Hy-Nomas vs. SKY-001: Der eine rendert eine Welt, der andere setzt sie zusammen

Tencent veröffentlichte 280 Benchmark-Fälle für Hy-Nomas und keine Ergebnisse. Skyfall veröffentlichte Ergebnisse für SKY-001 und keinen freigegebenen Testdatensatz. Die Symmetrie ist so sauber, dass sie wie ein Zufall wirkt, und genau das ist das Nützlichste daran, diese beiden Modelle nebeneinanderzustellen, denn außer dem Begriff „Weltmodell“ haben sie fast nichts gemeinsam. Hy-Nomas, zwischen dem 21. und 23. Oktober 2026 von Tencent Hunyuan veröffentlicht, erzeugt erkundbare Videos: 720 × 1280 bei 24 FPS, gesteuert durch Freitext und Kameratrajektorien. SKY-001, am 19. Oktober 2026 von Skyfall AI angekündigt, erzeugt Engineering-Geometrie: Es nimmt einen Text-Prompt oder ein 2D-Bild und erzeugt eine geordnete CAD- oder BIM-Konstruktionssequenz. Die Ausgabe des einen Modells ist etwas, das man sich ansieht. Die des anderen ist etwas, das man fertigt.

Diese Unterscheidung ist keine Pedanterie. Sie entscheidet darüber, was Genauigkeit bedeutet, was ein Benchmark messen kann, ob man das Modell überhaupt erhält und was man an einem Montagmorgen tatsächlich damit anfangen würde.

Zwei Aufgaben hinter einer Wendung

Ein Video-Weltmodell sagt den nächsten beobachtbaren Zustand einer Szene voraus. Seine Ausgabeeinheit ist ein Frame oder ein Segment, und sein Korrektheitskriterium ist, ob das Ergebnis wie eine Welt aussieht und sich wie eine verhält. Ein Ingenieur-Weltmodell sagt den nächsten strukturellen Zustand eines Designs voraus. Seine Ausgabeeinheit ist ein Teil, eine Baugruppe oder ein Konstruktionsschritt, und sein Korrektheitskriterium ist, ob die Geometrie dem Angefragten entspricht und ob die Abfolge gebaut werden kann.

Hy-Nomas ist segment-autoregressiv. Es rendert einen Videoabschnitt, behält ihn in einem lebenslangen KV-Cache, nimmt die nächste Anweisung entgegen und rendert den nächsten Abschnitt. Text und Kamera sind getrennte Eingaben, die sich zusammensetzen: Der Prompt beschreibt die Szene, die Extrinsics beschreiben, wohin das Objektiv geht. SKY-001 ist hierarchisch. Ein Composer zerlegt die Anfrage in Systeme, Baugruppen, Unterbaugruppen und Teile und dann abwärts durch Etagen, Einheiten und Räume; ein Konstruktions-Weltmodell plant die geordneten visuellen Zustände, die jedes Element erzeugen. Beide nennen sich Weltmodelle, weil beide ein Dynamikmodell einer Domäne lernen. Die Domänen überschneiden sich nicht.

• Ausgabe — Hy-Nomas-Videosegmente in 720 × 1280 und 24 FPS; SKY-001 strukturierte CAD/BIM-Konstruktionssequenzen, ausgerichtet auf Design-Tools

• Eingabe — Hy-Nomas-Freitext plus Kameraextrinsik; SKY-001 einen Text-Prompt oder ein 2D-Bild

• Definition von „korrekt“ — Hy-Nomas perzeptuelle Kohärenz über Turns hinweg; SKY-001 geometrische Überlappung gegenüber einem Referenzdesign

• Bewertungseinheit — bei Hy-Nomas eine Sitzung; bei SKY-001 ein Fall

• Was heute tatsächlich ausgeliefert wird — Hy-Nomas Apache-2.0-Gewichte, etwa 196 GB; SKY-001 ein Platz auf der Warteliste

