SKY-001: Das Engineering World Model von Skyfall AI schlägt GPT-6 Astra bei den Kosten um das 150-Fache — und bei der Genauigkeit um 0,6 Punkte

Skyfall AI kündigte SKY-001 am 19. Oktober 2026 an, und die Behauptung, die Sie immer wieder hören werden, ist, dass es GPT-6 Astra und Claude Opus 5.5 bei CAD- und BIM-Arbeiten übertrifft. Die Zahl hinter dieser Behauptung ist kleiner und interessanter als die Behauptung selbst. Im eigenen Benchmark des Anbieters für CAD-Konstruktion erreicht SKY-001 79,7 % IoU gegenüber den 79,1 % von GPT-6 Astra. Das sind sechs Zehntelpunkte – die Art von Abstand, die man von einem anderen Zufallsstartwert bekommt, nicht von einer neuen Architektur. Nicht knapp ist dagegen alles drumherum: 3,9 Sekunden pro Fall gegenüber 199 und 0,005 US-Dollar gegenüber 0,75 US-Dollar. Die Genauigkeit ist ein Gleichstand. Die Effizienz ist ein Kantersieg. Skyfalls eigene Unterlagen betonen den zweiten Punkt lautstark und liefern an einer Stelle, ohne es zu wollen, den ersten Punkt für Sie gleich mit. Die dokumentierten KI-Ausfälle und Agentenvorfälle hinter Veröffentlichungen wie dieser sind gesammelt in dem OrcaRouter AI Incident Archive, wobei jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seinen Vertrauensgrad und eine Kennzeichnung als umstritten enthält.

Es gibt ein zweites Detail, das Sie wissen sollten, bevor irgendeine dieser Zahlen für Sie relevant wird: SKY-001 ist nichts, was Sie einfach aufrufen können. Es befindet sich in der Research-Preview, hinter einer Warteliste, wobei die vollständige kommerzielle Bereitstellung für Anfang 2027 angestrebt wird. Keine API, keine Preisgestaltung, keine Gewichte, keine Parameteranzahl, keine Lizenz. In diesem Beitrag geht es darum, was der Launch tatsächlich etabliert – wie die Benchmarks standhalten, wenn Sie die Tabelle statt die Schlagzeile lesen, was das Modell wirklich anders macht und was ein Team, das diese Fähigkeit heute braucht, tun sollte, anstatt zu warten.

Was Skyfall tatsächlich ausgeliefert hat

Skyfall AI ist ein Unternehmen aus San Francisco mit einem Forschungsstandort in Toronto, gegründet von dem Team hinter Maluuba, dem Deep-Learning-Labor, das Microsoft 2017 übernommen hat. Sam Pasupalak ist CEO; Kaheer Suleman und Sumit Pasupalak sind Mitgründer. Im Juli 2026 trat das Unternehmen aus dem Stealth-Modus hervor – mit einem ungewöhnlichen Ansatz: Enterprise-Weltmodelle und langfristig ein von KI geführtes Unternehmen, unterstützt von Fidelity, Touring Capital, M13 und iNovia. SKY-001 ist die erste Modellveröffentlichung und das erste konkrete Artefakt hinter dieser These.

Der Pitch in einem Satz: Technisches Design ist kein Sprachproblem, also hören Sie auf, es mit einem Sprachmodell lösen zu wollen. Ein Motor zerfällt in Hunderte von Teilen, die mehrere Ebenen tief verschachtelt sind, wobei jedes durch seine Nachbarn eingeschränkt wird; ein Grundriss besteht aus Wänden, dann Einheiten, dann Räumen, dann Türen und Einbauten, gezeichnet in einer Reihenfolge, die zählt. Ein Modell, das eine lange autoregressive Textkette ausgibt, muss all das in einem einzigen Kontext halten und wird schlechter, je länger die Kette wird. SKY-001 plant stattdessen in der visuellen Welt, in einer Hierarchie, wobei jede Ebene ein explizites Unterziel an die Ebene darunter weitergibt.

