに委ねて、出てきたものを見て「ここ違うな」を繰り返します。AIは横に広げてくれますが、最終的に「これでいい」と判断する現場感は、結局自分の目でしか掘れません。GPT-6 Astraの話も同じで、ループが速く・深く回るようになっただけで、何を「良し」とするかの判断軸は結局人が持っているという構造は変わっていないんだよね。ループの速度が上がるほど、最後にハンコを押す人間の役割はむしろ重くなると思う。

🎯 自分の作業でも「作る→見る→直す」を1人で抱え込んでいる工程がないか、まず1つ書き出してみて。

npakaさん（note「GPT-6 Astra で飛躍的に向上したBlender 制作能力」より・BenchCADベンチマークの解説部分）

BenchCADはBlender専用ではありませんが、複数視点のレンダー画像から3D形状を読み取り、CADコードとして再構築する能力を見るベンチマークで、Blenderでの3D制作能力を考えるうえでも参考になります。

この一文の直前には、BenchCAD・ScreenSpot-Pro・OSWorld 2.0という3つのベンチマークの実測値が並んでる。

Zac Hall氏（9to5Mac、2026年9月4日）

GPT‑ 6 Astra brings together years of research and big bets across pre-training, reinforcement learning, and alignment.

（GPT-6 Astraは、事前学習・強化学習・アライメントにまたがる長年の研究と大きな賭けを結集したモデル、という意味）

数字だけ見ると「すごい、95.9%！」で終わっちゃいそうになりますが、正直そこで止まったらもったいない。この数字が意味しているのは、「3D形状を理解する力」「画面を見る力」「操作する力」「結果を判断する力」の4つがまとめて伸びたということなんだよね。1個だけ跳ねても、他が追いつかなければBlenderの現場では使えないんだ。私、よく「AIは魔法じゃない」って言うんだけど、ここでも同じです。誰でも簡単に、今すぐ使いこなせる魔法の数字じゃなくて、道具として現場に持ち込むには自分の作業のどこに当てはめるかを縦に掘る努力が要ります。数字は入口であって、答えじゃないんだよ。AI経営コンサルの現場でも、クライアントに「このAIすごいらしいですよ」だけ伝えても意味がなくて、その数字が実際の業務のどの工程を楽にするのかまで翻訳して、初めて価値になります。ベンチマークの表を見せるだけの説明では、現場は一歩も動かないんだよね。

🎯 ベンチマークの数字を見たら、自分の作業のどの1工程に効くかを1行でメモしてから使い始めてみて。

npakaさん（note「GPT-6 Astra で飛躍的に向上したBlender 制作能力」より・Tom Krcha氏の家写真事例を受けた考察部分）

重要なのは、単に3Dモデルを生成できることではありません。

npakaさんが紹介しているのは、Tom Krcha氏が家の写真1枚から作った3Dシーンの話。ここで念を押されているのがこの一文だった。

家の写真1枚が、そのまま歩き回れる空間になる……いやー、これは想像すると鳥肌もんだよね。しかも一般的なImage-to-3Dは「画像→単体の3Dモデル」で終わることが多かったのですが、この事例は複数画像から空間構造ごと推測して、リアルタイムに歩ける場所まで組み上げています。で、私がここで一番反応したのは「作って終わりにしない」という部分なんだよね。うちの理想の1日の設計図も、Claude Code×AI秘書チームとワクワク遊び探求したものをAI秘書チームが全部記録・整理してくれて、それがそのままプロセスエコノミーの発信になり、パッケージ化された商品になり、収益になっていく流れを組んでいます。まだ半分しか実現できていませんが。「作れた」で止めるか「使える形まで持っていく」かの差は、AIの性能ではなく人間側の設計にかかっているんだよね。家の写真という日常の1枚が発信の起点になる、この距離の近さも今回の事例の面白いところだと思う。

🎯 今つくった資料や画像を「見て終わり」にせず、次に誰が何に使うかまで1つ決めてから公開してみて。

npakaさん（note「GPT-6 Astra で飛躍的に向上したBlender 制作能力」より・蒸気機関車3,295オブジェクト事例の解説部分）

機関車には、車輪、ロッド、ボイラー、配管など、多数の機械部品があります。それらを1つの塊ではなく、編集可能なパーツ群として構築している点が重要です。

同じくTom Krcha氏が古い蒸気機関車の絵から作った3,295個のオブジェクトについて、npakaさんはこう続けてる。

3,295個という数字、正直ピンと来ないと思うんだけど、大事なのは個数じゃなくて「編集可能」というところです。1枚の絵をただ立体にしただけなら、見た目のハリボテで終わります。でも車輪、ロッド、ボイラー、配管をパーツ単位でバラバラに扱えるということは、後から誰でも直せる構造化データになっているということなんだよね。これ、私がObsidianに自分の経験や価値観、口癖を全部言語化して蓄積しているのと同じ発想なんです。1本のエピソードを丸ごと文章に固めて終わりにしないで、後からAI秘書チームや分身AIがパーツとして拾い出して使えるように、細かく書き残しておきます。分身AIを育てる＝自分が育つというのは、結局「あとで編集できる形で残す」ことの積み重ねなんだよ。塊で終わらせない、これ本当に大事です。構造化されたデータは、後からAI秘書チームだけでなく他のAIにも渡しやすくなります。

