Anmerkung des Autors: Am Beispiel von Qwen3.5-4B-GLB-3D-Coder zerlegen wir den Workflow „Text → Three.js → GLB“ mit einer Code-Zwischenschicht und geben praxisnahe Schritte zur Umsetzung.
Ein großes Sprachmodell direkt brauchbare 3D-Dateien erzeugen zu lassen, ist für viele unabhängige Entwickler und kleine Spieleteams eine bekannte Herausforderung. Ein von der Community feinabgestimmtes Modell mit 4B Parametern zeigt einen anderen Ansatz: Das Modell schreibt Three.js-Code, und der Browser exportiert daraus GLB – Erzeugung und Export werden in zwei Schritte aufgeteilt.
Dies ist keine weitere Übersicht über Text-zu-3D-Tools. Die von Qwen3.5-4B-GLB-3D-Coder exportierten Assets lassen sich bereits in den Godot-Editor importieren. Der Community-Entwickler Naoki Kishida hat damit sogar eine spielbare 3D-RPG-Demo erstellt. Dieser Artikel konzentriert sich auf die wiederverwendbaren Engineering-Methoden hinter dieser Kette.
Kernnutzen: Nach der Lektüre verstehen Sie, warum die Code-Zwischenschicht funktioniert, und können den vollständigen Ablauf von der Eingabeaufforderung bis zum Godot-Asset lokal oder in der Cloud durchlaufen.
Die wichtigsten Punkte zur Three.js-Code-Zwischenschicht
Die Code-Zwischenschicht bedeutet: Das Modell gibt nicht direkt die endgültige Binärdatei aus, sondern ein ausführbares Programm, das anschließend das endgültige Artefakt erzeugt. In diesem Fall gibt das Modell eine eigenständige HTML-Datei aus, die eine Three.js-Szene und eine Schaltfläche „Export GLB“ enthält.
| Aspekt | Beschreibung | Nutzen für Entwickler |
|---|---|---|
| Modellausgabe | Eine einzelne HTML-Datei mit Three.js-Szene und Export-Schaltfläche | Direkt lesbar und anpassbar, keine Blackbox-Datei |
| Endergebnis | Nach einem Klick auf die Schaltfläche im Browser wird die GLB-Datei heruntergeladen | Lässt sich in Godot und andere GLB-fähige Tools importieren |
| Trainingsumfang | Deckt 25 Bereiche von Spiel-Assets ab, darunter Charaktere, Waffen, Fahrzeuge und modulare Gebäude | Ein Tool deckt die meisten Platzhalter-Anforderungen in der Prototypenphase ab |
| Ausführung | Zwei GGUF-quantisierte Versionen, Q4_K_M und Q8_0 | Kann lokal mit Tools wie LM Studio ausgeführt werden |
| Qualitätseinordnung | Low-Poly-Spiel-Assets, nicht für fotorealistische oder Film-/TV-Produktionen gedacht | Geeignet für Prototypen, Platzhalter und stilisierte Projekte |
Hinweis: Qwen3.5-4B-GLB-3D-Coder ist eine unabhängige Vorschauversion, die der Entwickler CCORE auf Basis von Qwen/Qwen3.5-4B feinabgestimmt hat, und keine offizielle Veröffentlichung von Qwen. Laut Modellkarte sind die meisten generierten Ergebnisse sofort beim ersten Versuch nutzbar – besonders bei englischen Eingabeaufforderungen –, bei manchen Assets sind jedoch ein erneuter Versuch oder manuelle Code-Anpassungen nötig.
Arbeitsablauf der Three.js-Code-Zwischenschicht
Die gesamte Kette lässt sich in sechs Schritten zusammenfassen: Beschreibung eingeben, HTML generieren, Datei speichern, im Browser ansehen, GLB exportieren, in die Engine importieren. Die ersten beiden Schritte übernimmt das Modell; der Export erfolgt durch den im Browser ausgeführten Code. Das Modell muss den binären Inhalt der GLB-Datei nicht selbst schreiben.
Wenn sich ein Asset bewegen soll – etwa eine Tür, die sich öffnet –, verlangt die System-Eingabeaufforderung vom Modell, eine Animation hinzuzufügen und sie in die exportierte GLB-Datei aufzunehmen. Ohne ausdrückliche Anforderung erzeugt das Modell standardmäßig statische Assets. Deshalb sollte die Animation in der Eingabeaufforderung ausdrücklich genannt werden.
