Hy-Nomas vs SKY-001: Uno renderiza un mundo, el otro lo ensambla

Tencent publicó 280 casos de referencia para Hy-Nomas y ninguna puntuación. Skyfall publicó puntuaciones para SKY-001 y ningún conjunto de pruebas publicado. La simetría es lo bastante limpia como para parecer una coincidencia, y es lo más útil de poner estos dos modelos uno al lado del otro, porque más allá de la frase "modelo del mundo" casi no tienen nada en común. Hy-Nomas, lanzado por Tencent Hunyuan entre el 21 y el 23 de octubre de 2026, genera vídeo explorable: 720 × 1280 a 24 FPS, guiado por texto libre y trayectorias de cámara. SKY-001, anunciado por Skyfall AI el 19 de octubre de 2026, genera geometría de ingeniería: toma un mensaje de texto o una imagen 2D y produce una secuencia ordenada de construcción CAD o BIM. La salida de un modelo es algo que miras. La del otro es algo que fabricas.

La distinción no es pedantería. Decide qué significa exactitud, qué puede medir un benchmark, si es posible obtener el modelo siquiera y qué harías realmente con él un lunes por la mañana.

Dos funciones detrás de una sola frase

Un modelo del mundo de video predice el siguiente estado observable de una escena. Su unidad de salida es un fotograma o un segmento, y su criterio de corrección es si el resultado se ve y se comporta como un mundo. Un modelo del mundo para ingeniería predice el siguiente estado estructural de un diseño. Su unidad de salida es una pieza, un ensamblaje o un paso de construcción, y su criterio de corrección es si la geometría coincide con lo solicitado y si la secuencia se puede construir.

Hy-Nomas es autorregresivo por segmentos. Renderiza un tramo de vídeo, lo mantiene en una caché KV de por vida, toma la siguiente instrucción y renderiza el siguiente tramo. El texto y la cámara son entradas separadas que se combinan: el prompt describe la escena y los extrínsecos describen hacia dónde va la lente. SKY-001 es jerárquico. Un compositor descompone la solicitud en sistemas, ensamblajes, subensamblajes y piezas, y luego desciende por plantas, unidades y habitaciones; un modelo del mundo de construcción planifica los estados visuales ordenados que producen cada elemento. Ambos se denominan modelos del mundo porque ambos aprenden un modelo de dinámica de un dominio. Los dominios no se solapan.

• Salida — segmentos de video Hy-Nomas a 720 × 1280 y 24 FPS; secuencias estructuradas de construcción CAD/BIM SKY-001 orientadas a herramientas de diseño

• Entrada — texto libre de Hy-Nomas junto con los extrínsecos de cámara; SKY-001 un prompt de texto o una imagen 2D

• Definición de correcto — coherencia perceptiva de Hy-Nomas entre turnos; solapamiento geométrico de SKY-001 respecto a un diseño de referencia

• Unidad de evaluación — Hy-Nomas, una sesión; SKY-001, un caso

• Lo que realmente se entrega hoy: pesos de Hy-Nomas Apache 2.0, unos 196 GB; SKY-001, una plaza en la lista de espera

Lo que afirma SKY-001, y cuánto vale esa afirmación

El anuncio de Skyfall es un benchmark de proveedor, y está bien construido: dos pistas, mil casos cada una, un comparador con nombre y suficiente detalle para ver la forma de la prueba. La pista de CAD ejecuta 1000 componentes con aproximadamente 100 pasos de dibujo por caso. La pista de BIM ejecuta 1000 planos de planta con un promedio de unos 70 pasos. Frente a GPT-6 Astra, Skyfall informa de un 79,7 % frente a un 79,1 % de IoU media en CAD, con 3,9 segundos frente a 199 segundos y 0,005 $ frente a 0,75 $ por caso. En BIM informa de un 43,6 % frente a un 40,6 %, con 1,22 segundos frente a 144,6 segundos y aproximadamente 0,0024 $ frente a 0,446 $.

Tres cosas se desprenden de leer las cifras en lugar del titular. Primero, la cifra de «150 veces más barato» es una relación de costes de ejecución de un benchmark, la estimación de Skyfall de lo que costó ejecutar un caso, no un precio al que alguien pueda comprar. No existe una lista pública de precios de SKY-001. Segundo, IoU mide el solapamiento geométrico, no la calidad de ingeniería: no indica si una pieza se puede fabricar, si las tolerancias se cierran o si un plano de planta cumple los requisitos de evacuación, accesibilidad o estructurales. Tercero, los tiempos reportados excluyen la subida, el preprocesamiento, la cola, la conversión a CAD o BIM, la validación, la exportación y la revisión humana, y cada uno de esos pasos está presente en un despliegue real.