🎯 自分のノウハウをブログや議事録に残す時、後から使い回せる「パーツ単位」で書けているか一度見直してみて。

npakaさん（note「GPT-6 Astra で飛躍的に向上したBlender 制作能力」より・Matt Wolfe氏のキャラクター制作実験の解説部分）

GPT-6 Astraでは、これに加えて、画面を見る、Blenderを操作、結果を確認、次の操作を決める、というComputer Useのループを、より高い精度で回せるようになっています。

Matt Wolfe氏がComputer Useで人型オオカミをモデリングした実験について、npakaさんはこう解説してる。

Blenderを直接操作して、モデリングからリギング、走りモーションまで約8分です。しかもね、これまでのAI×Blenderは「LLMがBlender Pythonを書く→スクリプト実行」で終わることが多かったのですが、ここでは画面を見ながら次の一手を自分で決めています。この「画面を見て、次を決める」という構図、私が分身AIひろくんと対話している時の感覚とそっくりなんだよね。分身AIと話すと、自分の言葉や判断が画面の向こうに映って、それを見た自分がまた次の判断をします。自分を客観視できて、一次元上の視点が持てるようになるんです。AIが自分の作業を映して返してくれるから、次の一手が見えてくるんだよね。Computer Useのループも、AIが自分自身に対して同じことをやっています。自分の手を止めて画面を見る、その一呼吸がクオリティを分けるんだと思います。結果を出す前に一度画面を見返す癖は、AIだけじゃなく人間側の作業にも普通に効くんだよね。

🎯 次の作業に入る前に、直前の成果物を1分だけ見返してから手を動かす癖を1回だけ試してみて。

npakaさん（note「GPT-6 Astra で飛躍的に向上したBlender 制作能力」より・Jul1an氏の比較報告を受けた解説部分）

GPT-6 Astraでは、作る、見る、問題を見つける、修正する、再確認する、という反復の安定性が高くなっています。

Jul1an氏の比較報告を受けて、npakaさんはGPT-6 Astraの変化をこう整理してる。

正直、この「自分の失敗に気づいて、最後まで直せる」という能力、地味だけどめちゃくちゃデカいと思います。コードは動くのに形がおかしい、配置ミスを直したら別の場所が崩れる……そういう「直したつもりが直ってない」状態を抜け出せるかどうかは、実は人間の仕事でも一番差がつくところなんだよね。私はよく「完璧とは完成度100%のことじゃない」と言っていて、目的とゴールが合っていれば未完成も受け入れて、違和感があればやり直せばいい、と考えています。やり直しは罰じゃなくて、育つための時間なんだよね。GPT-6 Astraの「見て直す」力も同じ構造で、直すところまで丸ごと任せられるなら、人間は「これで完成」と判断する最後の一手だけに集中できるようになります。違和感を消さずにやり直す、その繰り返しこそが仕上がりの質を決めるんだと思うんだよね。結果よりプロセス・姿勢・行動を見るという発想は、AIの出力を評価する時にも同じように使えます。

🎯 今抱えている「直したつもりで終わってない」作業を1つ選んで、AIに最後まで直させてみて。

npakaさん（note「GPT-6 Astra で飛躍的に向上したBlender 制作能力」より・Blender CLI/MCPの併存についての解説部分）

GPT-6 Astraが強くなっても、Blender CLIやBlender MCPが不要になるわけではありません。

記事の終盤、npakaさんはツールとモデルの関係についてこう釘を刺してる。

モデルが賢くなったらツールがいらなくなる、って思いがちなんだけど、この記事はそうじゃないとはっきり書いているんだよね。なつき氏の実務報告でも、Astraで手戻りが減って作業時間も短くなったと紹介されていますが、それはBlender CLIやMCPという土台があった上での話です。私がよく言う「人間は縦に掘る。AIは横に広げる」というフレーズ、まさにこれと同じ構図でさ。分身AIを育てる＝自分が育つというのも、AIが全部を肩代わりするのではなく、道具と役割を分け合って初めて成り立つ話なんだよ。GPT-6 Astra×Blender CLI×Blender MCPという組み合わせで全体を見た方が理解しやすいとnpakaさんも書いていますが、それはつまり「モデル単体で完結させない」という設計思想です。AIに任せる部分と、土台として残す部分を自分で決める。この線引きこそが、これからの現場感覚になっていくと思うんだよね。道具を減らすことがゴールじゃなくて、道具とAIの組み合わせを増やすことがゴールなんだ。

🎯 新しいAIツールを試す時、既存の土台ツールを捨てずに残す部分を1つ決めてから導入してみて。

npakaさんの記事を読んで一番残ったのは、GPT-6 AstraのBlender制作能力の跳躍が「新しい形を生み出す力」ではなく「自分の失敗に気づいて、最後まで直す力」だったということです。生成の速さより、直し切る粘りの方が主役だったんだよね。

家の写真から歩ける空間を作った事例も、蒸気機関車を3,295個のパーツで再構築した事例も、共通しているのは「作って終わり」にしないで、後から編集・修正できる形まで持っていっている点だった。

Blender CLIやBlender MCPが不要にならなかったことも含めて、AIが強くなるほど、人間側が何を任せて何を土台として残すかの設計がむしろ問われるようになってきていると感じます。数字の跳躍に驚くだけで終わらせず、自分の現場のどこに当てはめるかまで考えて初めて、この記事を読んだ意味が出てくるんだよね。