Zwei Komponenten leisten das. Der Hierarchical Composer nimmt eine Designabsicht – ein Bild, Text oder eine Gebäudehülle mit einem Briefing – und erzeugt das gesamte Design und teilt es dann Ebene für Ebene auf, wobei jedes Blatt parallel verfeinert wird. Das Construction World Model sagt dann die geordnete Abfolge visueller Zustände voraus, die jedes Blatt aufbaut: in CAD eine Kette von 3D-Festkörperzuständen mit der 2D-Skizze, die zwischen jedem aufeinanderfolgenden Paar gezeichnet wird; in BIM ein Grundriss, Strich für Strich gezeichnet. Das Zeichnen selbst läuft als Diffusion in zwei Durchgängen, ein grober Rollout in einem komprimierten latenten Raum aus einem Autoencoder im Matryoshka-Stil, dann ein Verfeinerer, der die volle Auflösung wiederherstellt. Beide sind Diffusion Transformers; keines sagt Tokens voraus.

Über die Größe dieser Architektur ist öffentlich nichts bekannt. Skyfall hat seine Daten offengelegt, nicht sein Modell: mehr als 200.000 Teile für den Composer und über 600.000 Konstruktionsbeispiele für das Weltmodell, dazu rund 35.000 reale und synthetische Grundrisse, die etwa zwei Millionen Zeichnungszustände repräsentieren. Die CAD-Daten wurden aus öffentlichen Baugruppen-Datensätzen rekonstruiert, deren Hierarchien inkonsistent waren, deren Teile keine Namen hatten und in denen Konstruktionshistorien fehlten; Skyfall hat sie mit Engineering-Tools und LLM-gestützten Workflows per Reverse Engineering rekonstruiert und das Ergebnis überprüft, bevor darauf trainiert wurde. Das Argument der Datenmenge ist real: Im Vergleich zu PartVerse, dem gängigen Datensatz zur Teilezerlegung, hat das mediane Objekt 6 Teile und das 99. Perzentil 33. Bei Skyfall liegt der Median bei 288 und das 99. Perzentil bei 4.180.

Den CAD-Benchmark richtig lesen

Der CAD-Konstruktions-Benchmark umfasst 1.000 Komponenten, die aus komplexen Objekten entnommen wurden – ein Jaguar E-Type Roadster, ein FANUC ArcMate 100iB Schweißarm, ein Minitractor 4×4, ein Bell 222 Hubschrauber, ein Strahltriebwerk – wobei jedes etwa 100 Zeichnungsschritte benötigt und anhand der IoU gegenüber der Referenzform bewertet wird. Fünf Frontier-Modelle wurden darauf ausgeführt. Jede Zahl unten stammt von Skyfall, wurde von Skyfall erzeugt, auf Modellen, die Skyfall selbst gesteuert hat.

• Zeit pro Fall — SKY-001 3,9 s; GPT-6 Astra 199 s; Gemini 4 253 s; Kimi K3 439 s; Qwen 3.8 Max 764 s; Grok 4.7 1.250 s und schloss keinen ab.

• Kosten pro Fall — SKY-001 0,005 $; GPT-6 Astra 0,75 $; Gemini 4 0,25 $; Qwen 3.8 Max 0,30 $; Kimi K3 0,13 $; Grok 4.7 0,59 $ für keine Ausgabe.

• Qualität (mittlere IoU) — SKY-001 79,7 %; GPT-6 Astra 79,1 %; Gemini 4 76,9 %; Qwen 3.8 Max 34,4 %; Kimi K3 9,5 %; Grok 4.7 kein Ergebnis.

Das ist die ganze Tabelle, und sie belohnt einen zweiten Blick. Die Effizienz-Bilanz ist so stark wie angekündigt: 51× schneller und 150× günstiger als der beste Rivale, was bei tausend Designs pro Woche den Unterschied zwischen einem 5-Dollar-Einzelposten und einem 750-Dollar-Einzelposten ausmacht. Die Qualitäts-Bilanz ist ein Unentschieden. SKY-001, GPT-6 Astra und Gemini 4 liegen alle innerhalb von drei Punkten zueinander an der Spitze; der Absturz darunter — 34,4 %, 9,5 %, keine Ausgabe — sagt mehr darüber, wie schlecht naives LLM-Prompting bei langen Konstruktionssequenzen scheitert, als über den Sieger. Dass Grok 4.7 null von 1.000 Fällen abschließt, erinnert daran, dass dies lange, fragile Rollouts sind und dass der Benchmark misst, ob ein Modell überhaupt 100 Schritte lang kohärent bleiben kann.

