Apollo World vs Hunyuan3D WorldClaw: ¿Un lugar por el que puedes caminar o un recorrido que puedes puntuar?

Lo más útil de contraponer Apollo World con Hunyuan3D WorldClaw es que ambos usan la palabra «world» y ninguno se refiere a lo mismo con ella. Hunyuan3D WorldClaw es el framework agéntico de Tencent Hunyuan para convertir un prompt de texto abierto en una escena 3D grande y explorable, compuesta por mallas explícitas, texturizadas y por objeto que puedes abrir en Blender y exportar a un motor de juego. Apollo World es el simulador impulsado por agentes de Baidu, dado a conocer el 3 de noviembre de 2026, que genera observaciones en tiempo real de cámara y lidar de una ciudad virtual para que un stack de robotaxi pueda entrenarse y evaluarse en viajes completos. WorldClaw construye un lugar. Apollo World simula un trayecto en coche a través de uno. Si viniste aquí para averiguar cuál genera mejor 3D, la pregunta está mal formulada de una manera que merece desglosarse en lugar de responderse.

Dos productos vistiendo un mismo sustantivo

La coincidencia es real pero limitada. Ambos producen algo que una persona podría describir como un mundo. A partir de ahí, todas las propiedades divergen.

• Entregable — WorldClaw: un archivo de escena con mallas, materiales y transformaciones individuales. Apollo World: un flujo de fotogramas de sensores más el estado del agente, consumido por una política de conducción en lugar de por una persona.

• Unidad de trabajo — WorldClaw: un prompt a una escena. Apollo World: una ruta, una política, un viaje evaluado.

• Tiempo — La salida de WorldClaw es estática una vez generada; Apollo World existe para avanzar hacia adelante, con cada decisión cambiando lo que sucede a continuación.

• Para quién es — WorldClaw: un diseñador de niveles, un estudio de videojuegos, un equipo de datos sintéticos que necesita geometría. Apollo World: la propia organización de conducción autónoma de Baidu.

• Qué significa "bueno" — WorldClaw: ¿la escena se ve coherente y se ensambla sin objetos flotantes? Apollo World: ¿el coche en pruebas se vuelve más seguro?

Dicho así, los dos no son tanto rivales como etapas adyacentes de un pipeline que nadie ha construido todavía de extremo a extremo. Uno crea el set. El otro dirige el tráfico en él.

Qué hace realmente WorldClaw, etapa por etapa

WorldClaw se entiende mejor como un director de orquesta que como un instrumento. El artículo, arXiv 2608.05248, se presentó el 5 de agosto de 2026, y el anuncio oficial se produjo el 11 de agosto. El marco recibe un prompt de formato libre y ejecuta cuatro etapas de grueso a fino.

• Intención y planificación — los agentes de modelos de lenguaje leen el prompt y deciden qué debe contener la escena, produciendo un plan en lugar de una imagen.

• Terreno — una pasada global genera el diseño semántico, los campos de altura y los materiales, de modo que el suelo es coherente antes de que se coloque nada sobre él.

• Objetos — las regiones se renderizan, se segmentan y cada región se reconstruye en una malla individual mediante Hunyuan3D. Aquí es donde se cumple la promesa de geometría explícita: la salida es un conjunto de objetos, no una masa fusionada ni un splat gaussiano.

• {{1}}Refinamiento{{/1}} — un agente de visión inspecciona el render en busca de objetos flotantes, interpenetración, escala incorrecta y pose incorrecta, y envía correcciones de vuelta.

La pila tecnológica subyacente es una lista de modelos de otras personas y una aplicación muy grande: Claude Opus 4.8 para la planificación, GPT-Image-2 para la generación de imágenes, SAM3 y SAM3D para la segmentación, Hunyuan3D para la reconstrucción y Blender 5.1.1 controlado mediante MCP para el ensamblaje. Tencent informa que lo ejecuta en cuatro GPU NVIDIA H20. La evaluación publicada es cualitativa, compara los resultados con SynCity, WorldGen, MajutsuCity y Marble mediante escenas lado a lado y sin métricas FID, CLIP ni de estudios de usuarios.

