生成AIの次の勝負は、修正工程を生き残れるか──Meshy 7と「編集できる3D」

一枚の画像を入れる。少し待つ。画面の中に、回転できる3D modelが現れる。

それだけでも、十分に驚く。

けれど、仕事で本当に困るのは、その次だ。

「handleだけ長くしてほしい」「この羽だけ別の形に」「gameへ入れるからpolygon数を落として」「違う照明でもmaterialが自然に見えるように」。

最初のpreviewがどれだけ美しくても、直すたびに全部を作り直すなら、それは完成したassetではない。美しい候補だ。

Creative AIの次の競争は、何秒で生成できるかだけではない。生成物が、人間の修正工程へ戻ってこられるかだ。

2026年8月に公開されたMeshy 7と、その周辺で同時に進んだ3D生成の研究・API更新は、この変化を考える材料になる。

ただし、先に境界を置いておきたい。RINKAKUは今回、Meshy 7を実際のproduction pipelineで検証していない。以下で扱う性能値はMeshy自身の評価であり、製品仕様がそのまま「現場で使える」ことを保証するものでもない。

「もっともらしい3D」と「欲しかった3D」は違う

Meshyは2026年8月10日、image-to-3D modelのMeshy 7を一般提供した。

発表で強調された言葉は、単なるqualityではなくgeometry alignmentだった。

一見きれいで、破綻もない。けれど、参照画像より胴が広い。handleが少し左へずれている。concept artにあったridgeが消えている。

こうしたmodelは「自然な3D」ではあっても、「依頼した3D」ではない。

ここには、生成AIが成熟するほど目立つ逆説がある。

明らかに壊れたmodelなら、誰でも止められる。もっともらしく整ったmodelは、間違いが小さく見える。そのままtexturing、rigging、animation、engine importへ進み、後で修正費として戻ってくる。

生成品質が上がると、失敗は消えるのではなく、「美しいけれど違う」へ形を変える。

Meshy 7がalignmentを前面に出したことは、3D生成の問いが「物体らしい形を出せるか」から「その固有の物体に戻せるか」へ移り始めた兆候として興味深い。

公式benchmarkは、勝敗表より測り方を見る

MeshyはMeshy 7とともに、独自の3D geometry alignment benchmarkを紹介した。

方法には良いところがある。学習から除外したreference 3D modelを既知のcameraでrenderし、その画像から各modelに3Dを生成させる。そして、生成されたgeometryを元のreference geometryと直接比較する。

人間の好みやVLM judgeだけで「どちらが良く見えるか」を決めるのではない。正解となる3Dが最初からあり、overall proportion、spatial distribution、surface detailsの三段階で差を見る。

Meshyの掲載値では、top-quarterのsingle-view入力で、Meshy 7は三指標すべてで比較対象を上回った。

ただし、この表を「Meshy 7があらゆる条件で最強」と読むことはできない。

four-view入力では、overall proportionとsurface detailsで別の比較modelがMeshy 7を上回っている。spatial distributionでも同値のmodelがある。公式記事自身が、複数のmodelが狭い範囲へ集まり、assetごとのばらつきも大きいと説明している。

さらに、記事公開時点ではbenchmark本体は後日公開予定とされ、比較相手は匿名だった。sample sizeや実行codeを含む完全な再現条件も、紹介記事だけでは分からない。

だから、ここで採るべきものは一位という称号ではない。

「きれいに見える」ではなく、「元の意図とどこが違うか」を直接測ろうとした評価設計だ。

同じ週に、3Dは「構造を持つ生成物」へ近づいた

Meshy 7のalignmentだけを見ると、話は高精細化の延長に見える。

しかし、同じ時期の更新を並べると、もう一つの方向が見えてくる。

2026年8月12日にv3へ更新されたpreprint、Meshy T2: Fast Native Mesh Generation with Flow Matchingは、vertices、edge connectivity、face orientationを直接生成するnative mesh方式を提案した。

著者らが重視するのは、速さだけではない。

• assetを複数のconnected partsとして生成すること。

• 要求したvertex budgetに応じて複雑さを制御すること。

• 後から大量の不要triangleを掃除する前提ではなく、compactなmeshを直接出すこと。

同じ8月のMeshy API changelogでも、Text-to-3DへSmart Topologyが加わり、parts分離と100〜15,000のtarget polycount指定が明記された。8月18日には、Multi-Image to 3Dで、geometryに使う画像とは別に1〜4枚のtexture参照画像を渡せるようになった。

ここは混同しない方がよい。Meshy 7、Meshy T2、Smart Topologyは、名前の近い同一modelとして扱えるわけではない。T2はMeshy所属著者による未査読preprintであり、著者の速度・精度値は独立検証でもない。

