Hy-Nomas vs SKY-001 : l’un rend un monde, l’autre l’assemble

Tencent a publié 280 cas d’évaluation pour Hy-Nomas sans aucun score. Skyfall a publié des scores pour SKY-001 sans jeu de test publié. La symétrie est suffisamment nette pour ressembler à une coïncidence, et c’est l’aspect le plus utile de la mise en regard de ces deux modèles, car au-delà de l’expression « modèle du monde », ils n’ont presque rien en commun. Hy-Nomas, publié par Tencent Hunyuan entre le 21 et le 23 octobre 2026, génère de la vidéo explorable : 720 × 1280 à 24 images/s, pilotée par du texte libre et des trajectoires de caméra. SKY-001, annoncé par Skyfall AI le 19 octobre 2026, génère de la géométrie d’ingénierie : il prend une invite textuelle ou une image 2D et produit une séquence ordonnée de construction CAO ou BIM. La sortie de l’un est quelque chose que l’on regarde. Celle de l’autre est quelque chose que l’on fabrique.

Cette distinction n’est pas de la pédanterie. Elle détermine ce que signifie l’exactitude, ce qu’un benchmark peut mesurer, si vous pouvez obtenir le modèle tout court, et ce que vous en feriez réellement un lundi matin.

Deux fonctions derrière une seule expression

Un modèle du monde vidéo prédit l’état observable suivant d’une scène. Son unité de sortie est une image ou un segment, et son critère d’exactitude est de savoir si le résultat ressemble à un monde et se comporte comme tel. Un modèle du monde d’ingénierie prédit l’état structurel suivant d’une conception. Son unité de sortie est une pièce, un assemblage ou une étape de construction, et son critère d’exactitude est de savoir si la géométrie correspond à ce qui a été demandé et si la séquence peut être construite.

Hy-Nomas est autorégressif par segments. Il rend un intervalle de vidéo, le conserve dans un cache KV à vie, prend l’instruction suivante et rend l’intervalle suivant. Le texte et la caméra sont des entrées distinctes qui se composent : le prompt décrit la scène, les paramètres extrinsèques décrivent où va l’objectif. SKY-001 est hiérarchique. Un composeur décompose la requête en systèmes, assemblages, sous-ensembles et pièces, puis descend à travers les étages, les unités et les pièces ; un modèle mondial de construction planifie les états visuels ordonnés qui produisent chaque élément. Les deux se qualifient de modèles du monde parce que tous deux apprennent un modèle de dynamique d’un domaine. Les domaines ne se chevauchent pas.

Sortie — segments vidéo Hy-Nomas en 720 × 1280 et 24 i/s ; séquences de construction structurées CAD/BIM SKY-001 destinées aux outils de conception

• Entrée — texte libre Hy-Nomas plus paramètres extrinsèques de caméra ; SKY-001 une invite textuelle ou une image 2D

• Définition de « correct » — cohérence perceptuelle de Hy-Nomas entre les tours ; chevauchement géométrique de SKY-001 par rapport à un design de référence

• Unité d’évaluation — Hy-Nomas une session ; SKY-001 un cas

• Ce qui est réellement disponible aujourd’hui — les poids Hy-Nomas sous Apache 2.0, environ 196 Go ; SKY-001 : une place sur liste d’attente

Ce que SKY-001 affirme, et ce que vaut cette affirmation

L'annonce de Skyfall est un benchmark de fournisseur, et il est bien construit : deux volets, un millier de cas chacun, un comparateur nommé et suffisamment de détails pour percevoir la structure du test. Le volet CAO porte sur 1 000 composants à environ 100 étapes de dessin par cas. Le volet BIM porte sur 1 000 plans d'étage à environ 70 étapes en moyenne. Face à GPT-6 Astra, Skyfall rapporte 79,7 % contre 79,1 % d'IoU moyenne sur la CAO, à 3,9 secondes contre 199 secondes et 0,005 $ contre 0,75 $ par cas. Sur le BIM, il rapporte 43,6 % contre 40,6 %, à 1,22 seconde contre 144,6 secondes et environ 0,0024 $ contre 0,446 $.

Trois enseignements découlent de la lecture des chiffres plutôt que du titre. Premièrement, le chiffre « 150 fois moins cher » est un ratio de coût mesuré lors d’un benchmark, l’estimation par Skyfall du coût d’exécution d’un cas, et non un prix auquel quiconque pourrait acheter. Il n’existe pas de liste de prix publique pour SKY-001. Deuxièmement, l’IoU mesure le chevauchement géométrique, pas la qualité d’ingénierie : il ne vous dit pas si une pièce peut être fabriquée, si les tolérances sont respectées, ni si un plan d’étage satisfait aux exigences d’évacuation, d’accessibilité ou de structure. Troisièmement, les temps indiqués excluent le téléversement, le prétraitement, la mise en file d’attente, la conversion CAO ou BIM, la validation, l’export et la revue humaine, et chacun de ces éléments intervient dans un déploiement réel.

