مدل جدید Qwen3.5-4B-3D-Coder متن را به صحنههای سهبعدی تعاملی در مرورگر تبدیل می‌کند

یک توسعهدهنده مستقل به نام CCORE، پیشنمایش اولیهای از مدل Qwen3.5-4B-3D-Coder را منتشر کرده است؛ مدلی بازتنظیمشده با ۴ میلیارد پارامتر که با دریافت پرامپت‌های متنی، صحنههای سهبعدی و تعاملی مبتنی بر کتابخانه Three.js تولید می‌کند. خروجی این مدل، یک سند مستقل HTML شامل تمام کدهای جاوااسکریپت موردنیاز برای رندر صحنه در مرورگر وب است.

این مدل در زمان انتشار نزدیک به ۷ هزار بار دانلود شد و در حالی که مراحل آموزش آن همچنان ادامه دارد، به رتبههای بالای فهرست پرطرفدارهای پلتفرم Hugging Face راه یافت. با وجود اینکه چنین آمارهایی معمولاً نوسان دارند و کیفیت صحنهها نیازمند ارزیابی عملی است، جذابیت اصلی این مدل برای توسعهدهندگان، حجم کم، امکان اجرای محلی و ساختار کاملاً مشخص و معین خروجی آن بهشمار میرود.

تمرکز بر خروجی مشخص؛ راهکاری برای سادهسازی مسائل پیچیده

مدل Qwen3.5-4B یک مدل چندمنظوره متعلق به پروژه Qwen شرکت علیبابا بهشمار میرود. نسخه منتشرشده توسط CCORE یک پروژه مستقل و غیررسمی است که روی مأموریتی مشخص تمرکز دارد: ترجمه توصیفات فضایی به کدهای سهبعدی Three.js قابل رندر در مرورگر.

تعیین یک قالب خروجی ثابت، تنوع و ناهماهنگی در نمونههای آموزشی را به حداقل میرساند. در این ساختار، هر پاسخ تنها یک سند مجزا، یک نسخه مشخص از کتابخانه، شیوهای یکپارچه برای ایمپورت ماژولها و پیادهسازی درونخطی قابلیت‌هایی مانند کنترل دوربین را هدف قرار می‌دهد. این یکپارچگی به یک مدل ۴ میلیارد پارامتری اجازه می‌دهد در مقایسه با دستیارهای عمومی کدنویسی، با رابطهای برنامهنویسی و تنظیمات بیلد کمتری درگیر شود و نتیجه بسیار بهتری خلق کند.

نمونههای منتشرشده دامنه متنوعی از معماریهای فانتزی، باغها، محیطهای وکسل، مبلمان، کارگاهها، اجسام مکانیکی و زیرساختهای متحرک را در بر می‌گیرند. بسیاری از پرامپت‌ها خواستار بلوکهای مکعبی واضح، سایهها و خطوط مرزی دقیق، عمق بصری و روابط فضایی مشخص هستند؛ موضوعی که نشان می‌دهد صحنههای وکسل بخش قابل توجهی از دادگان آموزشی این مدل را تشکیل دادهاند.