正文：2026年5月，北京大学、香港中文大学、上海AI Lab等机构联合推出VGGT-Edit，一种原生3D编辑框架，可在约5秒内完成复杂3D场景编辑，最高实现120倍加速。该方法直接在3D空间中操作，避免传统2D编辑的视角不一致问题，在语义一致性、多视角稳定性和推理速度上表现优异。研究团队还构建了规模近10万组的DeltaScene数据集，用于训练和测试。VGGT-Edit通过残差场预测和深度同步文本注入等创新技术，能够精准修改局部区域并保持整体稳定性，甚至对未见过的指令也展现出良好泛化能力。这一突破为机器人、AR/VR等领域带来实时交互可能性，标志着3D编辑从概念走向实用。