L’écart de précision est ce qui se perd. Sur CAD, il est de 0,6 point de pourcentage sur un millier de cas ; sur BIM, de 3,0. C’est un résultat réel, mais étroit. Il établit qu’un modèle spécialisé d’une petite équipe peut se situer dans la même fourchette qu’un modèle général de frontière sur cette tâche, et non qu’il remplace ce dernier. La formulation de Skyfall elle-même est plus proche de la vérité que la couverture médiatique : l’entreprise décrit SKY-001 comme un aperçu de recherche dont l’accès se fait via une liste d’attente, avec un déploiement commercial visé pour début 2027, et non comme un produit que l’on peut appeler.

Ce que Hy-Nomas livre, et ce qu'il refuse de revendiquer

La publication de Tencent est l’artefact opposé : un kit complet dont la conclusion a été retirée. Les poids sont sous Apache 2.0 et incluent plus qu’un point de contrôle. On y trouve un MMDiT à double flux de 54 blocs, de taille cachée 2 048 avec 16 têtes d’attention, un encodeur de texte Qwen2.5-VL-7B-Instruct, des latents DCAE-V à 32 canaux, un décodeur PixelUMM affiné en FP32 et FP8, et huit étapes de débruitage dans la configuration distillée, quatre et six étant également acceptées. Deux adaptateurs LoRA sont fournis : Cinematic, et Robotics entraîné sur le jeu de données de bras robotique RealSource-World. Le dépôt documente comment entraîner le vôtre : rang et alpha 256, dropout nul, l’optimiseur Muon à un taux d’apprentissage constant de 1e-4 pendant 2 000 étapes, entraîné à partir du point de contrôle FP32 puis fusionné dans celui distillé.

Ce qui n’est pas livré est un nombre. Hy-Nomas-Bench compte 280 cas répartis sur quatre pistes — contrôle textuel multi-tour, navigation par caméra, contrôle entrelacé texte-et-caméra et mémoire spatiale — avec environ 220 trajectoires de caméra de référence. Son tableau de résultats est vide. Le lien vers le rapport technique sur la fiche modèle est marqué « bientôt disponible » et ne mène à rien. La page Hugging Face indique que le modèle n’est déployé par aucun fournisseur d’inférence. Le dépôt GitHub n’avait que dix heures, affichait 21 étoiles et zéro release au moment de la rédaction.

L’asymétrie qui tranche la plupart des cas réels

Si les deux modèles étaient également bons dans leurs propres tâches, cela ne constituerait toujours pas un choix serré pour la plupart des lecteurs, car un seul des deux peut être obtenu. Hy-Nomas est un téléchargement : on l’exécute, on le fine-tune, on le déploie. La réserve, c’est que « exécuter » signifie huit GPU sur la voie documentée, ou une seule RTX 4090 avec des poids DiT INT8, un cache KV INT8, un décodeur FP8, un plafond d’historique à fenêtre glissante et un déport vers le CPU. L’ensemble complet des checkpoints fait environ 196 Go ; la voie à faible mémoire nécessite environ 38 Go plus l’encodeur de texte. Ce n’est pas un téléchargement pour ordinateur portable, et il n’existe aucun point de terminaison hébergé par Tencent sur lequel se rabattre.

SKY-001 est une liste d'attente. Pas de poids, pas de conditions de licence, pas d'API publique, pas de prix publié, et un objectif commercial de début 2027 que l'entreprise ne s'est pas engagée à tenir comme une date. Pour un lecteur qui doit décider quoi faire ce trimestre, cette différence compte davantage que n'importe quel benchmark figurant sur cette page.

Cela reformule aussi la question. « Hy-Nomas versus SKY-001 » n’est pas un choix entre deux façons de faire la même chose. C’est un choix entre deux capacités : l’une que vous pouvez avoir aujourd’hui, et l’autre que vous ne pouvez pas encore avoir du tout.

Là où les deux vocabulaires se touchent réellement

La robotique est le seul domaine où ils se rapprochent. Le LoRA Robotics de Hy-Nomas a été entraîné sur un jeu de données de bras robotiques et fusionne dans le checkpoint distillé pour améliorer les scènes de manipulation. Le composer de SKY-001 travaille sur des assemblages et des pièces mécaniques, soit le même vocabulaire physique vu de l'autre côté. Un laboratoire pourrait plausiblement concevoir une équerre avec un modèle d'ingénierie et simuler un bras la saisissant avec un modèle de monde vidéo, et la combinaison est plus intéressante que chacune des deux parties.

