Apollo World vs SKY-001: cuando «modelo del mundo» significa tres trabajos diferentes

Apollo World y SKY-001 se anunciaron con quince días de diferencia y no tienen casi nada en común salvo por una etiqueta. Apollo World es el simulador basado en agentes de Baidu, dado a conocer el 3 de noviembre de 2026, que genera observaciones de cámara y lidar de una ciudad virtual para que se pueda entrenar y evaluar un stack de robotaxi en viajes completos. SKY-001 es el modelo del mundo para ingeniería de Skyfall AI, anunciado el 19 de octubre de 2026, que predice la secuencia ordenada de estados visuales mediante la cual se construye una pieza mecánica: un plan de construcción dibujo a dibujo. Uno hace avanzar en el tiempo una escena de tráfico. El otro hace avanzar en el tiempo un proceso de fabricación. A ambos se les llama correctamente modelos del mundo, y ese es precisamente el problema con la expresión.

El término se ha convertido silenciosamente en un título profesional en lugar de una categoría. Ahora lo llevan tres productos: modelos que generan entornos visualizables, modelos que simulan un entorno en el que un agente puede actuar y modelos que predicen las transiciones de estado de un proceso. Apollo World es el segundo. SKY-001 es el tercero. Compararlos directamente es como comparar un simulador de vuelo con un manual de montaje: ambos describen cómo se desarrolla algo, y nunca usarías uno para la función del otro.

SKY-001 predice una compilación, no una calle.

Skyfall AI fue fundada por el equipo detrás de Maluuba, el laboratorio de investigación canadiense que Microsoft adquirió en 2017, y según se informa, sus inversores incluyen a Fidelity, Touring Capital, M13 e iNovia. SKY-001 se anunció el 19 de octubre de 2026 como una vista previa de investigación con una lista de espera. No hay API, ni precios, ni licencia, ni pesos; el despliegue comercial completo está previsto para principios de 2027.

La arquitectura tiene dos etapas, ambas transformadores de difusión que operan sobre estados visuales en lugar de tokens de texto.

• El Compositor Jerárquico genera un diseño completo y, a continuación, lo divide de forma recursiva en conjuntos, subconjuntos y piezas, pudiendo paralelizarse cada nivel. Así es como el modelo evita generar un único dibujo monolítico de un objeto complejo.

• El Construction World Model predice la secuencia ordenada de estados visuales que construye cada pieza hoja, utilizando un esquema de difusión de dos pasadas sobre un autoencoder de estilo Matryoshka: primero un rollout latente grueso y después un refinador de resolución completa.

Las cifras declaradas sobre los datos de entrenamiento son cuantiosas y concretas: más de 200.000 piezas para el compositor, más de 600.000 ejemplos de construcción y unos 35.000 planos de planta que aportan alrededor de dos millones de estados de dibujo. Lo que se obtiene es una secuencia de planos visuales —un orden de construcción representado como dibujos—. No es un historial editable de operaciones de CAD, y Skyfall señala la salida a nivel de operaciones como trabajo futuro.

Esa última distinción es la que más le importará a un ingeniero. Una secuencia de imágenes que muestra cómo se ensambla una pieza es útil para revisar, para documentar, para entrenar un modelo posterior y para detectar un orden de operaciones imposible. No es un modelo que se pueda abrir en un programa CAD y editar, ni le entrega a un maquinista una trayectoria de herramienta.

Apollo World predice el siguiente segundo de tráfico

La revelación de Baidu en AI Day·Apollo en Shenzhen se presentó como una corrección al sector. Wang Liang, arquitecto jefe del Grupo de Conducción Inteligente, sostuvo que un modelo del mundo no debería ser un pintor que produce vídeos impresionantes, sino un examinador que verifica la seguridad de la conducción. La rúbrica que siguió —«2+3»— es el intento publicado más claro de definir qué cuenta.