Ein Vorbehalt zur Kostenspalte: Skyfall gibt Kosten pro Fall an, aber nicht die dahinterstehende Kalkulation. Ob es sich um API-Listenpreise, gemietete GPU-Zeit oder amortisierte selbst gehostete Inferenz handelt, verändert den Vergleich erheblich – insbesondere bei Modellen, die Skyfall selbst ausgeführt statt aufgerufen hat. Betrachten Sie die Verhältnisse als tendenziell richtig und die absoluten Dollarbeträge als ungeklärt.

Die Aussage zur Effizienz verschiebt sich, je nachdem, welche Seite man liest.

Die Launch-Materialien von Skyfall stimmen nicht miteinander überein, was man wissen sollte, wenn man sie zitieren möchte. Die Überschrift des Launch-Blogs lautet „etwa 50× schneller und 150-mal weniger“ pro CAD-Fall, und die Beschriftungen im Diagramm lesen sich 51× und 150×. Die Überschrift der SKY-001-Produktseite lautet „3,9 s vs. 199 s, 49× schneller“ und „0,005 $ vs. 0,75 $, 143× niedrigere Kosten“. Die Pressemitteilung sagt „100x faster“ und „150x lower cost“. Dasselbe Modell, derselbe Benchmark, vier unterschiedliche Geschwindigkeitsmultiplikatoren in drei Dokumenten, die am selben Tag veröffentlicht wurden.

Die Arithmetik entscheidet den CAD-Fall: 199 geteilt durch 3,9 ist 51,0, und 0,75 $ geteilt durch 0,005 $ ist 150. Der Blog hat recht, und die anderen beiden Seiten sind gerundet, veraltet oder gegen eine andere Bezugsgröße berechnet – die 100× aus der Pressemitteilung lassen sich mit keiner Zahl auf der Website in Einklang bringen. Das ist kein Skandal; Launch-Seiten werden von verschiedenen Leuten zu unterschiedlichen Fristen geschrieben, und niemand gleicht sie ab. Es ist ein Grund, die Primärtabelle zu zitieren und nicht die Schlagzeile, und zu erwarten, dass die Multiplikatoren, die man diese Woche in der Berichterstattung sieht, in die Richtung falsch sind, in der der Verfasser zufällig zuerst gelesen hat.

Die Landingpage weist außerdem ein zweites Qualitäts-Panel aus, das nicht mit dem Blog übereinstimmt. Ihr 3D-CAD-Diagramm zeigt SKY-001 mit 76,1 % IoU gegenüber GPT-6 Astra mit 73,4 %, Claude Opus 5.5 mit 61,8 %, Gemini 3.8 Flash mit 45,9 %, Qwen 3.8 Max mit 26,6 % und Kimi K3 mit 6,5 %. Der Konstruktions-Benchmark im Blog zeigt 79,7 % gegenüber 79,1 %. Andere Aufgabe, anderer Wert, derselbe Modellname bei beiden – und der Vorsprung gegenüber Astra liegt je nachdem, welchen man heranzieht, zwischen 0,6 und 2,7 Punkten. Wenn Sie über die Genauigkeit dieses Modells diskutieren wollen, nennen Sie den Benchmark samt Zahl.

BIM: ein knapperer Vorsprung, und Gemini ist dicht dahinter

Der BIM-Benchmark umfasst 1.000 Grundrisse – etwa 350 vollständige Geschosse aus IFC-Gebäudemodellen und 650 auf Wohnungsebene – mit jeweils 20 bis über 200 Zeichnungsschritten, im Durchschnitt rund 70, bewertet anhand der IoU des fertigen Grundrisses.

• Zeit pro Plan — SKY-001 1,22 s; Kimi K3 113,9 s; GPT-6 Astra 144,6 s; Qwen 3.8 Max 255,3 s; Gemini 3.8 Flash 346,2 s; Grok 4.7 592,1 s.

