Xiaohu 示範跨模型工作流：GPT 生圖 + Gemini 3.1 Pro 轉 3D 互動內容

中文 AI 觀察家 xiaohu 5 月 10 日分享一個結合 GPT 與 Gemini 3.1 Pro 的工作流範例：先用 GPT 生成圖像、再用 Gemini 3.1 Pro 把圖像轉換為 3D 互動內容、可把任何知識主題做成可旋轉、可操作的科學應用。xiaohu 推文展示的範例包括 3D 行星展示、互動科學模型等、是「跨模型工作流」（multi-model workflow）的具體實踐。

工作流結構：GPT 生圖 → Gemini 3.1 Pro 3D 化

整個工作流的兩階段設計：

階段一：用 GPT（GPT-image-1 或 ChatGPT 內建的圖像生成）產出主題圖像、提供視覺基礎

階段二：把圖像輸入 Gemini 3.1 Pro、由 Gemini 把 2D 圖像轉換為 3D 互動內容

輸出形式：可在瀏覽器內旋轉、縮放、互動的 3D 物件

適用場景：科學教育、產品展示、知識互動內容

「跨模型工作流」是 2026 年 AI 應用層的關鍵趨勢之一—單一模型不再是萬能工具、開發者把不同模型最強的部分串接起來、做出單一模型做不到的應用。

具體展示：3D 行星、互動科學內容、機器人售貨網站

xiaohu 同步發布的多個範例：

3D 行星展示：可旋轉的太陽系或單一行星模型

互動科學內容：把抽象知識做成 3D 視覺化、適合教育用途

機器人售貨機未來網站：用 GPT 生圖加上 Tripo 3D 平台、做出展示型網頁

這些範例的共同特徵是「視覺生成 + 互動轉換」—GPT 負責創意視覺、Gemini 或其他 3D 工具負責把靜態圖像轉成可操作的互動形式。每一段單獨拿出來都不算新、但串接後的最終體驗比任何單一工具強。

意義：跨模型工作流逐漸成為主流開發模式

對開發者的具體啟示：

選對工具比選最強模型重要—GPT 強的視覺、Gemini 強的多模態理解、Claude 強的長 context、各有各的甜蜜點

模型 API 整合成本下降、串接多個模型在實作層級變得可行

新型應用很可能是「多模型 pipeline」、不是「最強單一模型」的延伸

本案的價值不在技術突破、而在工作流設計的範本

後續可追蹤的具體事件：Gemini 3.1 Pro 的 3D 生成能力是否被 Google 在後續活動正式公告為產品功能、跨模型工作流是否在 LangChain／LlamaIndex 等框架中取得預設模板支援、以及商業化案例（如教育、電商、行銷）的具體採用範例。

這篇文章 xiaohu 示範跨模型工作流：GPT 生圖 + Gemini 3.1 Pro 轉 3D 互動內容 最早出現於 鏈新聞 ABMedia。