Was SKY-001 behauptet – und was die Behauptung wert ist

Skyfalls Ankündigung ist ein Anbieter-Benchmark, und zwar ein gut konstruierter: zwei Tracks, jeweils tausend Fälle, ein benannter Vergleichspartner und genug Details, um den Aufbau des Tests zu erkennen. Der CAD-Track umfasst 1.000 Komponenten bei ungefähr 100 Zeichnungsschritten pro Fall. Der BIM-Track umfasst 1.000 Grundrisse bei durchschnittlich etwa 70 Schritten. Im Vergleich zu GPT-6 Astra meldet Skyfall 79,7 % gegenüber 79,1 % mittlerer IoU bei CAD mit 3,9 Sekunden gegenüber 199 Sekunden und 0,005 $ gegenüber 0,75 $ pro Fall. Bei BIM meldet es 43,6 % gegenüber 40,6 %, bei 1,22 Sekunden gegenüber 144,6 Sekunden und etwa 0,0024 $ gegenüber 0,446 $.

Drei Dinge ergeben sich, wenn man die Zahlen statt die Schlagzeile liest. Erstens ist die Angabe „150x günstiger“ ein Kostenverhältnis aus Benchmarkläufen, Skyfalls Schätzung der Kosten für die Ausführung eines Falls, kein Preis, zu dem jemand kaufen kann. Es gibt keine öffentliche SKY-001-Preisliste. Zweitens misst IoU die geometrische Überlappung, nicht die engineeringtechnische Qualität: Es sagt nicht, ob ein Teil fertigbar ist, ob Toleranzen eingehalten werden oder ob ein Grundriss Fluchtwege, Barrierefreiheit oder strukturelle Anforderungen erfüllt. Drittens schließen die berichteten Zeiten Upload, Vorverarbeitung, Warteschlangen, CAD- oder BIM-Konvertierung, Validierung, Export und menschliche Prüfung aus, und all das gehört zu einer realen Bereitstellung.

Die Genauigkeitslücke ist der Teil, der verloren geht. Bei CAD beträgt sie 0,6 Prozentpunkte über tausend Fälle; bei BIM sind es 3,0. Das ist ein reales, wenn auch begrenztes Ergebnis. Es belegt, dass ein spezialisiertes Modell eines kleinen Teams bei dieser Aufgabe in denselben Bereich kommen kann wie ein allgemeines Frontier-Modell, nicht aber, dass es ein solches ersetzt. Skyfalls eigene Darstellung ist näher an der Wahrheit als die Presseberichterstattung: Das Unternehmen beschreibt SKY-001 als Forschungsvorschau mit Zugang über eine Warteliste und kommerzieller Einführung, die für Anfang 2027 angestrebt wird, nicht als ein Produkt, das man einfach nutzen kann.

Was Hy-Nomas liefert – und was es nicht behaupten will

Die Veröffentlichung von Tencent ist das gegenteilige Artefakt: ein vollständiges Kit, bei dem die Schlussfolgerung entfernt wurde. Die Gewichte stehen unter Apache 2.0 und umfassen mehr als einen Checkpoint. Es gibt ein 54-Block-Dual-Stream-MMDiT mit Hidden-Size 2.048 und 16 Attention-Heads, einen Qwen2.5-VL-7B-Instruct-Textencoder, 32-Kanal-DCAE-V-Latents, einen feinabgestimmten PixelUMM-Decoder in FP32 und FP8 sowie acht Denoising-Schritte in der destillierten Konfiguration, wobei auch vier und sechs akzeptiert werden. Zwei LoRA-Adapter sind enthalten: Cinematic und Robotics; Letzterer wurde auf dem RealSource-World-Roboterarm-Datensatz trainiert. Das Repository dokumentiert, wie man eigene trainiert: Rang und Alpha 256, Zero-Dropout, der Muon-Optimizer mit einer konstanten Lernrate von 1e-4 über 2.000 Schritte, trainiert vom FP32-Checkpoint aus und in den destillierten Checkpoint integriert.