Fünf Workflow-Erkenntnisse aus der Three.js-Code-Zwischenschicht
Der folgende Vergleich ist eine technische Einschätzung, die wir aus diesem Fall abgeleitet haben – keine Benchmark-Ergebnisse. Unterschiedliche 3D-Generierungsansätze haben jeweils ihre eigenen Einsatzbereiche; hier geht es nur um die strukturellen Unterschiede zwischen zwei Denkweisen.
| Vergleichsdimension | Direkte Generierung von 3D-Dateien | Three.js-Code als Zwischenschicht |
|---|---|---|
| Modellausgabe | Mesh oder binäres Asset | Lesbarer Textcode |
| Umgang mit Fehlern | Meist Neugenerierung oder Nachbesserung im Modeling-Tool | Geometrie, Materialien und Animationen lassen sich gezielt lokal ändern |
| Vorschau vor dem Export | Abhängig von speziellen Viewern | HTML im Browser öffnen und direkt ansehen |
| Animationsunterstützung | Hängt vom konkreten Modell und der Pipeline ab | Lässt sich im Code beschreiben und zusammen mit dem GLB exportieren |
| Typische Stärken | Je nach Ansatz unterschiedlich | Strukturklare Low-Poly-Assets |
| Wesentliche Grenzen | Ergebnisse lassen sich nur schwer feingranular bearbeiten | Hochdetaillierte oder fotorealistische Assets liegen außerhalb des Designrahmens |
Erkenntnis eins: Wähle die Repräsentationsebene, in der das Modell stark ist. Die Stärke von Coding-Modellen liegt in strukturiertem Text – und Three.js verwandelt ein 3D-Asset genau in ein Programmierproblem. Das Modell hat nur 4B Parameter und kann trotzdem Asset-Generierung übernehmen, weil die Aufgabe in eine Form gebracht wurde, mit der es umgehen kann.
Erkenntnis zwei: Zwischenergebnisse müssen überprüfbar sein. Die HTML-Datei ist sowohl Ergebnis als auch Einstiegspunkt zum Debuggen. Wenn ein Material falsch sitzt oder eine Animationsschleife hängt, lässt sich das oft manuell korrigieren, ohne von vorn zu generieren – das senkt die Kosten eines einzelnen Fehlschlags erheblich.
Erkenntnis drei: Den letzten Schritt übernehmen deterministische Werkzeuge. Details des Dateiformats muss ein probabilistisches Modell nicht Byte für Byte verantworten. Das Three.js-Ökosystem bringt mit dem GLTFExporter bereits solche Exportfähigkeiten mit; das Modell muss nur die Logik für den Aufruf schreiben. Grundsätzlich gilt: Je mehr Schritte an ausgereifte Werkzeuge abgegeben werden, desto geringer die Unsicherheit auf Format-Ebene.
Erkenntnis vier: Enge Aufgaben mit festen Konventionen sind praktischer als Allgemeinheit. Der System-Prompt dieses Modells ist fest, und die Ausgabeform ist strikt auf eine einzelne HTML-Datei begrenzt. Gleichzeitig sorgen Trainingsdaten aus 25 Domänen für ausreichende Abdeckung der Asset-Typen. Klare Aufgabengrenzen geben auch einem kleinen Modell genug Spielraum.
Erkenntnis fünf: Prüfe am realen Zielort. Was im Browser gut aussieht, ist noch kein brauchbares Asset – die Model Card zeigt deshalb auch das Ergebnis nach dem Import in den Godot-Editor. Das nächste Ziel des Autors hängt damit zusammen: eine zuverlässige Generierung in einem Durchlauf, und das automatisierte Generieren, Testen und Optimieren innerhalb eines Agent-Frameworks.
Dieser Ansatz ist nicht auf Game-Assets beschränkt. OpenSCAD-Skripte können CAD-Modelle erzeugen, Blender-Python kann Modeling-Pipelines steuern, SVG und Mermaid können Grafiken und Diagramme beschreiben. Wann immer das Zielformat schwer direkt zu generieren ist, lohnt sich die Frage: Gibt es eine Code-Ebene, die es zuverlässig produzieren kann?
