手写3D场景 vs AI一键生成：这笔“时间账”我算了三遍，结论有点扎心

手写3D场景 vs AI一键生成：这笔“时间账”我算了三遍，结论有点扎心

先说一个很多人都经历过的场景。

老板在群里甩来一句：“明天上午提案，做个3D的樱花庭院，能转能看的那种，最好有点氛围感。”

你打开编辑器，深吸一口气。地面、池塘、木桥、鸟居、屋顶的瓦片弧度、花瓣飘落的粒子……一行行敲下去，天就亮了。

而现在，有一群人走的是另一条路：把这段话喂给一个只有4B 参数的小模型，等几分钟，拿到一个双击就能在浏览器里打开、鼠标一拖就能转的完整 3D 场景。

这就是Qwen3.5-4B-3D-Coder。它不是阿里官方的产品，而是一位开发者在 Qwen3.5-4B 基础上自己微调出来的“独立实验版”，专门干一件事：用 Three.js 生成可以直接运行的交互式 3D 场景。

它到底能不能比手写快？快多少？哪些时候反而更慢？

这篇文章不吹不黑，我们把账摊开来算。

一、它到底是个啥？一句话：一个“会写3D网页”的代笔

绝大多数人对 3D 的印象还停留在“专业软件、专业显卡、专业人士”。但这个模型输出的东西很朴素——

就是一个 HTML 文件。里面自带全部代码，双击用浏览器打开，场景就活了。不用装软件，不用配环境，不用打包。

打个比方：传统做 3D，像自己从和面、发面开始做一屉包子；这个模型更像是给你端上一屉“半成品”，你嫌褶子不好看，再捏两下。

它的训练素材也很实在：4146 个带完整代码的 Three.js 场景样本，每个样本不仅有最终成品，还包含“思考过程”，也就是模型被教着先想清楚布局，再动手写代码。数据集是 MIT 协议公开的，模型本体是 Apache-2.0，允许商用。

二、先把“计时口径”立好，不然这笔账必吵

说效率之前，必须先统一口径。不然永远是“你说十分钟，我说三天”的鸡同鸭讲。

我建议按三个档位来算：

第一档：到“能看”为止。从有个想法，到屏幕上出现一个能转、有光、看得懂是啥的立体画面。

第二档：到“能交付”为止。包括改配色、调比例、补细节、加交互，能拿给客户或老板看而不心虚。

第三档：算上“学习成本”和“复用价值”。你为这套流程花的时间，能不能在第二个、第五个项目上摊薄。

三档分开算，结论会完全不一样。这也是为什么网上吵得凶——大家根本不在同一条起跑线上。

三、生成这端的真实耗时：快在“第一版”，慢在“打磨”

先给结论：第一档，它赢得毫无悬念；第二档，优势大幅缩水；第三档，看你做几个项目。

具体拆开看。

① 出首版：几分钟量级。一个 4B 的小模型，跑在普通消费级显卡甚至笔记本上，吐出几千到上万字的场景代码，实际就是几分钟的事。官方的量化版本只有2.52GB（Q4）和 4.17GB（Q8），一台稍微像样的电脑就能本地跑，不联网、不花钱、不排队。

② 官方自己承认的“返工”。10 月 27 日的版本更新里，作者写得很坦诚：一次生成的成功率明显提升了，但“有些场景可能还需要再试一次，或者做点修正”。

这句“再试一次”很关键——它不是失败，是抽卡。同一个提示词，再来一遍，可能就对了。这一轮的成本是几分钟，而手写路线里“重来一遍”的成本，是一整个通宵。

③ 修 bug 的成本被严重低估。作者提到，目前观察到的问题大多不是结构性的崩塌，而是变量重名这种小毛病。翻译成人话：房子盖得挺像，就是有两根电线接错了，导致灯不亮。

对会写代码的人来说，这是五分钟的事。对完全不会代码的人来说，这就是一堵墙。

④ 最贵的一环：审美判断。模型能给你十个方案，但它不知道你老板喜欢“侘寂”还是“赛博”。挑、改、再挑——这部分时间和手写几乎一样长，因为决定权在人手上，AI 替不了。

所以生成路线的真实耗时，大概是：

几分钟出稿 + 半小时到两小时反复改 + 你自己审美的纠结时间。

四、手写这端的同口径对照：慢，但慢得有道理

一个熟练的 Three.js 开发者，做上面那种樱花庭院，什么节奏？

搭骨架：地面、相机、光照，一小时。主体建模：房子、鸟居、桥、树。这里最耗神，因为每一根木梁、每一片瓦都要用几何体拼，两小时起步。材质与氛围：颜色、阴影、水面反光、飘落的花瓣粒子，这个环节上不封顶。交互：拖拽旋转、滚轮缩放、视角按钮，熟手半小时。