Mais les interfaces n’existent pas. SKY-001 émet des séquences de construction destinées aux outils de CAO. Hy-Nomas consomme du texte et des trajectoires de caméra. Rien dans l’une ou l’autre version ne communique avec l’autre, aucune n’a été validée sur du matériel physique dans un test publié, et l’affirmation robotique des deux côtés relève d’une démonstration de capacités plutôt que d’un résultat mesuré. La rencontre est un schéma, pas un pipeline.

La conversation sur les coûts que les gens comprennent mal

Deux types de chiffres circulent à propos de ces modèles, et aucun ne correspond à un prix. Les 0,005 $ par cas CAD de SKY-001 et les 0,0024 $ par plan BIM sont des estimations internes issues de l’exécution de benchmarks, et les valeurs de comparaison de 0,75 $ et 0,446 $ correspondent au coût d’exécution de GPT-6 Astra via le même banc d’essai. Ils sont utiles pour juger de l’efficacité. Ce ne sont pas des tarifs, et Skyfall n’a publié aucune grille tarifaire.

Hy-Nomas ne donne aucun chiffre de coût, car il n’y a aucun service à tarifer. Son coût s’exprime en heures GPU : une RTX 4090 avec la configuration à mémoire réduite, ou huit GPU sur la voie standard, plus le téléchargement et le stockage. Si vous voulez une comparaison honnête de ce que coûte l’exploitation de chacun, il vous faut vos propres hypothèses d’utilisation, et aucun des deux fournisseurs ne vous a donné les chiffres pour les établir.

La seule chose qui soit comparable, c’est ce que coûte l’évaluation de chacun. Hy-Nomas vous permet d’exécuter vous-même son benchmark de 280 cas, car le jeu de données est publié ; il vous faudra toutefois construire le harnais d’évaluation, puisque Tencent n’a pas fourni de résultats. Le benchmark de SKY-001 est décrit mais non publié, de sorte qu’un tiers ne peut pas le reproduire sans reconstruire le test. Cette asymétrie vaut plus que le chiffre phare de 0,005 $.

Le modèle n'est pas le flux de travail

Aucun des deux modèles ne figure dans notre catalogue, et il est peu probable que cela change de sitôt : l’un est une version auto-hébergée à poids ouverts, l’autre un aperçu de recherche sur liste d’attente sans API. Nous n’allons pas prétendre le contraire.

Ce dont les deux ont besoin, et que ni l'un ni l'autre n'inclut, c'est la couche de raisonnement autour du générateur. Un flux de travail de type SKY-001 commence par une requête qui doit être décomposée en un arbre de conception, routée vers le bon outil, vérifiée par rapport aux contraintes et réécrite dans un fichier CAO. Une session Hy-Nomas commence par une intention en langage naturel qui doit devenir un chemin de caméra et une instruction au niveau du segment. Ce sont des tâches de modèle de langage, et c'est là que la fiabilité se gagne ou se perd. OrcaRouter fournit à cette couche un point d'accès unique pour plus de 200 modèles, avec 0 % de marge sur le prix catalogue du fournisseur, de sorte qu'un modèle moins cher peut prendre en charge la décomposition tandis qu'un modèle plus performant gère la vérification finale, et le basculement automatique maintient la chaîne en vie lorsqu'un fournisseur se dégrade. Vous pouvez exprimer toute la séquence dans le DSL de routage au lieu de coder en dur trois intégrations. Le modèle du monde effectue le rendu ou l'assemblage ; la couche de routage décide de ce qu'il faut lui demander.

Qu’est-ce qui en ferait une véritable comparaison ?

La comparaison devient significative dès que l’un ou l’autre camp comble son écart. Si Tencent publie les scores de Hy-Nomas-Bench, le modèle dispose d’une référence et tout futur modèle du monde pourra être mesuré par rapport à elle. Si Skyfall rend publics ses jeux de tests CAD et BIM, les 79,7 % deviennent reproductibles plutôt que simplement déclarés, et l’avance de 0,6 point fait l’objet de l’examen qu’une avance de 0,6 point mérite.

D’ici là, la lecture correcte est catégorielle plutôt que concurrentielle. Hy-Nomas est un modèle de monde vidéo ouvert et auto-hébergeable, avec un tableau de résultats vide. SKY-001 est un modèle de monde d’ingénierie fermé et en liste d’attente, avec un tableau de fournisseurs et une légère avance. Ils partagent une expression, un mois et une lacune méthodologique. Ils ne partagent pas une fonction.