Technischer Tipp: Wer die Three.js-Qualität verschiedener Modelle vergleichen möchte, kann über APIYI apiyi.com dieselbe Eingabeaufforderung an mehrere Modelle schicken und die Ergebnisse anschließend mit der unten stehenden Abnahmeliste einheitlich bewerten.
Schnelleinstieg in die Three.js-Code-Zwischenschicht: Lokale Bereitstellung
Am Beispiel von LM Studio lässt sich das Ganze ohne zusätzlichen Code einrichten. LM Studio kann GGUF-Modelle direkt laden. Du kannst im Modellbrowser nach Qwen3.5-4B-GLB-3D-Coder suchen oder die Dateien von Hugging Face herunterladen und anschließend lokal laden.
Schritt 1: GGUF-Quantisierungsversion auswählen
Die Modellkarte nennt keinen genauen VRAM-Bedarf. Teste daher am besten mit deiner eigenen Hardware. CPU-Inferenz ist ebenfalls möglich, wird aber deutlich langsamer.
| Version | Eigenschaften | Empfohlene Einsatzszenarien |
|---|---|---|
| Q4_K_M | Kleinere Datei, geringerer Speicherbedarf, schnellere Inferenz, gewisse Qualitätseinbußen | Notebook-GPU, Geräte mit begrenzter Ausstattung, schnelle Iterationen |
| Q8_0 | Größere Datei, näher an der vollen Präzision | Ausreichend VRAM, wenn du die Erfolgsquote beim ersten Versuch für komplexe Assets erhöhen möchtest |
Hinweis zu Versionsupdates: Beide Quantisierungsversionen wurden am 2. November 2026 mit neuen Gewichten versehen. Laut Autor hat sich die visuelle Qualität deutlich verbessert, die Dateinamen sind jedoch unverändert geblieben. Wenn du sie vor diesem Datum heruntergeladen hast, lösche sie am besten und lade sie erneut herunter – sonst verwendest du möglicherweise noch die alte Version.
Schritt 2: System-Prompt und Sampling-Parameter konfigurieren
Dieses Modell wurde auf ein spezielles Instruktionsformat hin feinabgestimmt. Deshalb empfiehlt es sich, den System-Prompt aus der Model Card unverändert zu übernehmen und nicht selbst umzuschreiben:
Create game assets for the Godot editor， which uses GLB files. Create whatever the user requests as a good-quality low-poly asset using only Three.js in one complete standalone HTML file. The HTML must show the asset and include an Export GLB button that downloads a working GLB. If the requested asset needs animation， add it and include the animation in the exported GLB； otherwise make it static.
Füge ihn in das Feld für Systemnachrichten in LM Studio ein und stelle anschließend die vom Autor empfohlenen Sampling-Parameter ein. Diese Werte sind ein Ausgangspunkt aus den Tests des Autors und keine festen Vorgaben – du kannst sie nach dem ersten erfolgreichen Lauf noch anpassen.
| Parameter | Empfohlener Wert | Konfigurationsort |
|---|---|---|
temperature |
0.8 | LM Studio Generierungsparameter |
top_k |
40 | LM Studio Generierungsparameter |
top_p |
0.95 | LM Studio Generierungsparameter |
min_p |
0.0 | LM Studio Generierungsparameter |
Schritt 3: GLB erzeugen und exportieren
Der Nutzer-Prompt sollte kurz, konkret und möglichst auf Englisch sein. Probiere zunächst Create a blue goblin brute oder Build a jungle siege platform; wenn eine Animation gewünscht ist, schreibst du etwa Create a wooden gate with an opening animation. Gehe dann in dieser Reihenfolge vor:
- Prompt senden und warten, bis das Modell das vollständige HTML ausgibt.
- Den ausgegebenen Inhalt als
.html-Datei speichern. - Die Datei im Browser öffnen und prüfen, ob das Asset korrekt gerendert wird.
- Auf die Schaltfläche „Export GLB“ klicken und die
.glb-Datei herunterladen. - Das GLB in Godot oder in ein anderes Tool importieren, das dieses Format unterstützt.