Was nicht ausgeliefert wird, ist eine Zahl. Hy-Nomas-Bench umfasst 280 Fälle über vier Tracks hinweg – mehrrundige Textsteuerung, Kameranavigation, verschachtelte Text-und-Kamera-Steuerung sowie räumliches Gedächtnis – mit etwa 220 Referenz-Kameratrajektorien. Ihre Ergebnistabelle ist leer. Der Link zum technischen Bericht auf der Modellkarte ist als „coming soon“ markiert und führt ins Leere. Die Hugging Face-Seite gibt an, dass das Modell von keinem Inferenzanbieter bereitgestellt wird. Das GitHub-Repository war zehn Stunden alt, bei 21 Sternen und null Releases, als dies geschrieben wurde.

Die Asymmetrie, die die meisten realen Fälle entscheidet

Wären beide Modelle für ihre jeweiligen Aufgaben gleich gut, wäre das für die meisten Leser trotzdem keine knappe Entscheidung, denn nur eines von ihnen ist verfügbar. Hy-Nomas ist ein Download: ausführen, fine-tunen, bereitstellen. Der Haken: „ausführen“ bedeutet auf dem dokumentierten Weg acht GPUs oder eine einzelne RTX 4090 mit INT8-DiT-Gewichten, einem INT8-KV-Cache, einem FP8-Decoder, einer Begrenzung des Sliding-Window-Verlaufs und CPU-Offload. Das vollständige Checkpoint-Set umfasst etwa 196 GB; der Speicherspar-Weg benötigt rund 38 GB plus den Text-Encoder. Es ist kein Laptop-Download, und es gibt keinen gehosteten Endpunkt von Tencent, auf den man zurückgreifen könnte.

SKY-001 ist eine Warteliste. Keine Gewichte, keine Lizenzbedingungen, keine öffentliche API, kein veröffentlichter Preis und ein kommerzielles Ziel von Anfang 2027, auf das sich das Unternehmen nicht als Datum festgelegt hat. Für Leser, die entscheiden, was sie in diesem Quartal tun sollen, leistet dieser Unterschied mehr als jeder Benchmark auf dieser Seite.

Es formuliert die Frage auch neu. „Hy-Nomas versus SKY-001“ ist keine Wahl zwischen zwei Arten, dasselbe zu tun. Es ist eine Wahl zwischen zwei Fähigkeiten, von denen man eine heute haben kann und die andere noch gar nicht.

Wo sich die beiden Vokabulare tatsächlich berühren

Robotik ist der eine Bereich, in dem sie sich annähern. Hy-Nomas’ Robotics LoRA wurde auf einem Roboterarm-Datensatz trainiert und in den destillierten Checkpoint zusammengeführt, um Manipulationsszenen zu verbessern. Der Composer von SKY-001 arbeitet an mechanischen Baugruppen und Teilen, was dasselbe physische Vokabular aus der anderen Richtung ist. Ein Labor könnte plausibel eine Halterung mit einem Ingenieursmodell entwerfen und mit einem Video-Weltmodell simulieren, wie ein Arm sie aufnimmt, und die Kombination ist interessanter als jeder der beiden Teile für sich.

Aber die Schnittstellen existieren nicht. SKY-001 gibt Konstruktionssequenzen aus, die auf CAD-Tools abzielen. Hy-Nomas verarbeitet Text und Kameratrajektorien. Nichts in einer der beiden Veröffentlichungen spricht mit der anderen, keine von beiden wurde in einem veröffentlichten Test gegen physische Hardware validiert, und die Robotik-Behauptung auf beiden Seiten ist eine Fähigkeitsdemonstration statt eines gemessenen Ergebnisses. Das Aufeinandertreffen ist ein Diagramm, keine Pipeline.

Das Gespräch über Kosten, das viele falsch führen

Über diese Modelle sind zwei Arten von Zahlen im Umlauf, und keine davon ist ein Preis. Die 0,005 US-Dollar pro CAD-Fall von SKY-001 und die 0,0024 US-Dollar pro BIM-Plan sind interne Schätzungen aus Benchmark-Läufen, und die Vergleichswerte von 0,75 US-Dollar und 0,446 US-Dollar sind die Kosten für den Betrieb von GPT-6 Astra über dieselbe Testumgebung. Sie sind nützlich, um die Effizienz zu beurteilen. Es sind keine Tarife, und Skyfall hat keine Preisliste veröffentlicht.

