SKY-001: מודל העולם ההנדסי של Skyfall AI גובר על GPT-6 Astra בעלות פי 150 — ובדיוק ב-0.6 נקודות

Skyfall AI הודיעה על SKY-001 ב-19 באוקטובר 2026, והטענה שתראו שוב ושוב היא שהוא עולה בביצועיו על GPT-6 Astra ו-Claude Opus 5.5 בעבודות CAD ו-BIM. המספר שמתחת לטענה הזו קטן ומעניין יותר מהטענה עצמה. בבנצ'מרק הבנייה ב-CAD של הספק עצמו, SKY-001 משיג 79.7% IoU לעומת 79.1% של GPT-6 Astra. זה שישה עשיריות נקודה — סוג הפער שמקבלים מזרע אקראי אחר, לא מארכיטקטורה חדשה. מה שלא קרוב הוא כל מה שסביבו: 3.9 שניות למקרה לעומת 199, ו-$0.005 לעומת $0.75. הדיוק הוא תיקו. היעילות היא מפלה מוחצת. החומרים של Skyfall עצמה מציגים את הנקודה השנייה בקול רם, ובמקום אחד גם מציגים לכם את הנקודה הראשונה בלי להתכוון. הכשלים המתועדים של AI ותקריות הסוכנים שמאחורי שחרורים כמו זה נאספים בארכיון תקלות ה-AI של OrcaRouter שבו כל רשומה כוללת מקורות משלה, חומרה, דרגת ודאות וסימון מחלוקת.

יש דבר שני שכדאי לדעת לפני שאחד מהמספרים האלה בכלל משנה לך: SKY-001 הוא לא משהו שאפשר פשוט להפעיל. הוא נמצא בתצוגת מחקר, מאחורי רשימת המתנה, כשפריסה מסחרית מלאה מיועדת לתחילת 2027. אין API, אין תמחור, אין משקלים, אין מספר פרמטרים, אין רישיון. הכתוב כאן עוסק במה שההשקה למעשה קובעת — איך הבנצ'מרקים מחזיקים מעמד כשקוראים את הטבלה ולא את הכותרת, מה המודל באמת עושה אחרת, ומה צריך צוות שזקוק ליכולת הזו היום לעשות במקום להמתין.

מה ש-Skyfall בפועל שחררה

Skyfall AI היא חברה מסן פרנסיסקו עם מרכז מחקר בטורונטו, שנוסדה על ידי הצוות שמאחורי Maluuba, מעבדת הלמידה העמוקה שמיקרוסופט רכשה ב-2017. סם פאסופאלאק הוא המנכ״ל; קאהר סולימן וסומיט פאסופאלאק הם מייסדים שותפים. היא יצאה מהחשאיות ביולי 2026 עם הצעה יוצאת דופן — מודלי עולם ארגוניים, ובסופו של דבר חברה המופעלת על ידי בינה מלאכותית — בגיבוי Fidelity, Touring Capital, M13 ו-iNovia. SKY-001 הוא המודל הראשון שהיא משחררת והתוצר הקונקרטי הראשון מאחורי התזה הזו.

הפיץ' במשפט אחד: עיצוב הנדסי אינו בעיית שפה, אז חדלו לפתור אותו עם מודל שפה. מנוע מתפרק למאות חלקים המקוננים בעומק כמה רמות, שכל אחד מהם מוגבל על ידי שכניו; תוכנית קומה היא קירות, אחר כך יחידות, אחר כך חדרים, אחר כך דלתות ואביזרים, המצוירים בסדר שיש לו חשיבות. מודל שפולט שרשרת טקסט אוטורגרסיבית ארוכה אחת חייב להחזיק את כל זה בהקשר יחיד, והוא נעשה גרוע יותר ככל שהשרשרת מתארכת. לעומת זאת, SKY-001 מתכנן בעולם החזותי, בהיררכיה, כאשר כל רמה מעבירה תת-מטרה מפורשת לרמה שמתחתיה.