Wenn die Seite leer bleibt, öffne zuerst die Entwicklertools des Browsers und sieh dir die Fehlermeldungen in der Konsole an. Manche Skripte unterliegen bei direktem Doppelklick den Beschränkungen des Browsers für lokale Dateien. In diesem Fall kannst du im Dateiverzeichnis python -m http.server ausführen und die Seite anschließend über die lokale Adresse aufrufen.
Schritt 4: Assets anhand der Checkliste prüfen
Verlassen Sie sich nicht nur auf die Vorschau im Browser. Prüfen Sie bei jedem Asset am besten die folgenden Punkte:
- Struktur: Sind alle Bauteile vollständig, gibt es offensichtliche Verschiebungen oder Durchdringungen?
- Material: Stimmen Farben und Materialien nach dem Import in die Engine mit der Vorschau überein?
- Animation: Ist die Animation tatsächlich in die GLB geschrieben und lässt sie sich in der Engine abspielen?
- Größe und Ursprung: Passen Skalierung und Pivot zu den Anforderungen der Szene? Das muss eventuell manuell angepasst werden.
- Reparierbarkeit: Bei kleinen Problemen zuerst den Code ändern; bei strukturellen Problemen neu generieren.
Cloud-Anbindung der Three.js-Code-Zwischenschicht
Einer der Vorteile einer Code-Zwischenschicht besteht darin, dass sie nicht an ein bestimmtes Modell gebunden ist. Solange ein Modell lauffähiges Three.js erzeugen kann, lässt es sich in denselben Ablauf einbinden. Öffentlich verfügbaren Informationen zufolge wird Qwen3.5-4B-GLB-3D-Coder derzeit in Form von GGUF vertrieben und ist hauptsächlich für lokale Inferenz gedacht. Wenn Ihr Gerät dafür nicht geeignet ist oder Sie die Ergebnisse eines allgemeinen Codemodells vergleichen möchten, können Sie die Cloud-API nutzen.
APIYI bietet API-Aufrufe für verschiedene Modelle an und ist mit den Schnittstellenformaten von OpenAI und Anthropic kompatibel. Bei bestehenden Clients müssen in der Regel nur die Schnittstellenadresse, der Schlüssel und der Modellname angepasst werden. Beachten Sie, dass die tatsächliche Anzeige in der Modellliste maßgeblich dafür ist, ob das oben genannte feinabgestimmte Modell einen Cloud-Aufruf anbietet. Details zur Konfiguration finden Sie in der APIYI-Dokumentation: docs.apiyi.com.
| Ansatz | Kernmerkmale | Einsatzszenarien | Abrechnungsgrundlage | Verfügbare Plattformen |
|---|---|---|---|---|
| Lokal feinabgestimmtes Modell | Für GLB-Assets feinabgestimmt, nach dem Download offline nutzbar | Batch-Erzeugung von Platzhalter-Assets, Offline-Betrieb erforderlich | Keine nutzungsabhängigen Aufrufkosten, eigene Hardware erforderlich | GGUF-Laufzeitumgebungen wie LM Studio |
| Allgemeines Cloud-Codemodell | Keine lokale Rechenleistung erforderlich, einfach zu wechseln und zu vergleichen | Eingeschränkte Geräte, Bedarf an komplexen Eingabeaufforderungen | Gemäß APIYI-Preisseite | APIYI apiyi.com und offizielle Kanäle der jeweiligen Modelle |
| Hybrid aus lokal und Cloud | Lokale Massenverarbeitung, schwierige Assets in die Cloud | Teams, die Kosten und Erfolgsquote gleichermaßen berücksichtigen möchten | Cloud-Anteil gemäß APIYI-Preisseite | Lokale Tools in Kombination mit der API-Plattform |
Schritte zum Aufruf eines Three.js-Generierungsmodells über die API
- Erstellen Sie im APIYI-Konsolenbereich einen API-Schlüssel und prüfen Sie in der Dokumentation die aktuelle Schnittstellenadresse. Übernehmen Sie keine Adressen aus Anleitungen Dritter.
- Wählen Sie je nach vorhandenem Client das Schnittstellenformat von OpenAI oder Anthropic und tragen Sie
base_urlsowie den API-Schlüssel ein. - Wählen Sie in der Modellliste das zu testende Modell aus und tragen Sie seinen Namen in das Feld
modelein. - Legen Sie die zuvor beschriebene System-Eingabeaufforderung in die System-Nachricht. Da ein allgemeines Modell nicht für diese Aufgabe feinabgestimmt wurde, können Sie Einschränkungen wie „nur vollständiges HTML ausgeben“ ergänzen.