それでも、alignment、parts、polygon budget、texture referenceという別々の更新が同じ方向を向いている。

AIが3Dを「見せる」のではなく、人間が続きを作れる構造で「渡す」方向だ。

3D assetは、画像ではなく後工程への入力である

一枚の画像は、そこで鑑賞して終えることができる。

3D assetは、しばしば途中成果物だ。

meshを直す。UVとmaterialを確認する。characterならboneを入れる。gameならLODやcollisionを作る。ECやXRなら別のviewerで読み込む。animationすれば、静止状態では見えなかった破綻が現れる。

つまり、最初の生成時に隠れていた誤りが、後工程の数だけ増幅される。

partsが融合した機械は、gearだけ交換しにくい。single-viewから推測された背面が違えば、cameraを回した場面で初めて気づく。base colorに元画像の影が焼き込まれていれば、照明を変えた時に不自然になる。

3D生成AIを評価する時、previewの美しさだけを見るのは、建物の完成予想図を見て配管や配線まで合格にするようなものだ。

必要なのは、最初の感動を否定することではない。その感動の後に、工程へ残れるかを確かめることだ。

downloadできることと、編集できることも違う

MeshyのImage to 3D APIは、GLB、FBX、OBJ、USDZなど複数形式の出力を扱う。

これは重要だ。fileとして外へ出せなければ、他の制作toolへ渡せない。

ただし、formatが開くことは、編集しやすいことの証明ではない。

KhronosのglTF 2.0仕様は、glTFを3D contentの効率的な伝送・読み込みのためのruntime asset delivery formatと定義し、authoring formatではないと明記している。制作toolへ再importしてremixすることはできても、制作途中のあらゆる情報を保存する目的のformatではない。

本当に見たいのは、拡張子の数ではない。

• partsが意味のある単位で選べるか。

• scaleとoriginがtarget toolで保たれるか。

• materialとtextureが別環境で同じ意味を持つか。

• polygon数を落としてもsilhouetteが崩れないか。

• 一部を直して再exportした時、前後の工程が壊れないか。

「download可能」は、編集可能への入口だ。出口ではない。

すべてのassetに編集可能性が必要なわけではない

ここで、反対側も見ておきたい。

遠景に一度だけ置くprop。数秒だけ映る背景。厳密な形を求めないidea sketch。

こうした用途では、局所修正のためにtopologyを整えるより、再生成した方が速いことがある。revision survivalは、すべてのcreative outputへ重い工程を強制する合言葉ではない。

逆に、製品形状、brand character、繰り返し使うgame asset、animation対象、物理接触するobject、3D print、clientの細かな修正が続く仕事では、編集可能性の価値が大きい。

また、single-view生成には原理的な情報不足がある。一枚に写っていない背面や内部を、modelは推測するしかない。Meshy 7公式も、loose hairのような細く絡む構造や、建築物の正確な反復patternに限界があると示している。

重要なassetでは、multi-view、寸法、CAD、scan、人間のcorrectionを組み合わせるべきだ。「一枚から作れる」は便利さであって、ground truthを増やす魔法ではない。

導入前に、一つのassetを「修正耐久test」へ通す

3D生成toolを比較するなら、同じreferenceと同じtarget pipelineで、一つの代表assetを最後まで流す。

1. Intent：front、side、backを回し、参照と違うparts、追加された形、消えた形をmarkする。

2. Structure：Blender等でpartsを選び、分離し、一部だけ変形する。融合やnon-manifold、修正時間を記録する。

3. Budget：実際のtarget polygon数またはLODへ落とし、silhouette、normal、UVの破綻を見る。

4. Material：別のlightingとengineで表示し、影の焼き込みやmaterial driftを確認する。

5. Round trip：target toolへimportし、再exportし、もう一度読み込む。scale、origin、hierarchy、materialsが残るかを見る。

6. Revision：「handleだけ20％長く」「色だけ変更」「一部品だけ交換」の三修正を行い、全再生成回数と局所修正時間を測る。

計るべき時間も変わる。

Assetの所要時間 = 生成 + 検査 + 修正 + 変換 + 後工程で見つかった失敗のやり直し。

生成が10秒でも、修正に2時間かかるなら、そのassetは10秒ではできていない。

Creative AIの勝負は、生成の瞬間から修正の時間へ

Meshy 7が本当にどこまで現場で使えるかは、実際のassetとpipelineで確かめなければ分からない。公式benchmarkが興味深くても、vendor自身の評価であること、four-viewでは全指標首位ではないこと、geometry以外の工程を測っていないことは残る。

それでも、2026年8月の更新が示した方向は重要だ。

もっともらしい形から、参照した形へ。

一体化したoutputから、partsを持つassetへ。

無制御な複雑さから、budgetを持つmeshへ。

一度の生成から、修正と再利用へ。

AIがcreatorの仕事を本当に短くするのは、最初の案を速く出した時だけではない。間違えた場所へ、人間が戻れる道を残した時だ。