שני רכיבים עושים זאת. הHierarchical Composer מקבל כוונת עיצוב — תמונה, טקסט, או מעטפת בניין עם תקציר — ומייצר את העיצוב כולו, ואז מפצל אותו שלב אחר שלב, ומעדן כל עלה במקביל. הConstruction World Model ואז חוזה את הרצף המסודר של מצבים חזותיים שבונה כל עלה: ב-CAD, שרשרת של מצבי מוצק תלת-ממדיים עם סקיצת ה-2D שנמשכת בין כל זוג עוקב; ב-BIM, תוכנית קומה שנמשכת קו אחר קו. הציור עצמו פועל כדיפוזיה בשני מעברים, גלגול גס במרחב חבוי דחוס מאוטואנקודר בסגנון מטריושקה, ואז רפינר שמשחזר את הרזולוציה המלאה. שניהם טרנספורמרים של דיפוזיה; אף אחד מהם לא חוזה טוקנים.

אין שום מידע פומבי על גודלה של הארכיטקטורה הזו. Skyfall חשפה את הנתונים שלה, לא את המודל שלה: יותר מ-200,000 חלקים לקומפוזר ולמעלה מ-600,000 דוגמאות בנייה למודל העולם, ובנוסף כ-35,000 תוכניות קומה אמיתיות וסינתטיות המייצגות כ-2 מיליון מצבי שרטוט. נתוני ה-CAD נבנו מחדש ממערכי נתוני הרכבה ציבוריים שההיררכיות שלהם היו לא עקביות, שחלקיהם לא היו בעלי שמות ושהיסטוריות הבנייה בהם היו חסרות; Skyfall ביצעה עליהם הנדסה לאחור באמצעות כלים הנדסיים ותהליכי עבודה בסיוע LLM, ואימתה את התוצאה לפני שאימנה עליה. טענת היקף הנתונים אמיתית: לעומת PartVerse, מערך הנתונים הנפוץ לפירוק חלקים, לאובייקט החציוני יש 6 חלקים ולאחוזון ה-99 יש 33. החציון של Skyfall הוא 288 והאחוזון ה-99 שלו הוא 4,180.

קריאה נכונה של בנצ'מרק ה-CAD

בנצ'מרק בניית ה-CAD מורכב מ-1,000 רכיבים שנדגמו מאובייקטים מורכבים — Jaguar E-Type Roadster, זרוע ריתוך FANUC ArcMate 100iB, Minitractor 4×4, מסוק Bell 222 ומנוע סילון — כאשר כל אחד מהם דורש בערך 100 שלבי שרטוט, ומדורג לפי IoU מול צורת הייחוס. הורצו עליו חמישה מודלי חזית. כל מספר להלן הוא של Skyfall, הופק על ידי Skyfall, על מודלים ש-Skyfall הפעילה בעצמה.

• זמן לכל מקרה — SKY-001 3.9 שנ'; GPT-6 Astra 199 שנ'; Gemini 4 253 שנ'; Kimi K3 439 שנ'; Qwen 3.8 Max 764 שנ'; Grok 4.7 1,250 שנ' ולא השלים אף מקרה.

• עלות לכל מקרה — 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 כאשר אין פלט.

• איכות (IoU ממוצע) — 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 ללא תוצאה.

זו הטבלה כולה, והיא משתלמת בקריאה שנייה. סיפור היעילות חזק כפי שהובטח: מהיר פי 51 וזול פי 150 מהמתחרה הטוב ביותר, שבקצב של אלף עיצובים בשבוע הוא ההבדל בין סעיף של 5 דולר לסעיף של 750 דולר. סיפור האיכות הוא תיקו. SKY-001, GPT-6 Astra ו-Gemini 4 כולם נוחתים בצמרת במרחק של עד שלוש נקודות זה מזה; הקריסה שמתחתיהם — 34.4%, 9.5%, ללא פלט — אומרת יותר על כמה רע פרומפטינג נאיבי של LLM נכשל ברצפי בנייה ארוכים מאשר על המנצח. העובדה ש-Grok 4.7 סיים אפס מתוך 1,000 מקרים היא תזכורת שאלו הרצות ארוכות ושבירות, ושהמדד בודק אם מודל מסוגל בכלל להישאר קוהרנטי למשך 100 צעדים.