- Speichern Sie die Antwort als
.html-Datei. Die anschließenden Schritte für Vorschau, Export und Validierung sind dieselben wie beim lokalen Ansatz.
Der lokale Dienst von LM Studio bietet ebenfalls eine OpenAI-kompatible Schnittstelle. Daher können Sie mit demselben Client zwischen lokal und Cloud wechseln; Sie müssen nur die Schnittstellenadresse und den Modellnamen ändern. Auf diese Weise bleiben die Schritte nach der Code-Zwischenschicht – Vorschau, Export und Validierung – unverändert.
Hinweis zur Abrechnung: Modellpreise pro Einheit, die Abrechnungsbasis für Ein- und Ausgaben sowie Cache-Preise können sich ändern. Dieser Artikel nennt keine konkreten Zahlen; maßgeblich sind stets die tatsächlichen Angaben auf der APIYI-Preisseite: https://docs.apiyi.com/models.
Häufig gestellte Fragen (FAQ)
Q1: Was ist der Three.js-Code-Zwischenschicht-Workflow?
Dabei schreibt das Modell zunächst ein Three.js-Programm, das die Szene rendert und als GLB exportiert, anstatt dass das Modell direkt eine 3D-Datei ausgibt. So lässt sich das Ergebnis vor dem Export ansehen und anpassen.
Q2: Kann Qwen3.5-4B-GLB-3D-Coder direkt GLB ausgeben?
Nein. Es gibt eine eigenständige HTML-Datei aus. Diese öffnen Sie im Browser und klicken auf die Schaltfläche „Export GLB“, um die GLB-Datei zu erhalten.
Q3: Lässt sich das exportierte GLB nur in Godot verwenden?
Nein. Die System-Eingabeaufforderung ist auf den Godot-Workflow ausgerichtet, aber GLB ist ein universelles Format, das auch Unity, Blender und Web-3D-Viewer importieren können. Wie gut das Ergebnis nach dem Import aussieht, muss jedoch in jedem Tool separat geprüft werden.
Q4: Für welche Anwendungsfälle eignet sich das Modell am besten?
Am besten für Game-Prototypen und Platzhalter-Assets im Low-Poly-Stil, etwa NPCs, Waffen, Fahrzeuge, modulare Gebäude und Fallen. Wer hochgradig angepasste finale Assets braucht, muss nach dem Import voraussichtlich noch manuell nacharbeiten.
Q5: Wie kann ich diesen Workflow über eine API ausprobieren, wenn ich keine passende Grafikkarte habe?
Über APIYI apiyi.com können Sie ein Coding-Modell aus der Modellliste aufrufen und die Schnittstelle gemäß der Dokumentation im OpenAI- oder Anthropic-Format konfigurieren. Nachdem das Modell das HTML ausgegeben hat, erfolgen Vorschau und Export lokal im Browser.
Q6: Wie werden die Kosten für Cloud-Aufrufe berechnet?
Die Preise und Abrechnungsgrundlagen unterscheiden sich je nach Modell. Schauen Sie am besten direkt auf die Preisseite von APIYI: https://docs.apiyi.com/models. Testen Sie zunächst mit wenigen Eingabeaufforderungen und schätzen Sie die Kosten dann anhand des tatsächlichen Verbrauchs.
Q7: Ist die visuelle Projektionsdatei erforderlich?
Nein, sie ist optional. Die optionale visuelle BF16-Projektionsdatei ist etwa 644 MiB groß und dient dazu, in einer Laufzeitumgebung, die Qwen3.5 multimodale GGUF unterstützt, Referenzbilder einzugeben. Wenn Sie nur Text-Eingabeaufforderungen verwenden, können Sie sie weglassen.
Q8: Welche Einschränkungen hat dieser Ansatz derzeit?
Derzeit handelt es sich um eine Vorschauversion. Der Trainingsdatensatz ist stark auf einfache Eingabeaufforderungen ausgerichtet, die Generalisierung auf komplexe oder seltene Anforderungen ist begrenzt, und realistische Assets sind nicht das Ziel. Der Autor plant, den Datensatz und die Safetensors-Gewichte zu veröffentlichen und eine größere Version mit rund 100.000 Beispielen und einer Kontextlänge von 8K bis 128K Tokens zu trainieren. Diese Inhalte sind jedoch noch nicht veröffentlicht.