La brecha de precisión es la parte que se pierde. En CAD es de 0,6 puntos porcentuales en mil casos; en BIM es de 3,0. Es un resultado real y acotado. Establece que el modelo especializado de un equipo pequeño puede situarse en el mismo rango que un modelo general de última generación en esta tarea, no que lo sustituya. El propio planteamiento de Skyfall está más cerca de la verdad que la cobertura mediática: la empresa describe SKY-001 como una vista previa de investigación con acceso mediante lista de espera y despliegue comercial previsto para principios de 2027, no como un producto al que se pueda llamar.

Lo que Hy-Nomas entrega y lo que se niega a afirmar

El lanzamiento de Tencent es el artefacto opuesto: un kit completo con la conclusión eliminada. Los pesos son Apache 2.0 e incluyen más que un checkpoint. Hay un MMDiT de doble flujo de 54 bloques con tamaño oculto de 2048 y 16 cabezas de atención, un codificador de texto Qwen2.5-VL-7B-Instruct, latentes DCAE-V de 32 canales, un decodificador PixelUMM ajustado en FP32 y FP8, y ocho pasos de eliminación de ruido en la configuración destilada, y también se aceptan cuatro y seis. Se incluyen dos adaptadores LoRA: Cinematic y Robotics, entrenado en el conjunto de datos de brazos robóticos RealSource-World. El repositorio documenta cómo entrenar el tuyo propio: rango y alfa 256, dropout cero, el optimizador Muon con una tasa de aprendizaje constante de 1e-4 durante 2000 pasos, entrenado a partir del checkpoint FP32 y fusionado en el destilado.

Lo que no se entrega es un número. Hy-Nomas-Bench tiene 280 casos repartidos en cuatro pistas —control de texto multiturno, navegación con cámara, control intercalado de texto y cámara, y memoria espacial—, con unas 220 trayectorias de cámara de referencia. Su tabla de resultados está vacía. El enlace al informe técnico en la ficha del modelo está marcado como «próximamente» y no lleva a ninguna parte. La página de Hugging Face indica que ningún proveedor de inferencia despliega el modelo. El repositorio de GitHub tenía diez horas de vida, 21 estrellas y cero lanzamientos cuando se escribió esto.

La asimetría que decide la mayoría de los casos reales

Si ambos modelos fueran igualmente buenos en sus propias tareas, esto seguiría sin ser una decisión reñida para la mayoría de los lectores, porque solo uno de ellos se puede obtener. Hy-Nomas es una descarga: ejecútalo, hazle ajuste fino, sírvelo. La salvedad es que "ejecutar" significa ocho GPUs en la ruta documentada, o una sola RTX 4090 con pesos DiT INT8, una caché KV INT8, un decodificador FP8, un límite de historial de ventana deslizante y offload a CPU. El conjunto completo de checkpoints es de unos 196 GB; la ruta de baja memoria necesita aproximadamente 38 GB más el codificador de texto. No es una descarga para portátil, y no hay un endpoint alojado de Tencent al que recurrir.

SKY-001 es una lista de espera. Sin pesos, sin términos de licencia, sin API pública, sin precio publicado y con un objetivo comercial para principios de 2027 que la empresa no ha asumido como fecha. Para un lector que está decidiendo qué hacer este trimestre, esa diferencia pesa más que cualquier benchmark de esta página.

También replantea la pregunta. "Hy-Nomas versus SKY-001" no es una elección entre dos formas de hacer lo mismo. Es una elección entre dos capacidades: una que puedes tener hoy y otra que aún no puedes tener en absoluto.

Donde los dos vocabularios realmente se tocan

La robótica es el único ámbito en el que se acercan. El LoRA de Robótica de Hy-Nomas se entrenó con un conjunto de datos de brazos robóticos y se fusiona en el checkpoint destilado para mejorar las escenas de manipulación. El compositor de SKY-001 trabaja con ensamblajes y piezas mecánicas, que es el mismo vocabulario físico desde la dirección opuesta. Un laboratorio podría diseñar de forma plausible un soporte con un modelo de ingeniería y simular que un brazo lo recoge con un modelo de mundo de vídeo, y la combinación es más interesante que cualquiera de las dos piezas por separado.