El repositorio es la parte que importa para cualquiera que planee usarlo. El proyecto oficial de GitHub contiene un README y recursos. No hay código, ni pesos, ni script de inferencia, ni API, ni precio. Un artículo sobre un framework sin implementación es una descripción de un método, no una herramienta, y la brecha entre esas dos cosas es donde mueren la mayoría de las preguntas del tipo «¿puedo probarlo?».

Lo que Apollo World realmente afirma

Apollo World se dio a conocer en el Baidu AI Day·Apollo en Shenzhen el 3 de noviembre de 2026 por Wang Liang, arquitecto jefe del Grupo de Conducción Inteligente de Baidu, y Yang Ze, quien lidera el trabajo del modelo del mundo. El planteamiento fue incisivo: un modelo del mundo no debería ser un pintor de vídeos impresionantes, sino un examinador de la seguridad de conducción. Baidu respaldó eso con una rúbrica que denomina «2+3»: dos puertas que deciden si algo cuenta o no como modelo del mundo, y tres propiedades que califican lo bueno que es.

Los criterios de admisión son la causalidad y la interactividad. La causalidad significa que el siguiente estado se predice a partir del actual en lugar de ensamblarse a partir de fotogramas y rellenarse hacia atrás; la interactividad significa que una acción inyectada en la escena cambia lo que sigue. Las propiedades evaluadas son la precisión física, la persistencia y el rendimiento en tiempo real. La persistencia es la que separa una demo de un banco de pruebas: un simulador cuyos objetos se desplazan o deforman lentamente durante una ejecución prolongada acabará evaluando una política contra un mundo que ya no coincide con aquel en el que empezó. Baidu sitúa el ciclo de decisión de un vehículo de carretera en un treintavo de segundo, unos 33 milisegundos.

Tres capacidades sustentan esas promesas. Cada participante del tráfico se modela como un agente con sus propias decisiones en lugar de un elemento de guion, de modo que un robotaxi que frena puede provocar una respuesta distinta en el coche que lleva detrás. Los datos de cámara y lidar se generan en tiempo real, lo que permite que el stack de conducción perciba la ciudad virtual a través de la misma interfaz que utiliza en una carretera real. Y los viajes se completan de extremo a extremo —pedido aceptado, pasajero recogido, pasajero entregado— con orígenes y destinos arbitrarios, en lugar de como clips de escenarios aislados.

Baidu afirma que el modelo ya está respaldando las pruebas y la validación globales de Apollo Go, y cita aproximadamente 100.000 kilómetros de conducción simulada al día, presentados como unos tres años de pruebas continuas realizadas por un vehículo equipado con conductor de seguridad. Junto a ello se citaron las propias cifras operativas de Apollo Go: 28 ciudades, más de 23 millones de viajes y 350 millones de kilómetros autónomos, de los cuales más de 240 millones fueron totalmente sin conductor. No se publicó ningún número de parámetros, arquitectura, tabla de benchmarks, artículo, archivo de pesos ni precio. Se trata de una presentación de capacidades sobre infraestructura interna, no de un lanzamiento de producto.

"Agentic" significa dos cosas diferentes aquí.

Esta es la trampa en la comparación, y vale la pena detenerse a analizarla, porque ambos anuncios se apoyan en la misma palabra de moda.

En WorldClaw, los agentes son los constructores. Los planificadores basados en modelos de lenguaje descomponen un prompt en un plan de escena; un agente de visión inspecciona el resultado y emite correcciones. La inteligencia está en el bucle de autoría, y opera una sola vez, antes de que siquiera cargues la escena. Una vez exportadas las mallas, los agentes desaparecen; el mundo es geometría inerte.