הסתייגות אחת לגבי עמודת העלויות: Skyfall מדווחת על עלות לכל מקרה, אך לא על החשבונאות שמאחוריה. בין אם מדובר במחיר מחירון של API, בזמן GPU שכור, או בעלות מופחתת של הסקה עצמית — הדבר משנה את ההשוואה באופן מהותי, במיוחד עבור מודלים ש-Skyfall הרצה בעצמה ולא קראה להם. יש להתייחס ליחסים כנכונים מבחינה כיוונית, ולסכומים המוחלטים בדולרים כבלתי מוסברים.

טענת היעילות משתנה בהתאם לעמוד שקוראים

חומרי ההשקה של Skyfall אינם תואמים זה לזה, וזה שווה לדעת אם אתם מתכננים לצטט אותם. הבלוג של ההשקה מכריז בכותרות "בערך פי 50 מהירות ופי 150 פחות" לכל מקרה CAD, ותוויות הגרף שלו מציגות 51× ו-150×. הכותרת בעמוד המוצר SKY-001 אומרת "3.9 s לעומת 199 s, מהיר פי 49" ו"$0.005 לעומת $0.75, עלות נמוכה פי 143". ההודעה לעיתונות אומרת "מהיר פי 100" ו"עלות נמוכה פי 150". אותו מודל, אותו מדד ביצועים, ארבעה מכפילי מהירות שונים בשלושה מסמכים שפורסמו באותו יום.

החשבון מכריע את מקרה ה-CAD: 199 חלקי 3.9 שווה 51.0, ו-$0.75 חלקי $0.005 שווה 150. הבלוג צודק ושני העמודים האחרים מעוגלים, מיושנים או מחושבים מול בסיס אחר — ה-100× בהודעה לעיתונות אינו מתיישב עם אף מספר באתר. זו אינה שערורייה; עמודי השקה נכתבים בידי אנשים שונים במועדי מסירה שונים, ואיש לא משווה ביניהם. זו סיבה לצטט את הטבלה הראשית, לא את הכותרת, ולצפות שהמכפילים שתראו בסיקור השבוע יהיו שגויים לפי הכיוון שבו במקרה קרא הכותב ראשון.

דף הנחיתה מציג גם פאנל איכות שני שאינו תואם לבלוג. תרשים ה-3D CAD שלו מציג את SKY-001 ב-76.1% IoU לעומת GPT-6 Astra ב-73.4%, Claude Opus 5.5 ב-61.8%, Gemini 3.8 Flash ב-45.9%, Qwen 3.8 Max ב-26.6% ו-Kimi K3 ב-6.5%. בנצ'מרק הבנייה של הבלוג מציג 79.7% לעומת 79.1%. משימה שונה, ציון שונה, אותו שם מודל בשניהם — והפער לעומת Astra נע בין 0.6 נקודות ל-2.7, תלוי באיזה מהם בוחרים. אם אתם מתכוונים להתווכח על הדיוק של המודל הזה, נקבו בשם הבנצ'מרק יחד עם המספר.

BIM: יתרון קטן יותר, וג'מיני ממש מאחור

בנצ'מרק ה-BIM כולל 1,000 תוכניות קומה — כ-350 קומות שלמות שנלקחו ממודלי בניין IFC ו-650 ברמת דירה — עם 20 ועד יותר מ-200 שלבי שרטוט בכל אחת, כ-70 בממוצע, כאשר הדירוג נעשה לפי IoU על התוכנית המוגמרת.