Pero las interfaces no existen. SKY-001 emite secuencias de construcción destinadas a herramientas CAD. Hy-Nomas consume texto y trayectorias de cámara. Nada en ninguna de las dos versiones se comunica con la otra, ninguna ha sido validada con hardware físico en una prueba publicada, y la afirmación sobre robótica por ambas partes es una demostración de capacidades en lugar de un resultado medido. La reunión es un diagrama, no una canalización.

La conversación sobre costos que la gente malinterpreta

Circulan dos tipos de cifras sobre estos modelos, y ninguna es un precio. Los $0,005 por caso CAD y los $0,0024 por plan BIM de SKY-001 son estimaciones internas de ejecuciones de benchmark, y los comparadores de $0,75 y $0,446 son el coste de ejecutar GPT-6 Astra con el mismo harness. Son útiles para juzgar la eficiencia. No son tarifas, y Skyfall no ha publicado ninguna lista de tarifas.

Hy-Nomas no tiene ninguna cifra de coste, porque no hay ningún servicio que valorar. Su coste son horas de GPU: una RTX 4090 con la configuración de poca memoria, u ocho GPU en la ruta estándar, además de la descarga y el almacenamiento. Si quieres una comparación veraz de lo que cuesta operar cada una, necesitas tus propias hipótesis de utilización, y ninguno de los dos proveedores te ha dado las cifras para establecerlas.

Lo único comparable es cuánto cuesta evaluar cada uno. Hy-Nomas te permite ejecutar tú mismo su benchmark de 280 casos, porque el conjunto de datos está publicado; tendrás que construir el arnés de puntuación, ya que Tencent no publicó los resultados. El benchmark de SKY-001 está descrito pero no se ha publicado, así que un tercero no puede reproducirlo sin reconstruir la prueba. Esa asimetría vale más que la cifra llamativa de $0.005.

El modelo no es el flujo de trabajo

Ninguno de los dos modelos está en nuestro catálogo, y es poco probable que lo esté pronto: uno es una versión autoalojada de pesos abiertos, y el otro es una vista previa de investigación con lista de espera y sin API. No vamos a fingir lo contrario.

Lo que ambos necesitan, y ninguno de los dos incluye, es la capa de razonamiento alrededor del generador. Un flujo de trabajo al estilo SKY-001 comienza con una solicitud que debe descomponerse en un árbol de diseño, enrutarse a la herramienta correcta, comprobarse frente a las restricciones y volver a escribirse en un archivo CAD. Una sesión de Hy-Nomas comienza con una intención en lenguaje natural que debe convertirse en una ruta de cámara y una instrucción a nivel de segmento. Esas son tareas de modelos de lenguaje, y es ahí donde se gana o se pierde la fiabilidad. OrcaRouter le da a esa capa un único endpoint para más de 200 modelos, con 0% de margen sobre el precio de lista del proveedor, de modo que un modelo más económico puede encargarse de la descomposición mientras uno más potente se encarga de la comprobación final, y la conmutación por error automática mantiene viva la cadena cuando un proveedor se degrada. Puedes expresar toda la secuencia en el DSL de enrutamiento en lugar de codificar manualmente tres integraciones. El modelo del mundo hace el renderizado o el ensamblaje; la capa de enrutamiento decide qué pedirle.

¿Qué haría que esto fuera una comparación real?

La comparación cobra sentido en el momento en que cualquiera de las dos partes cierra su brecha. Si Tencent publica puntuaciones para Hy-Nomas-Bench, el modelo obtiene una línea base y todo futuro modelo del mundo podrá medirse con respecto a ella. Si Skyfall publica sus conjuntos de prueba CAD y BIM, el 79.7% pasa a ser reproducible en lugar de solo reportado, y la ventaja de 0.6 puntos recibe el escrutinio que una ventaja de 0.6 puntos merece.

Hasta entonces, la lectura correcta es categórica, no competitiva. Hy-Nomas es un modelo del mundo de vídeo abierto y autoalojable con una tabla de resultados vacía. SKY-001 es un modelo del mundo de ingeniería cerrado y con lista de espera, con una tabla de proveedor y una ventaja estrecha. Comparten una frase, un mes y una laguna metodológica. No comparten la misma función.