Las dos compuertas son la causalidad, es decir, que el siguiente estado se predice a partir del actual en lugar de ensamblarse fotograma a fotograma y rellenarse hacia atrás, y la interactividad, es decir, que una acción inyectada cambia lo que sigue. Las tres propiedades evaluadas son la precisión física, la persistencia y el rendimiento en tiempo real. La persistencia se define como la ausencia de deriva en objetos y detalles durante ejecuciones prolongadas; el tiempo real está limitado por el ciclo de decisión de un treintavo de segundo, unos 33 milisegundos, que necesita un vehículo de carretera.

Las tres capacidades del modelo encajan con eso. Los participantes del tráfico son agentes con sus propias decisiones en lugar de elementos de escena preprogramados, así que un robotaxi que frena cambia el comportamiento de los coches que tiene detrás. La cámara y el lidar se generan en tiempo real, de modo que la pila en pruebas percibe el mundo virtual a través de la misma interfaz que utiliza en una carretera real. Y los trayectos se completan de principio a fin —pedido, recogida y bajada— con orígenes y destinos arbitrarios. Baidu afirma que el sistema ya respalda la validación global de Apollo Go y cita alrededor de 100.000 kilómetros simulados al día, presentados como aproximadamente tres años de pruebas continuas realizadas por un coche equipado con conductor de seguridad. Las cifras operativas de Apollo Go —28 ciudades, más de 23 millones de viajes, 350 millones de kilómetros autónomos, 240 millones de ellos totalmente sin conductor— se citaron junto a lo anterior.

Sin parámetros, sin arquitectura, sin paper, sin pesos, sin precio. Apollo World es infraestructura interna que se describió en público por primera vez, no un producto con una fecha de lanzamiento contra la que se pueda comprar.

Los números, y qué significa un 43.6% de IoU

Skyfall publicó dos benchmarks, ambos autodeclarados y ninguno replicado de forma independiente. En una tarea de construcción CAD de 1.000 componentes con aproximadamente 100 pasos de dibujo cada uno, SKY-001 reporta 3,9 segundos y $0,005 por caso con un IoU medio del 79,7 %. GPT-6 Astra figura con 199 segundos, $0,75 y 79,1 %; Gemini 4 con 253 segundos, $0,25 y 76,9 %; Qwen 3.8 Max con 764 segundos, $0,30 y 34,4 %; Kimi K3 con 439 segundos, $0,13 y 9,5 %; Grok 4.7 no generó ninguna salida en 1.250 segundos.

En una tarea de planos de planta BIM de 1.000 planos con unos 70 pasos, SKY-001 reporta 1,22 segundos, 0,0024 $ y 43,6% de IoU, frente a Gemini 3.8 Flash con 42,3%, GPT-6 Astra con 40,6%, Kimi K3 con 33,7%, Qwen 3.8 Max con 28,8% y Grok 4.7 con 28,2%.

Lean con atención: las tablas dicen algo más interesante que el titular. La ventaja de CAD sobre GPT-6 Astra es de 0,6 de un punto de IoU —la propia publicación de Skyfall dice que el modelo "iguala o supera" en lugar de superarlo—, así que la diferencia real es de aproximadamente 51 veces más rápido y 150 veces más barato, no de mejores resultados. La ventaja en BIM es de 3,0 puntos. Y un IoU medio del 43,6 % en planos de planta significa que el mejor modelo de la tabla reconstruye menos de la mitad del plano de referencia según la intersección sobre la unión. Esa es una cifra de vista previa de investigación, no una cifra de producción, y se ha informado que la página de aterrizaje muestra 76,1 % donde el blog muestra 79,7 % para CAD, que es el tipo de deriva que se produce cuando una cifra se reformula en distintas superficies.

Una afirmación de la cobertura no resiste el contraste con las fuentes: que SKY-001 supera a Claude Opus 5.5. Opus 5.5 aparece en el material como juez ciego de modelo de lenguaje junto a GPT-6.1 Sol, no como competidor en ninguno de los dos benchmarks. Que un juez lo prefiera en una comparación cualitativa no es lo mismo que obtener una puntuación más alta en IoU.