Kernpunkte: Three.js-Code als Zwischenschicht
- Kerngedanke: Das Modell schreibt lauffähiges Three.js, ein Programm exportiert daraus GLB.
- Wesentlicher Vorteil: Das Zwischenergebnis lässt sich in der Vorschau ansehen, lesen und gezielt ändern – das senkt die Kosten eines Fehlschlags.
- Lokal starten: LM Studio lädt das GGUF-Modell, dazu kommt eine feste System-Eingabeaufforderung und die empfohlenen Sampling-Parameter.
- Versionshinweis: Gewichte, die vor dem 2. November heruntergeladen wurden, sollte man löschen und erneut herunterladen.
- Grenzen der Anwendung: Geeignet für Low-Poly-Prototypen und Platzhalter-Assets, nicht für fotorealistische oder filmreife Produktionen.
- Der Cloud-Weg: Über APIYI lassen sich Modelle im OpenAI- oder Anthropic-Format anbinden und die Ergebnisse vergleichen.
- Übertragbarkeit: Auch Szenarien wie Blender Python oder OpenSCAD können von diesem Design einer Zwischenschicht profitieren.
Fazit
Die Lehre aus Qwen3.5-4B-GLB-3D-Coder liegt nicht nur darin, dass ein kleines Modell Game-Assets erzeugen kann. Vielmehr geht es um eine neue Aufteilung der Aufgaben zwischen Modell und Werkzeugen:
- Das Modell formuliert: Es übersetzt natürlichsprachliche Beschreibungen in klar strukturierten Three.js-Code.
- Die Werkzeuge setzen um: Browser und Exportlogik erzeugen daraus eine standardkonforme GLB-Datei.
- Die Prüfung entscheidet über die Nutzbarkeit: Erst wenn das Asset in die Ziel-Engine importiert wurde und die Checks besteht, ist die Arbeit wirklich getan.
Am besten lässt man zuerst mit einem einfachen statischen Requisit den gesamten Ablauf durchlaufen und tastet sich dann schrittweise an Animationen und komplexere Assets heran. Wer mehrere Cloud-Modelle vergleichen möchte, kann sie über APIYI einheitlich aufrufen. Wie die Anbindung funktioniert, steht unter docs.apiyi.com; bei den Preisen gelten die aktuellen Angaben unter https://docs.apiyi.com/models.
📚 Referenzen
- Qwen3.5-4B-GLB-3D-Coder Modellvorstellung: Modellpositionierung, 25 Asset-Domänen und die weitere Roadmap
- Link:
mindstudio.ai/blog/qwen3-5-4b-glb-3d-coder-model -
Beschreibung: Geeignet, um einen Überblick über das Projekt und Community-Beispiele zu erhalten
-
Qwen3.5-4B-GLB-3D-Coder Leitfaden für den lokalen Betrieb: Generierungsmechanismus, quantisierte Versionen und Eignungsanalyse
- Link:
mindstudio.ai/blog/qwen3-5-4b-glb-3d-coder-local -
Beschreibung: Geeignet, um zu beurteilen, ob das Modell den Anforderungen des eigenen Projekts entspricht
-
LM Studio Konfigurationsleitfaden: System-Prompts, Sampling-Parameter und Schritte für den GLB-Export
- Link:
mindstudio.ai/blog/run-qwen3-5-glb-3d-coder-locally -
Beschreibung: Geeignet, um die lokale Bereitstellung Schritt für Schritt durchzuführen
-
APIYI Dokumentation und Preisseite: Hinweise zur API-Anbindung und Daten zu den Modellpreisen
- Link:
docs.apiyi.comunddocs.apiyi.com/models - Beschreibung: Schnittstellenkonfiguration und Abrechnungsinformationen richten sich nach den jeweils aktuellsten Inhalten an dieser Stelle
Autor: APIYI Technikteam
Technischer Austausch: Bei Fragen zur Anbindung kontaktieren Sie uns gerne über die offizielle APIYI-Website apiyi.com. Weitere Materialien finden Sie im Dokumentationszentrum unter docs.apiyi.com