Kosten pro Plan — SKY-001 0,0024 $; Qwen 3.8 Max 0,111 $; Gemini 3.8 Flash 0,218 $; Kimi K3 0,270 $; Grok 4.7 0,305 $; GPT-6 Astra 0,446 $.

• Qualität (mittlere IoU) — SKY-001 43,6 %; Gemini 3.8 Flash 42,3 %; GPT-6 Astra 40,6 %; Kimi K3 33,7 %; Qwen 3.8 Max 28,8 %; Grok 4.7 28,2 %.

Die 119× Geschwindigkeits- und 186× Kostenwerte gegenüber Astra sind korrekt. Aber sehen Sie sich die Qualitätsspalte an: Gemini 3.8 Flash liegt 1,3 Punkte hinter SKY-001, und Gemini 3.8 Flash kostet 91× mehr, ist aber in absoluten Zahlen mit 22 Cent pro Plan immer noch günstig. Die Lücke, die für ein Unternehmen zählt, das Tausende von Plänen erstellt, ist real; die Lücke, die für ein Unternehmen zählt, das Dutzende erstellt, ist gemessen an einer Workflow-Änderung ein Rundungsfehler.

Und schauen Sie sich die absolute Zahl an. Das beste Modell in diesem Benchmark rekonstruiert 43,6 % eines Grundrisses per Intersection-over-Union. Das ist eine Qualitätslatte auf dem Niveau einer Forschungsvorschau, so schlicht formuliert durch die eigene Bewertung des Anbieters, nicht eine Latte für „den Architekten ersetzen“. In diesem Licht betrachtet ist die eigentliche Aussage der Produkteinführung enger und besser verteidigbar als der Tweet: Ein zweckgebautes räumliches Modell plant nun lange Konstruktionssequenzen mit einer Geschwindigkeit, die Massengenerierung und Suche praktikabel macht, bei einer Genauigkeit gegenüber den Frontier-LLMs, mit denen es verglichen wurde, die etwa dem Niveau menschlicher Benchmarks entspricht – nicht dass es das Gebäudedesign gelöst hätte.

Was der Tweet falsch gemacht hat

Die Darstellung, SKY-001 „übertreffe GPT-6 Astra und Opus 5.5 bei CAD- und BIM-Aufgaben“, überverkauft einen dieser beiden Vergleiche. Claude Opus 5.5 taucht in keinem der beiden Konstruktions-Benchmarks auf. Es erscheint an zwei anderen Stellen: in einem qualitativen Video, in dem vier Modelle jeweils in einer einzigen Anfrage ein Blender-Skript für eine komplette Baugruppe schrieben – wobei Skyfall selbst sagt, GPT-6 Astra sei den anderen Frontier-Modellen „weit voraus“ gewesen – und als einer von zwei blinden LLM-Juroren, die SKY-001 gegen Astra bewerteten, neben GPT-6.1 Sol. Das 3D-CAD-Panel der Landingpage enthält Opus 5.5 zwar mit 61,8 %, und das ist der einzige Ort, an dem eine Zahl dafür existiert.

Bei BIM gibt es überhaupt keine Zeile für Opus 5.5. Auch in der CAD-Konstruktionstabelle gibt es keine Zeile für Opus 5.5. Die ehrliche Version der Behauptung lautet also: SKY-001 liegt bei der Genauigkeit ungefähr gleichauf mit GPT-6 Astra – bei einem Bruchteil der Zeit und Kosten – und schlägt die Frontier-Modelle, die ausgeführt wurden – darunter Gemini, Qwen und Kimi – um Margen, die mit länger werdender Aufgabe wachsen. Der Opus-Teil des Satzes stammt aus einer Videodemo und einem Judge-Sitz, nicht aus einem Benchmark.

