La prima cosa che colpisce non è la scena 3D, ma il contatore dei token. In un esperimento pubblicato su Reddit, GLM 5.3 e GLM 5.3 Flash hanno costruito un attico duplex in Blender usando BlenderMCP, il ponte che traduce le chiamate di un LLM in operazioni sulla scena. L’autore li ha eseguiti in locale su macchine affittate, con quantization Q4: Flash occupa tra 190 e 200 GB più il margine per il contesto, il modello completo tra 450 e 470 GB. Per gestirli servono quattro RTX PRO 6000 WS per Flash e sei per la variante base.

La parte più interessante non è solo la potenza richiesta: due modelli con footprint di VRAM molto diverso producono risultati simili in termini di oggetti e tempo, ma con consumi di token nettamente diversi. Flash ha collocato 811 oggetti in 38 minuti e 52 secondi, con 43 turni, 9 errori tool e circa 36.000 token in output. Il modello completo ha generato 847 oggetti in 40 minuti e 43 secondi, con 42 turni, 8 errori e 112.000 token. In più ha trascorso circa 22 minuti di ragionamento prima di collocare il primo oggetto, mentre Flash è partito quasi subito.

Per ottenere la scena, il prompt ha dovuto includere dimensioni reali: pianta di 20 per 13 metri, soffitto principale a 2,9 metri, volume a doppia altezza di 9 per 8 metri fino a 6,2 metri, soppalco a 3,1 metri, scala con 17 gradini e alzata di 0,182 metri, terrazza di 20 per 4,5 metri, montanti della facciata ogni 1,5 metri e parametri PBR per vetro (indice di rifrazione tra 1,45 e 1,52), cemento, marmo, metallo e tessuto. I primi tentativi vaghi producevano, come scrive l’autore, ‘3D goo’ invece di una stanza. La telecamera è stata gestita a parte con Claude Opus 5 per non inquinare le statistiche dei token.

Il dato strutturale non è chi ‘vince’, ma che il costo per token diventa il discrimine operativo. Il modello completo ha consumato oltre tre volte i token di output, ha aggiunto solo 36 oggetti e ha sbagliato la dimensione del volume a doppia altezza: lo ha costruito 9 per 4,5 metri dichiarandolo 9 per 8, mentre Flash lo ha centrato. In un contesto self-hosted, quel delta non è una curiosità: si traduce in più VRAM occupata, più tempo di calcolo e, se si affitta hardware, costi per sessione più alti.

Questo cambia gli incentivi per chi sviluppa agenti 3D on-premise. Non basta un modello ‘capace’; serve un modello che sappia fermarsi e usare i tool al momento giusto. Il ragionamento del modello base, con 82.000 token spesi prima di agire, non ha aggiunto precisione dove contava. In più, la quantization Q4 non rende questi modelli ‘leggeri’ in senso assoluto: servono comunque quattro-sei workstation GPU, il che sposta il problema dal singolo peso del file alla gestione dell’infrastruttura.

C’è anche un segnale sul ruolo dell’interfaccia. La necessità di specificare alzate, interassi e indici di rifrazione suggerisce che il prompt non è più una descrizione creativa, ma una sorta di capitolato tecnico. Per i team che vogliono integrare LLM in pipeline 3D, la competenza chiave diventa la traduzione dei vincoli progettuali in parametri leggibili dalla macchina.

Non è un benchmark, come precisa giustamente l’autore. Ma è uno di quei test informali che dicono più di molti paper: il futuro dell’AI agentica locale non si gioca solo sui numeri di capacità, ma su quanta VRAM serve, quanti token si consumano e quanto di quel consumo si trasforma in azioni corrette.