• זמן לכל תוכנית — SKY-001 1.22 שנ׳; Kimi K3 113.9 שנ׳; GPT-6 Astra 144.6 שנ׳; Qwen 3.8 Max 255.3 שנ׳; Gemini 3.8 Flash 346.2 שנ׳; Grok 4.7 592.1 שנ׳.

• עלות לכל תוכנית — 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.

• איכות (IoU ממוצע) — 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%.

נתוני המהירות (119×) והעלות (186×) מול Astra מדויקים. אבל הביטו בעמודת האיכות: Gemini 3.8 Flash מפגר ב־1.3 נקודות אחרי SKY-001, ו-Gemini 3.8 Flash עולה פי 91 אך עדיין זול במונחים מוחלטים — 22 סנט לתוכנית. הפער שמשנה לחברה שמפיקה אלפי תוכניות הוא ממשי; הפער שמשנה לחברה שמפיקה עשרות הוא שגיאת עיגול לעומת שינוי בתהליך העבודה.

והסתכלו על המספר המוחלט. המודל הטוב ביותר במבחן הזה משחזר 43.6% מתוכנית קומה לפי intersection-over-union. זהו רף איכות של תצוגה מקדימה מחקרית, כפי שנאמר בפשטות בניקוד של הספק עצמו, ולא רף של "להחליף את האדריכל". בקריאה כזו, הטענה האמיתית של ההשקה צרה יותר ומוגנת יותר מהציוץ: מודל מרחבי שנבנה למטרה זו מתכנן כעת רצפי בנייה ארוכים במהירות שהופכת יצירה גורפת וחיפוש למעשיים, ברמת נאמנות של בערך רף אנושי למודלי השפה הגדולים בחזית שאיתם הושווה — ולא שהוא פתר את עיצוב הבניינים.

מה הציוץ טעה בו

ההצגה שלפיה SKY-001 "מתעלה על GPT-6 Astra ו-Opus 5.5 במשימות CAD ו-BIM" מגזימה באחת משתי ההשוואות האלה. Claude Opus 5.5 אינו מופיע באף אחד משני מדדי הבנייה. הוא מופיע פעמיים במקום אחר: בסרטון איכותני שבו ארבעה מודלים כתבו כל אחד סקריפט Blender עבור מכלול שלם בבקשה אחת — שם Skyfall עצמה אומרת ש-GPT-6 Astra היה "רחוק לפני" שאר מודלי החזית — וכן כאחד משני שופטי ה-LLM העיוורים שדירגו את SKY-001 מול Astra, לצד GPT-6.1 Sol. פאנל ה-3D CAD של דף הנחיתה כן כולל את Opus 5.5 ב-61.8%, וזהו המקום היחיד שבו קיים עבורו מספר.

ב-BIM אין בכלל שורה של Opus 5.5. גם בטבלת הבנייה ב-CAD אין שורה של Opus 5.5. לכן הגרסה הכנה של הטענה היא: SKY-001 בערך משתווה ל-GPT-6 Astra בדיוק, בזמן ובעלות שהם שבריר, ומנצח את מודלי החזית שהורצו — שכללו את Gemini, Qwen ו-Kimi — בפערים שגדלים ככל שהמשימה מתארכת. החלק של Opus במשפט נובע מהדגמת וידאו וממושב שופט, ולא מבנצ'מרק.