Der Vergleich der Composer verdient eine eigene Einschränkung, denn er ist das schwächere der beiden Ergebnisse. Skyfall ließ SKY-001 gegen GPT-6 Astra, Claude Opus 5.5 und Claude Fable 5.1 auf dieselben Eingabefotos laufen, wobei jedes LLM in einer einzigen Anfrage ein Blender-Skript für die gesamte Baugruppe schrieb. Zwei blinde LLM-Juroren bewerteten die Renderings auf einer Skala von 1 bis 10 in fünf Dimensionen, und SKY-001 gewann vier von fünf – Teilezerlegung 7,8 zu 6,4, Innenraum 7,3 zu 6,3, Komplexität 8,0 zu 7,3, Übereinstimmung mit dem Eingabebild 8,1 zu 6,7, Realismus des Äußeren 7,7 zu 7,4. Die Einschränkungen stehen in Skyfalls eigener Fußnote: Die Juroren sind LLMs, das Setup ist One-Shot-Prompting ohne Tools oder Iteration für die Konkurrenten, und GPT-6 Astra lieferte nur für 82 % der Assets ein Modell – bei 18 % des Sets trat SKY-001 also gegen nichts an. Ein Blender-Skript aus einer einzigen Anfrage ist eine bewusst ungünstige Art, ein Frontier-LLM bei der 3D-Montage laufen zu lassen. Das macht das Ergebnis nicht falsch; es macht es zu einem Vergleich zwischen einer zweckgebauten Pipeline und einem Standard-Prompt – und genau das sind die Konstruktions-Benchmarks ebenfalls.

Was das bedeutet, wenn Sie tatsächlich Engineering-Software entwickeln

Die interessante Behauptung ist {{1}}nicht{{/1}} der Benchmark-Vorsprung. Sie lautet, dass ein hierarchisches räumliches Weltmodell einen 100-Schritte-Bauplan überhaupt zusammenhalten kann – über fünf Montageebenen und Tausende von Teilen hinweg – und etwas erzeugt, das bei der geometrischen Überlappung bis auf einen Punkt an ein Frontier-LLM heranreicht. Wenn das einer unabhängigen Prüfung standhält, geht es bei den praktischen Konsequenzen um Suche statt Ersatz: Wenn ein Design-Rollout einen halben Cent und vier Sekunden statt 75 Cent und drei Minuten kostet, können Sie tausend Varianten generieren und eine auswählen. Das ist ein anderes Produkt als ein Modell, das langsam ein einziges Design erzeugt.

Die Teile, die laut Skyfall als Nächstes kommen, weisen in dieselbe Richtung. CAD-Skizzen würden zu ausführbaren parametrischen Operationen mit einer editierbaren Feature-Historie werden, sodass ein Designer verlangen könnte, eine Halterung zu verbreitern, und die benachbarten Teile, die sich ändern müssen, würden folgen. BIM-Ausgaben würden zu Wänden, Türen, Fenstern und Räumen in einem editierbaren Gebäudemodell statt zu einer Zeichnung werden. Darüber hinaus PCB-Layout und andere Hardware. Das sind Roadmap-Aussagen, keine bereits ausgelieferten Funktionen, und die Forschungsvorschau enthält keine davon.

Es gibt außerdem die Fragen, die eine Modellveröffentlichung normalerweise beantwortet und diese hier nicht. Keine Parameteranzahl. Kein Architekturpapier. Keine Gewichte, keine Lizenz, keinen Weg zum Selbsthosting. Kein Kontextfenster, weil es kein Chatmodell ist. Kein veröffentlichter Evaluierungs-Harness, also keine Möglichkeit, den Benchmark auf der eigenen Hardware erneut laufen zu lassen. Und keine unabhängige Messung: Artificial Analysis, LMArena und die üblichen Drittanbieter-Boards haben keinen SKY-001-Eintrag, was für ein Modell nicht überrascht, das seit einem Tag öffentlich ist und nicht aufgerufen werden kann. Jede Zahl in diesem Beitrag ist vom Anbieter gemeldet und nicht reproduziert, und die Seiten des Anbieters selbst widersprechen sich beim beworbenen Geschwindigkeitsmultiplikator um bis zu 2×. Unabhängige Replikation ist das, worauf man warten sollte, bevor die Zahlen in einer Build-Entscheidung tragend werden.