En Apollo World, los agentes son los habitantes. Los planificadores no están ensamblando nada —están conduciendo los otros coches, caminando por las aceras, decidiendo si ceder el paso. La inteligencia persiste durante la duración de la simulación, y su único propósito es hacer que el mundo responda a lo que se está probando. Una escena estática con habitantes reactivos sería una contradicción en los términos de WorldClaw y el objetivo entero en los de Apollo.

Esa distinción también explica por qué es difícil combinar ambos de forma ingenua. Meter las mallas de WorldClaw en un simulador de conducción te da un conjunto con buen aspecto en el que nada se mueve. Añadir tráfico reactivo a una escena de WorldClaw implica escribir tú mismo la capa de comportamiento. Los frameworks resuelven mitades distintas del mismo problema, y ninguno incluye la otra mitad.

Ninguno de los dos está disponible, y no por la misma razón.

WorldClaw está documentado pero no es distribuible. El artículo describe un método con suficiente detalle como para que un equipo con buenos recursos pudiera reimplementarlo, y varios terceros han creado versiones parciales, pero Tencent no ha publicado el código ni los pesos. El requisito de cuatro H20 y la dependencia de una pila de modelos con licencias separadas también implican que, incluso si se publicara, no sería una descarga lista para usar.

Apollo World está desplegado, pero no se ofrece. Baidu lo describe como en funcionamiento para Apollo Go, y la divulgación no contiene términos comerciales, ni interfaz, ni indicio de que se planee acceso externo. Por lo tanto, la comparación entre ambos en cuanto a disponibilidad no es «abierto frente a cerrado», sino «no lanzado frente a interno» — una distinción que importa si estás esperando cualquiera de los dos.

Para los equipos que necesitan un mundo este trimestre, la ruta práctica no es ninguna de las dos. Un motor de juego con una herramienta de escenas procedurales cubre la mitad estática; un simulador de conducción comercial cubre la mitad dinámica; y los modelos de mundo de vídeo de pesos abiertos cubren la mitad de la demo, mal, si lo que necesitas son sensores. OrcaRouter no incluye Apollo World ni Hunyuan3D WorldClaw —ninguno es un modelo invocable—, pero las etapas de lenguaje y visión que rodean una canalización de escenas son trabajo de API ordinario, y esa es la capa que realmente cubrimos: una clave, más de 200 modelos, 0 % de recargo sobre el precio de lista del proveedor y conmutación por error cuando una llamada de planificación se agota en mitad de la construcción.

¿Cuál es la referencia correcta para tu problema?

Si estás creando un nivel de juego, un conjunto de datos sintético de interiores o un plató de producción virtual, WorldClaw es el diseño más relevante aunque no puedas ejecutarlo: la descomposición en cuatro etapas —planificación, terreno, objetos y refinamiento— es una arquitectura sólida, y la salida de malla explícita es la opción correcta para cualquier cosa que deba editarse más adelante. La ausencia de evaluación cuantitativa es la advertencia que hay que llevar a cualquier reimplementación; «se ve mejor que SynCity» no es una especificación.

Si estás validando un stack de conducción, la rúbrica 2+3 de Apollo World es la exportación más útil, y hoy puede usarse como lista de comprobación aunque el modelo no pueda. Pregunta a cualquier proveedor de simuladores por la causalidad, la interactividad, la precisión física, la persistencia durante una ejecución prolongada y la latencia bajo complejidad de escena. Un proveedor que no pueda responder a la pregunta de persistencia con una medición de deriva te está vendiendo un generador de vídeo con etiqueta de física.

Es probable que los dos converjan. Un simulador que pudiera incorporar escenas editables y bien estructuradas de un framework como WorldClaw resolvería el cuello de botella de contenido que hace costosa la simulación de conducción; un generador de la clase de WorldClaw que pudiera animar a sus habitantes dejaría de producir dioramas. Ninguna de las dos empresas ha anunciado ese trabajo. Por ahora, la descripción honesta es un constructor de decorados sin código y un examinador de tráfico sin puerta, y lo único que realmente comparten es una palabra.