Donde la comparación realmente duele: quién evalúa el resultado

El único hilo metodológico que conecta los dos anuncios es la evaluación mediante modelos. Las afirmaciones principales de Skyfall se basan en parte en un panel ciego de modelos de lenguaje que puntúan dibujos. Las afirmaciones de Baidu se basan en una rúbrica interna aplicada por sus propios ingenieros, sin ninguna puntuación externa. Ninguna de las dos empresas ha publicado un protocolo que un tercero pudiera volver a ejecutar.

Esta es la parte del auge de los modelos del mundo que está menos madura, y es donde una capa de enrutamiento hace trabajo real en lugar de trabajo decorativo. Evaluar estados visuales generados es una llamada a un modelo —a menudo varias, de distintos proveedores—, para que las preferencias de ningún laboratorio por sí solas definan qué es «bueno». La fusión de modelos de OrcaRouter permite que un panel de modelos responda conjuntamente al mismo prompt de evaluación y devuelve su veredicto combinado a través de un único endpoint, y el DSL de enrutamiento puede enviar distintas etapas de evaluación a distintos modelos sin reescribir el harness. Esa es la capa que cubrimos: más de 200 modelos, una sola clave, 0 % de recargo y el precio de lista del proveedor trasladado sin cambios. Ni SKY-001 ni Apollo World están en ese catálogo, y ninguno de los dos es un modelo al que se llame: los jueces sí lo son.

Ninguno de los dos es invocable, y eso cambia la decisión.

La cuestión de la disponibilidad tiene la misma respuesta para ambos, por razones diferentes. SKY-001 es una vista previa de investigación detrás de una lista de espera, con despliegue comercial previsto para principios de 2027 y sin términos publicados. Apollo World está desplegado dentro de Baidu y no se ofrece externamente. Ninguno tiene precio, y ninguno puede compararse con su propia carga de trabajo hoy.

Lo que puedes tomar de cada uno es el método. La descomposición en dos etapas de SKY-001 —componer el todo y luego predecir la secuencia de construcción de cada hoja— es un patrón reutilizable para cualquier proceso que tenga una jerarquía y un orden de operaciones. La rúbrica 2+3 de Apollo World es una prueba reutilizable para cualquier simulador que alguien intente venderte, y su criterio de persistencia en particular es la pregunta que la mayoría de los proveedores no pueden responder con una medición.

Tres preguntas que te dicen cuál necesitas

Primero: ¿la cosa que estás modelando tiene un agente que actúa dentro de ella? Si es así, necesitas un simulador de entorno y se aplica la rúbrica Apollo World. Si las transiciones de estado son deterministas y están impulsadas por un plan en lugar de una política, necesitas algo más cercano a SKY-001.

Segundo: ¿la salida la consume una persona o un bucle de control? Una secuencia de construcción la consumen ingenieros y modelos posteriores, por lo que las métricas son la plausibilidad visual y el orden de los pasos. Una simulación de conducción la consume una pila de percepción y planificación, por lo que las métricas son la consistencia métrica de los sensores y la latencia. Ambas casi no tienen criterios de evaluación en común.

Tercero: ¿necesitas física o necesitas procedimiento? SKY-001 sabe que un soporte debe colocarse antes del conjunto que sostiene; no sabe qué ocurre cuando se deja caer el soporte. Apollo World sabe qué ocurre cuando un peatón sale al paso; no tiene opinión sobre cómo se fabrica una pieza.

La etiqueta de modelo del mundo seguirá estirándose, porque está haciendo trabajo de marketing para al menos cuatro categorías de productos diferentes a la vez. La disciplina útil consiste en preguntar qué estado se está prediciendo, qué actúa sobre él y quién consume la predicción. Apollo World y SKY-001 responden a esas tres preguntas de maneras completamente distintas, y una vez que las has planteado, la comparación se disuelve en lo que siempre fue: dos buenas ideas que casualmente comparten nombre.