合起来，半天到两天，很正常。

看起来 AI 完胜？别急，手写有两个 AI 目前抢不走的东西：

一是确定性。你说这根梁是 12 厘米，它就是 12 厘米。要做工程示意、要跟真实产品尺寸对上，手写的可控性无法替代。

二是“知道为什么”。页面卡了、阴影糊了、模型穿模了，手写的人知道去哪改。而拿 AI 生成物的人，很多时候只能“再生成一次试试”。

上面这张很有代表性——一个 LGA 3647 服务器插槽，带压杆、带盖板、带电路板走线，旁边还有“重置视角”的按钮。这种机械件的结构感，恰恰是 AI 生成里最容易翻车的地方，也是这一版模型最让人意外的加分项。

五、什么情况下，用AI反而更慢？

这部分我要说点不太好听的。

如果你要求“一次到位、零修改”——它做不到。它更像个手速极快、但需要你验收的实习生。

如果你完全不懂代码——出了变量重名这种小错，你连错误在哪都找不到。所谓“零门槛”，门槛只是从“写代码”挪到了“看代码”和“描述需求”。

如果场景要接后端数据、要跟真实业务联动——它擅长的是“看起来对”，不是“逻辑跑得通”。

如果你追求极致的美术表现——那还是得回到专业引擎和美术手里。它做的是“有设计感的小场景”，不是“3A 大作”。

说白了，它解决的是从 0 到 1 的冷启动，不是从 1 到 100 的精雕。

六、那到底哪类人该马上上车？

我按“回本速度”排了个序：

第一类：提案和比稿的人。广告、活动策划、地产、展会。以前讲“我想要一个日式庭院的感觉”，客户靠脑补；现在五分钟出个能转的图，沟通成本直接砍半。这一档的效率提升，是几倍到几十倍。

第二类：内容创作者。做科普、做数码测评、做知识类视频的，需要“能转的立体示意”而不是干巴巴的截图。生成一个场景，录屏，就是个不错的素材。

第三类：教学和培训。物理、地理、建筑史、机械结构，抽象概念做成可交互的立体模型，学生自己拖着看，比讲十遍管用。

第四类：游戏和App的原型验证。先花十分钟看看“这个关卡长这样行不行”，再决定要不要投入人力。省下的是团队沟通的整轮时间，不是某个人的工时。

第五类：纯粹好奇的科技爱好者。这类人最容易被它“惊艳一下”，也最容易玩两天就放下。没关系，它本来就是个早期预览版。

七、上手门槛：一台普通电脑 + 一个必须记住的设置

硬件上真不苛刻。Q4 版本 2.5GB 左右，Q8 版本 4GB 出头，内存吃紧就选小的，想要细节就选大的，代价只是清晰度和一次成功率。

用图形界面工具加载最省事。但这里有个几乎人人都会踩的坑——

如果你在 LM Studio 里跑它，一定要在高级设置里关掉多令牌预测（MTP）。这个选项默认是开的，开着它会输出乱码、截断，甚至干脆不吭声。不是模型坏了，就是这一个开关的事。

另外两个小经验，能显著提高成功率：

一是把提示词写得像“施工图”，别像许愿。官方示例的路子很值得抄：先说主题，再说布局关系，最后指定风格。想让它出体素风，就明确写“用可见的立方块堆出体素模型”——它听得很懂。

二是先看画廊再动手。官方放了十个成品：樱花庭院、落日村庄、龙骑士海蚀柱、火箭发射场、装订工作台、鹈鹕摩托、老式秘书桌……每一个都是“提示词能写到什么程度”的活教材。看完你就明白，写得好不好，直接决定它给不给你惊喜。

八、这笔账的最终结论

如果你算的是“今晚能不能交出个东西”——它赢，而且赢得干脆。

如果你算的是“这个项目最终要花多少人力”——它赢一半，因为它把最枯燥的搭建环节省了，但把审美和验收留给了你。

如果你算的是“会不会取代3D美术”——短期不会。它更像把“做3D”这件事，从“专业技能”往“表达能力”挪了一步。以前你得会写代码才能表达空间想象，现在你只要会说清楚你想要什么。

说句实在话，一个 4B 的模型能把这事做到这个程度，本身就有点反常识。它跑在你自己的电脑上，不联网也能用，生成的东西还能直接商用。

真正让人好奇的，不是它现在能做什么，而是当这类模型再大一圈、再准一点，那些靠“会写样板代码”吃饭的岗位，还剩下多少空间。

最后留个问题给评论区：

如果给你一个“说出想法就变出3D场景”的工具，你第一个想做出来的画面是什么？是老家那间院子，还是脑子里盘旋很久却没能力实现的一个科幻场景？

我挺想看看大家的答案。