Hy-Nomas hat überhaupt keine Kostenangabe, weil es keinen Dienst gibt, der bepreist werden müsste. Die Kosten sind GPU-Stunden: eine RTX 4090 mit der Low-Memory-Konfiguration oder acht GPUs auf dem Standardpfad, plus der Download und der Speicher. Wenn Sie einen wahrheitsgemäßen Vergleich der jeweiligen Betriebskosten wünschen, brauchen Sie eigene Auslastungsannahmen, und keiner der beiden Anbieter hat Ihnen die Zahlen geliefert, um diese zu erstellen.

Das Einzige, was vergleichbar ist, sind die Kosten der Evaluation für jedes Modell. Hy-Nomas ermöglicht es Ihnen, den Benchmark mit 280 Fällen selbst auszuführen, da der Datensatz veröffentlicht ist; den Bewertungs-Harness müssen Sie selbst bauen, da Tencent keine Ergebnisse mitgeliefert hat. Der Benchmark von SKY-001 ist beschrieben, aber nicht veröffentlicht, sodass ein Dritter ihn nicht reproduzieren kann, ohne den Test neu zu erstellen. Diese Asymmetrie wiegt mehr als der Schlagzeilenpreis von 0,005 $.

Das Modell ist nicht der Workflow.

Keines der beiden Modelle ist in unserem Katalog, und es ist auch nicht wahrscheinlich, dass sich das bald ändert: Das eine ist eine selbst gehostete Open-Weights-Veröffentlichung, das andere eine Forschungsvorschau mit Warteliste und ohne API. Wir werden nicht so tun, als wäre es anders.

Was beide benötigen und keines von beiden enthält, ist die Reasoning-Schicht um den Generator herum. Ein Workflow im SKY-001-Stil beginnt mit einer Anfrage, die in einen Designbaum zerlegt, an das richtige Tool weitergeleitet, gegen Randbedingungen geprüft und in eine CAD-Datei zurückgeschrieben werden muss. Eine Hy-Nomas-Sitzung beginnt mit einer natürlichsprachlichen Absicht, die zu einem Kamerapfad und einer Anweisung auf Segmentebene werden muss. Das sind Aufgaben für Sprachmodelle, und hier entscheidet sich die Zuverlässigkeit. OrcaRouter gibt dieser Schicht einen einzigen Endpunkt für mehr als 200 Modelle, mit 0 % Aufschlag auf den Listenpreis des Anbieters, sodass ein günstigeres Modell die Zerlegung übernehmen kann, während ein stärkeres Modell die abschließende Prüfung übernimmt, und automatisches Failover die Kette am Leben hält, wenn die Leistung eines Anbieters nachlässt. Sie können die gesamte Sequenz in der Routing-DSL ausdrücken, statt drei Integrationen fest zu codieren. Das Weltmodell übernimmt das Rendering oder den Zusammenbau; die Routing-Schicht entscheidet, was sie von ihm anfordert.

Was würde daraus einen echten Vergleich machen?

Der Vergleich wird in dem Moment aussagekräftig, in dem eine der beiden Seiten ihre Lücke schließt. Veröffentlicht Tencent Ergebnisse für Hy-Nomas-Bench, erhält das Modell eine Baseline, und jedes künftige Weltmodell kann daran gemessen werden. Wenn Skyfall seine CAD- und BIM-Testsets veröffentlicht, wird der Wert von 79,7 % reproduzierbar statt nur berichtet, und der 0,6-Punkte-Vorsprung erhält die Prüfung, die ein 0,6-Punkte-Vorsprung verdient.

Bis dahin ist die richtige Lesart kategorial statt kompetitiv. Hy-Nomas ist ein offenes, selbst hostbares Video-Weltmodell mit einer leeren Ergebnistabelle. SKY-001 ist ein geschlossenes Engineering-Weltmodell mit Warteliste, einer Anbietertabelle und einem knappen Vorsprung. Sie teilen einen Begriff, einen Monat und eine methodische Lücke. Sie haben nicht dieselbe Aufgabe.