说实话，对「用代码画 3D」这事并不陌生：能写，但写起来是真累。调坐标、算偏移、盯着 bpy 的函数名猜参数——一个简单的零件搞下来，代码比模型还重。
但这次不一样。Sandflow 这家公司做了件很聪明的事：他们写了一个专门给 LLM 用的 3D 语言。
CadQuery 是给人类工程师写的，FeatureScript 是给 Onshape 生态写的，Blender Python 是给 Blender 插件写的。而 Sand3D，从第一行 API 开始，就盯着一个目标：让大模型能轻松看懂、轻松生成、轻松修改 3D 物体。
他们做了两件事：第一，把 API 砍到极致精简，整个函数库塞进一个系统提示词里都够（约 3600 tokens）；第二，把传统 CAD 里那些需要手动计算坐标的操作，全换成了「按名字找」。
同一个零件，用 Blender Python 写要 4 倍 token，CadQuery 要 2.3 倍，FeatureScript 要 6 倍。在 LLM 的世界里，token 就是钱。
Sand3D 是什么？
一句话：Sand3D 是一个跑在 Blender 上、为大语言模型设计的 Python 3D 建模库。
由法国里昂的初创公司 Sandflow 开发，2026 年 11 月 5 日正式开源，同时放出了用 Sand3D 代码写成的 10 万个 3D 物体数据集。
核心亮点
1. Token 效率碾压同类
官方做了详细的逐零件 token 对比统计，中位数来看：Blender Python 4.0 倍，CadQuery 2.3 倍，FeatureScript 6.0 倍，Articraft SDK 2.0 倍。这意味着同一个零件，LLM 用 Sand3D 写只需要别家 1/2 到 1/6 的 token。
2. 整个 API 塞进一个 Prompt
Sand3D 的完整 API 文档只有约 3600 tokens。你可以把整个 Sand3D 语言手册直接放进 system prompt，模型就能完整理解每一个函数的签名和用法。
3. 命名驱动，拒绝坐标地狱
传统 CAD 编程里，最折磨人的不是画形状本身，是找位置。Sand3D 把这套全换掉了。创建的每个对象、每个特征都有名字，后续操作用名字引用。不是 plate.faces[3].edges[1]，而是 "top"。不是算坐标偏移，而是 s3d.grid() 自动布局。
plate = s3d.extrude("plate", s3d.rect(80, 40, r=4), 6)
s3d.hole(plate, 6.6, on=s3d.grid(2, 1, 50, 0))
s3d.fillet(plate, 1, edges="top")
4. 确定性输出（Deterministic）
同一段代码，跑一万遍，生成的网格 bit for bit 完全一致。工程需要可复现的结果，而不是每次都稍微不一样的「艺术创作」。
5. 关节和装配是一等公民
Sand3D 原生支持关节（joints）和装配（assemblies）。用一台滚筒洗衣机做示例——38 行代码搞定铰链门、旋转滚筒、伸缩抽屉、转动旋钮。每种运动都能精确描述，还能导出成 URDF 和 USD，直接喂给 ROS、PyBullet、MuJoCo、Isaac 这些机器人仿真器。
door = s3d.group("door", ring, glass, handle)
s3d.joint("door_hinge", door, hinge, axis="-Z", range=(0, 143))
s3d.joint("drum_spin", drum, front.move(0, 400), kind="continuous")
s3d.joint("drawer_slide", drawer, top_band.move(150), kind="prismatic", axis="+X", range=(0, 200))
return s3d.assembly("washing_machine", cab, drum, door, drawer, dial, front=front)
6. 数据集规模：10 万个，其中 1 万+ 带关节
这次开源的数据集覆盖了 5 个来源，总计 106,094 个 3D 物体：机械零件（螺丝、齿轮、轴承等）、家具（桌子、椅子、灯具）、交通工具（汽车、自行车）、玩具和乐器（钢琴、吉他）、日常用品（洗衣机、吹风机）。其中 10,456 个是带关节的可动模型，关节总数超过 36,000 个。
快速上手
安装只需一行：pip install sand3d 或 uv add sand3d。Blender 自带 bpy 模块，不需要单独装。
import sand3d as s3d
def bracket(w=80, d=40, t=6, hole_d=6.6, pitch=50):
plate = s3d.extrude("plate", s3d.rect(w, d, r=4), t)
s3d.hole(plate, hole_d, on=s3d.grid(2, 1, pitch, 0))
s3d.fillet(plate, 1, edges="top")
return plate
s3d.export(bracket(), "bracket.glb")
导出格式也只需改扩展名：GLB（网页/游戏引擎）、URDF（ROS/PyBullet/MuJoCo）、USDA（Omniverse/Isaac Sim）、OBJ/STL（通用 3D 工具/3D 打印）。
喂给 LLM 的方法很简单：把 docs/api.md 里的内容放进 system prompt，模型自然就会用这门语言生成 3D 物体代码。
写在最后
Sand3D 在语言设计层面给填平了。token 效率的数据摆在那，10 万数据集的规模摆在那，这不是玩具项目。而且它的成功某种程度上也说明了当前 AI 3D 领域的一个尴尬：生成式 3D 模型还没到能直接产生产级资产的程度，所以我们还得靠编程语言这条路。
Sand3D 做了一件有价值的事：它把「3D 资产」从黑盒网格文件，变成了可读、可编辑、可训练的程序代码。
