Sandflow publica 106 000 modelos 3D con código Python editable
Sandflow ha publicado Sand3D, un conjunto de datos de 106 000 modelos 3D en el que cada objeto se describe mediante código Python a partir de piezas individuales. Si quiere una silla más alta, cambia la longitud de las patas, vuelve a ejecutar el script y el modelo se reconstruye. La descripción de la biblioteca ocupa unos 3600 tokens, así que puede insertarse en el prompt del sistema de un LLM. De este modo, los modelos de lenguaje aprenden a crear y editar objetos 3D mediante comandos, en lugar de dibujar una malla a ciegas.
Procesado por IA desde Habr AI; editado por Hamidun News
La mayoría de los modelos 3D con los que se entrenan las redes neuronales son geometría "congelada": un conjunto de polígonos en el que no basta con decir "haz el respaldo de la silla más ancho". Para cambiar un objeto hace falta un artista y un editor. La startup francesa Sandflow propone otro enfoque y ha publicado de forma abierta Sand3D, un conjunto de datos de 106 000 modelos 3D en el que cada objeto se describe con un programa en Python.
Qué contiene el conjunto de datos
Cada modelo incluye código que construye el objeto a partir de piezas independientes. El código enumera las partes del objeto, sus dimensiones, formas, posición y materiales. Las piezas tienen nombres y funciones propios, así que el código se lee casi como unas instrucciones de montaje.
Los parámetros se pueden cambiar directamente en el script. Tomemos una silla: se modifica la altura de las patas o el ancho del respaldo, se vuelve a ejecutar el código y se obtiene el objeto reconstruido con las nuevas proporciones. No hace falta redibujar nada a mano, y el resto de las piezas se ajusta a los cambios.
Además del código, los autores han publicado imágenes de los modelos y archivos OpenUSD listos para usar. Los modelos proceden de varias fuentes: Objaverse, modelos CAD, Articraft, AutoMate y Nvidia SimReady. Más de 10 000 objetos llevan mecanismos móviles, es decir, no son solo objetos estáticos, sino también piezas con bisagras y uniones articuladas.
Su relación con los modelos de lenguaje
La biblioteca funciona sobre la API de Python de Blender. Ofrece comandos generales para construir geometría, redondeos, orificios y uniones móviles. Se puede conectar a un LLM sin necesidad de reentrenarlo: basta con añadir la descripción de la API al prompt del sistema. Según los autores, esa descripción ocupa unos 3600 tokens, una cantidad muy reducida para los estándares de las ventanas de contexto actuales.
La idea es sencilla: si un modelo sabe escribir código, puede "construir" un objeto 3D igual que escribe una función. En lugar de generar una nube de puntos o una malla, produce un script que después se puede ejecutar, comprobar y corregir. Los propios creadores proponen usar el conjunto de datos para entrenar modelos que creen y editen objetos 3D. El par "descripción-código" encaja bien con ese entrenamiento: una modificación se convierte en el cambio de un par de líneas, no en la regeneración completa del modelo.
Formatos, licencias y para quién es útil
La biblioteca admite la exportación a varios formatos:
- GLB, para la web y los motores de videojuegos;
- OpenUSD, para escenas 3D;
- URDF, para simuladores de robótica;
- OBJ y STL, para el intercambio universal y la impresión 3D.
El formato URDF resulta especialmente interesante para quienes trabajan en simulación. Un objeto con uniones móviles se puede cargar directamente en un simulador de robots y comprobar, por ejemplo, cómo abre un manipulador la puerta de un armario. Eso sí, los autores no presentan en el anuncio resultados de entrenamientos de este tipo.
Las licencias son bastante permisivas: la biblioteca se publica bajo Apache 2.0 y los datos bajo CC BY 4.0. Esto significa que se permite el uso comercial, siempre que se cite la autoría de los datos. El conjunto de datos está disponible en Hugging Face, y la colección de objetos y el código se pueden consultar en la web del proyecto.
Lo que conviene tener en cuenta
Hay que valorar con realismo las limitaciones. El anuncio no incluye comparativas con otros enfoques ni métricas de calidad, así que no se sabe con certeza lo bien que los modelos entrenados con este conjunto generan objetos nuevos. Además, el conjunto de datos se ha reunido a partir de fuentes distintas, y cada una tiene su propio origen en la procedencia de los modelos, por lo que conviene revisar las condiciones de cada parte por separado antes de un uso comercial.
Aun así, la utilidad para los profesionales es clara. Para los desarrolladores de juegos y de 3D web, supone una oportunidad de disponer de plantillas paramétricas con las que entrenar un asistente. Para quienes construyen agentes para CAD y diseño, ofrece ejemplos listos de "texto → código → objeto". Y para los roboticistas, representa un gran conjunto de objetos con piezas móviles en un formato que entienden los simuladores. Para comprobar la idea rápidamente, basta con insertar los 3600 tokens de la descripción de la API en el prompt y pedirle al modelo que construya una silla.
- 22 nov 2026La SEC investiga la contabilidad de Nvidia: las acciones caen un 14% en un solo día
- 22 nov 2026El Nasdaq 100 cae un 10,4% en la semana: su peor resultado desde la pandemia
- 22 nov 2026El proyecto personal de LangChain se convirtió en una startup valorada en 3000 millones de dólares y captó 300 millones
- 22 nov 2026Nvidia dejó de vender H200 en China y rechazó el pedido de Musk de recuperar a Huang
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué contiene el conjunto de datos?
Cada modelo incluye código que construye el objeto a partir de piezas independientes. El código enumera las partes del objeto, sus dimensiones, formas, posición y materiales. Las piezas tienen nombres y funciones propios, así que el código se lee casi como unas instrucciones de montaje. Los parámetros se pueden cambiar directamente en el script.
¿Qué se sabe sobre Su relación con los modelos de lenguaje?
La biblioteca funciona sobre la API de Python de Blender. Ofrece comandos generales para construir geometría, redondeos, orificios y uniones móviles. Se puede conectar a un LLM sin necesidad de reentrenarlo: basta con añadir la descripción de la API al prompt del sistema. Según los autores, esa descripción ocupa unos 3600 tokens, una cantidad muy reducida para los estándares de las ventanas de contexto actuales.
¿Qué se sabe sobre Formatos, licencias y para quién es útil?
La biblioteca admite la exportación a varios formatos: GLB, para la web y los motores de videojuegos; OpenUSD, para escenas 3D; URDF, para simuladores de robótica; OBJ y STL, para el intercambio universal y la impresión 3D. El formato URDF resulta especialmente interesante para quienes trabajan en simulación. Un objeto con uniones móviles se puede cargar directamente en un simulador de robots y comprobar, por ejemplo, cómo abre un manipulador la puerta de un armario.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.