השוואת הקומפוזר ראויה להסתייגות משל עצמה, משום שהיא הרכה יותר מבין שתי התוצאות. Skyfall הריצה את SKY-001 מול GPT-6 Astra, Claude Opus 5.5 ו-Claude Fable 5.1 על אותן תצלומי קלט, כאשר כל LLM כותב סקריפט Blender עבור כל ההרכבה בבקשה אחת. שני שופטי LLM עיוורים דירגו את הרינדורים מ-1 עד 10 בחמישה ממדים, ו-SKY-001 ניצח בארבעה מחמישה — פירוק לחלקים 7.8 מול 6.4, פנים 7.3 מול 6.3, מורכבות 8.0 מול 7.3, התאמה לתמונת הקלט 8.1 מול 6.7, ריאליזם חיצוני 7.7 מול 7.4. ההסתייגויות נמצאות בהערת השוליים של Skyfall עצמה: השופטים הם מודלי LLM, ההגדרה היא פרומפט חד-פעמי ללא כלי עזר או איטרציה עבור המתחרים, ו-GPT-6 Astra החזיר מודל עבור 82% בלבד מהנכסים — כך שב-18% מהסט SKY-001 התחרה מול כלום. סקריפט Blender בבקשה אחת הוא דרך מכוונת לא-מחמיאה להריץ LLM חזיתי בהרכבת תלת-ממד. זה לא הופך את התוצאה לשקרית; זה הופך אותה להשוואה בין צינור עיבוד ייעודי לבין פרומפט מדף, וזה בדיוק מה שגם מבחני הבנייה הם.

מה זה אומר אם אתה באמת בונה תוכנה הנדסית

הטענה המעניינת אינה פער הביצועים במבחן. היא שמודל עולם מרחבי היררכי יכול להחזיק יחד תוכנית בנייה בת 100 שלבים בכלל, על פני חמישה רמות הרכבה ואלפי חלקים, ולהפיק משהו שמשיג ציון בטווח של נקודה אחת מ-LLM בחזית בחפיפה גיאומטרית. אם זה יחזיק מעמד בבדיקה עצמאית, ההשלכות המעשיות נוגעות לחיפוש ולא להחלפה: כאשר הרצת עיצוב עולה חצי סנט וארבע שניות במקום 75 סנט ושלוש דקות, אפשר לייצר אלף וריאציות ולבחור אחת. זה מוצר שונה ממודל שמייצר עיצוב אחד לאט.

החלקים ש-Skyfall אומרת שיגיעו לאחר מכן מצביעים לאותו כיוון. שרטוטי CAD יהפכו לפעולות פרמטריות ברות-הרצה עם היסטוריית מאפיינים ניתנת לעריכה, כך שמעצב יוכל לבקש להרחיב תושבת ולגרום לחלקים השכנים שחייבים להשתנות לעקוב אחריה. פלט BIM יהפוך לקירות, דלתות, חלונות וחדרים במודל בניין שניתן לעריכה ולא לשרטוט. מעבר לכך, פריסת PCB וחומרה אחרת. אלה הצהרות מפת דרכים, לא תכונות ששוחררו, ותצוגת המחקר אינה מכילה אף אחת מהן.

יש גם את השאלות ששחרור מודל בדרך כלל עונה עליהן, וזה לא. אין מספר פרמטרים. אין מאמר ארכיטקטורה. אין משקולות, אין רישיון, אין נתיב אירוח עצמי. אין חלון הקשר, כי זה לא מודל צ׳אט. אין מערכת הערכה מפורסמת, ולכן אין דרך להריץ מחדש את הבנצ׳מרק על החלקים שלך. ואין מדידה עצמאית: ל-Artificial Analysis, ל-LMArena וללוחות הרגילים של צד שלישי אין רשומת SKY-001, וזה לא מפתיע עבור מודל שכבר פומבי יום אחד ואי אפשר לפנות אליו. כל נתון בקטע הזה הוא דיווח של הספק ולא משוחזר, והדפים של הספק עצמו סותרים זה את זה בשיעור של עד פי 2 במכפיל המהירות המוצהר. שכפול עצמאי הוא הדבר שיש להמתין לו לפני שהמספרים הופכים לבעלי משקל בהחלטת בנייה.

