Xiaohu demonstra um fluxo de trabalho entre modelos: GPT gera imagens + Gemini 3.1 Pro transforma em conteúdo 3D interativo

O observador de IA chinês xiaohu compartilhou em 10 de maio um exemplo de fluxo de trabalho que combina GPT e Gemini 3.1 Pro: primeiro, usar GPT para gerar imagens e, depois, usar Gemini 3.1 Pro para transformar as imagens em conteúdo interativo 3D. Isso permite transformar qualquer tema de conhecimento em aplicações científicas rotacionáveis e acionáveis. O post do xiaohu no Twitter mostra exemplos como exibições de planetas em 3D, modelos científicos interativos etc., que são uma prática concreta de “fluxo de trabalho entre modelos” (multi-model workflow).

Estrutura do fluxo de trabalho: GPT cria imagens → Gemini 3.1 Pro as transforma em 3D

O design do fluxo de trabalho em duas etapas:

Etapa um: usar GPT (GPT-image-1 ou geração de imagens embutida no ChatGPT) para produzir imagens temáticas e fornecer base visual

Etapa dois: inserir a imagem no Gemini 3.1 Pro, que transforma imagens 2D em conteúdo interativo 3D

Formato de saída: objetos 3D que podem ser rotacionados, ampliados e interagidos dentro do navegador

Cenários de uso: educação científica, demonstração de produtos, conteúdos de conhecimento interativo

“Fluxo de trabalho entre modelos” é uma das principais tendências da camada de aplicações de IA em 2026 — um único modelo não é mais uma solução universal; desenvolvedores conectam partes mais fortes de modelos diferentes para criar aplicações que um único modelo não conseguiria fazer.

Demonstração específica: planetas em 3D, conteúdo científico interativo, site de vendas com robôs

Vários exemplos publicados pelo xiaohu em paralelo:

Exibição de planetas em 3D: sistema solar rotacionável ou modelo de um único planeta

Conteúdo científico interativo: transformar conhecimento abstrato em visualização 3D, adequado para fins educacionais

Site futuro de máquina de venda com robôs: usar GPT para gerar imagens e a plataforma Tripo 3D para criar uma página de demonstração

As características em comum desses exemplos é “geração visual + conversão interativa” — o GPT fica responsável pela visão criativa, enquanto o Gemini ou outras ferramentas 3D ficam responsáveis por transformar imagens estáticas em formatos interativos acionáveis. Tirado uma peça por vez, cada trecho isolado não é algo novo, mas ao conectar, a experiência final é melhor do que a de qualquer ferramenta única.

Significado: fluxo de trabalho entre modelos se torna gradualmente o modo de desenvolvimento principal

Implicações concretas para desenvolvedores:

Escolher a ferramenta certa é mais importante do que escolher o modelo mais forte — o GPT é forte em visual, o Gemini em compreensão multimodal, o Claude em long context, e cada um tem seu ponto forte

O custo de integração de APIs de modelos cai, e conectar vários modelos em nível de implementação fica viável

Aplicações novas provavelmente serão “pipelines entre modelos”, e não uma extensão de “um único modelo mais forte”

O valor deste caso não está em uma ruptura técnica, e sim em um modelo de design de fluxo de trabalho

Eventos específicos que podem ser acompanhados depois: se a capacidade de geração 3D do Gemini 3.1 Pro será anunciada oficialmente pela Google como função de produto em atividades posteriores; se o fluxo de trabalho entre modelos receberá suporte a templates padrão em frameworks como LangChain/LlamaIndex; e exemplos concretos de adoção em casos comerciais (como educação, e-commerce, marketing).

Este artigo, em que o xiaohu demonstra o fluxo de trabalho entre modelos: GPT gera imagens + Gemini 3.1 Pro transforma em conteúdo interativo 3D, surgiu pela primeira vez em 鏈新聞 ABMedia.