Wenn Sie diese Funktion in diesem Quartal benötigen

SKY-001 ist für Sie nicht verfügbar. Die Produktseite bietet eine Warteliste, die Pressemitteilung nennt als Ziel für den vollständigen kommerziellen Einsatz Anfang 2027, und die einzige genannte Integration ist eine Demonstration in Autodesk Fusion und kein ausgelieferter Konnektor. Nichts davon ist ein Grund, eine Pipeline für 2026 darauf auszurichten.

Was Sie bekommen können, ist das Modell, gegen das es gebenchmarkt wurde. GPT-6 Astra wird auf OrcaRouter als openai/gpt-6-astrazu OpenAIs Listenpreisen von 10,00 $ pro Million Input-Tokens und 50,00 $ pro Million Output-Tokens mit einem Kontextfenster von 1,05 Mio. Tokens geroutet, zu 0 % Aufschlag durchgereicht – wenn OpenAI also den Tarif ändert, ändert sich der Tarif hier noch am selben Tag und nicht erst nach einer Neuberechnung der Marge. Es trägt einen Artificial Analysis Intelligence Index von 54,7, einen Coding Index von 76,9 und einen Agentic Index von 51,6 – die unabhängige Kennzahl, die SKY-001 nicht hat.

Das ist auch der vernünftige Weg, ein unbewiesenes Modell im Auge zu behalten, ohne einen Produktionspfad darauf zu verwetten. Wenn SKY-001 tatsächlich eine API erreicht – Anfang 2027 nach dem aktuellen Plan und möglicherweise über einen Partner, bevor Skyfall direkt verkauft –, dann ist der Test, der sich lohnt, dein eigener Bestand an Teilen, nicht ein Benchmark mit 1.000 Komponenten. Bis dahin ist das Routing-Muster, das ein Modell übersteht, das du nicht bewertet hast, das langweilige: den Aufruf in einem einzigen Endpunkt halten, eine Fallback-Kette dahinterlegen, und den Router den Traffic verschieben lassen, wenn ein Anbieter langsam ist oder ein Modell nicht mehr die beste Antwort ist. Das Failover von OrcaRouter gibt es genau deshalb, weil ein neues Modell Produktions-Traffic auf Basis gemessener Ergebnisse verdienen sollte, und niemand hat SKY-001 außerhalb von Skyfall gemessen.

Was zu sehen

Drei Dinge würden daraus statt einer starken Anbieter-Demo eine Entscheidung machen. Erstens eine unabhängige Evaluierung auf einem öffentlichen Harness – der Konstruktions-Benchmark ist Skyfalls eigener, von Skyfall definiert, ohne veröffentlichten Aufgabensatz, und der Vorsprung von 0,6 Punkten bei CAD liegt deutlich innerhalb des Bereichs, den eine andere Bewertungskonvention kippen könnte. Zweitens die kommerzielle Ausgestaltung: ob Anfang 2027 als API mit einem Preis pro Design kommt, als Plugin in CAD- und BIM-Tools, in denen der Käufer bereits arbeitet, oder als Unternehmenslizenz, die an Firmen statt an Entwickler verkauft wird. Die Erwähnung von Autodesk Fusion deutet auf die zweite Variante hin, was SKY-001 zu einer Funktion der Designsoftware machen würde, die Sie bereits besitzen, statt zu einem Modell, das Sie aufrufen. Drittens, ob die Hierarchie über CAD und BIM hinaus auf die PCB- und Hardware-Arbeit generalisiert, die Skyfall als Nächstes nennt – das ist die Behauptung, dass die Architektur und nicht die Trainingsdaten der Vorteil sind.

Derzeit ist die zutreffende Zusammenfassung eng. Skyfall AI hat das erste glaubwürdige Engineering-Weltmodell auf den Markt gebracht, und worin es tatsächlich gewinnt, sind Geschwindigkeit und Kosten pro Design – um ein bis zwei Größenordnungen –, mit einer Genauigkeit, die mit der Frontier gleichzieht, statt sie zu übertreffen. Das ist eine wirklich neue Fähigkeit und eine echte strategische Wette gegen den LLM-Ansatz für physisches Design. Es ist heute aber auch eine Wartelistenseite und ein Anbieter-Benchmark – und die 0,6 Punkte, nicht die 150×, sind die Zahl, die entscheiden wird, ob es mehr als das ist.