אם אתה זקוק ליכולת הזו ברבעון הזה

אין לך אפשרות להשיג את SKY-001. עמוד המוצר מציע רשימת המתנה, ההודעה לעיתונות אומרת שהפריסה המסחרית המלאה מיועדת לתחילת 2027, והאינטגרציה היחידה שמוזכרת בשמה היא הדגמה בתוך Autodesk Fusion ולא מחבר שיצא לשוק. שום דבר כאן אינו סיבה לתכנן פייפליין ל-2026 סביבו.

מה שאתם יכולים לקבל הוא המודל שמולו הוא נבחן. GPT-6 Astra מנותב ב-OrcaRouter בתור openai/gpt-6-astra, במחירי המחירון של OpenAI של 10.00 דולר למיליון טוקני קלט ו-50.00 דולר למיליון טוקני פלט עם חלון הקשר של 1.05M טוקנים, מועבר הלאה בתוספת מרווח של 0% — כך שאם OpenAI משנה את התעריף, התעריף כאן משתנה באותו יום ולא לאחר חישוב מחדש של המרווח. הוא כולל את Artificial Analysis Intelligence Index של 54.7, את Coding Index של 76.9 ואת Agentic Index של 51.6, שזה המספר העצמאי שאין ל-SKY-001.

זו גם הדרך השפויה להחזיק מודל לא מוכח על הרדאר בלי להמר על נתיב ייצור עליו. כאשר SKY-001 אכן יגיע ל-API — בתחילת 2027 לפי התוכנית הנוכחית, ואולי דרך שותף לפני ש-Skyfall תמכור ישירות — הבדיקה שכדאי להריץ היא החלקים שלכם, לא מבחן של 1,000 רכיבים. עד אז, דפוס הניתוב ששורד מודל שלא הערכתם הוא המשעמם: השאירו את הקריאה בנקודת קצה אחת, שימו מאחוריה שרשרת גיבוי, ותנו לראוטר להעביר תנועה כשספק איטי או כשמודל מפסיק להיות התשובה הטובה ביותר. מנגנון ה-failover של OrcaRouter קיים בדיוק משום שמודל חדש צריך להרוויח תנועת ייצור על סמך תוצאות מדודות, ואף אחד לא מדד את SKY-001 מחוץ ל-Skyfall.

מה לצפות

שלושה דברים יהפכו את זה מהדגמת ספק חזקה להחלטה. ראשית, הערכה עצמאית על מערך בדיקות ציבורי — בנצ'מרק הבנייה הוא של Skyfall עצמה, מוגדר על ידי Skyfall, בלי מערך משימות שפורסם, ומרווח ה-CAD של 0.6 נקודות נמצא היטב בתוך הטווח שמוסכמת ניקוד אחרת יכולה להפוך. שנית, הצורה המסחרית: אם תחילת 2027 תגיע כ-API עם מחיר לכל תכן, כתוסף בתוך כלי CAD ו-BIM שבהם הקונה כבר עובד, או כרישיון ארגוני שנמכר לחברות ולא למפתחים. האזכור של Autodesk Fusion מרמז על השנייה, מה שיהפוך את SKY-001 לתכונה של תוכנת התכנון שכבר בבעלותך ולא למודל שאתה קורא לו. שלישית, אם ההיררכיה מכלילה מעבר ל-CAD ול-BIM לעבודת PCB וחומרה ש-Skyfall מציינת בהמשך — זו הטענה שהיתרון הוא בארכיטקטורה, לא בנתוני האימון.

נכון לעכשיו, הסיכום המדויק הוא צר. Skyfall AI השיקה את מודל העולם ההנדסי האמין הראשון, והדבר שבו היא באמת מנצחת הוא מהירות ועלות לכל תכנון, בפי 10 עד פי 100, עם דיוק שמשתווה לחזית ולא עוקף אותה. זו יכולת חדשה באמת והימור אסטרטגי אמיתי נגד גישת ה-LLM לתכנון פיזי. היא גם, היום, דף רשימת המתנה ובנצ'מרק של ספק — ושש עשיריות הנקודה, ולא ה-150×, הוא המספר שיכריע אם היא יותר מזה.