Apollo World vs SKY-001: Ketika "World Model" Berarti Tiga Tugas yang Berbeda

Apollo World dan SKY-001 diumumkan dengan selisih lima belas hari dan hampir tidak memiliki kesamaan selain sebuah label. Apollo World adalah simulator yang digerakkan agen milik Baidu, diungkapkan pada 3 November 2026, yang menghasilkan observasi kamera dan lidar atas sebuah kota virtual sehingga stack robotaxi dapat dilatih dan dinilai pada perjalanan lengkap. SKY-001 adalah model dunia rekayasa milik Skyfall AI, diumumkan pada 19 Oktober 2026, yang memprediksi urutan keadaan visual yang terurut saat sebuah komponen mekanis dibangun — rencana konstruksi gambar demi gambar. Yang satu memajukan adegan lalu lintas ke depan dalam waktu. Yang lain memajukan proses manufaktur ke depan dalam waktu. Keduanya secara benar disebut model dunia, dan itulah tepatnya masalah dengan frasa tersebut.

Istilah itu diam-diam telah menjadi jabatan, bukan kategori. Tiga produk kini menyandangnya: model yang menghasilkan lingkungan yang dapat ditonton, model yang menyimulasikan lingkungan tempat agen dapat bertindak, dan model yang memprediksi transisi keadaan suatu proses. Apollo World adalah yang kedua. SKY-001 adalah yang ketiga. Membandingkannya secara langsung seperti membandingkan simulator penerbangan dengan panduan perakitan: keduanya menjelaskan bagaimana sesuatu berlangsung, dan Anda tidak akan pernah memakai yang satu untuk pekerjaan yang lain.

SKY-001 memprediksi build, bukan jalan

Skyfall AI didirikan oleh tim di balik Maluuba, laboratorium riset Kanada yang diakuisisi Microsoft pada 2017, dan para pendukungnya dilaporkan mencakup Fidelity, Touring Capital, M13, dan iNovia. SKY-001 diumumkan pada 19 Oktober 2026 sebagai pratinjau riset dengan daftar tunggu. Tidak ada API, tidak ada harga, tidak ada lisensi, dan tidak ada bobot; penerapan komersial penuh ditargetkan pada awal 2027.

Arsitektur ini memiliki dua tahap, keduanya merupakan transformer difusi yang beroperasi pada keadaan visual, bukan token teks.

• Hierarchical Composer menghasilkan keseluruhan desain, lalu secara rekursif memecahnya menjadi rakitan, sub-rakitan, dan komponen, dengan setiap tingkat dapat diparalelkan. Inilah cara model menghindari pembuatan satu gambar monolitik tunggal dari objek yang kompleks.

• Construction World Model memprediksi urutan terurut keadaan visual yang membangun setiap bagian daun, menggunakan skema difusi dua lintasan pada autoencoder bergaya Matryoshka: rollout laten kasar terlebih dahulu, lalu refiner resolusi penuh.

Klaim data pelatihannya besar dan spesifik: lebih dari 200.000 komponen untuk composer, lebih dari 600.000 contoh konstruksi, dan sekitar 35.000 denah lantai yang menyumbang sekitar dua juta status gambar. Yang dihasilkan adalah rangkaian rencana visual — urutan pembangunan yang dirender sebagai gambar. Ini bukan riwayat fitur CAD yang dapat diedit, dan Skyfall mencantumkan keluaran tingkat fitur sebagai pekerjaan mendatang.

Perbedaan terakhir itulah yang paling akan dipedulikan oleh seorang insinyur. Rangkaian gambar yang menunjukkan cara sebuah komponen dirakit berguna untuk peninjauan, dokumentasi, pelatihan model hilir, dan untuk mengenali urutan operasi yang mustahil. Itu bukan model yang dapat Anda buka dan edit di paket CAD, dan itu tidak memberikan jalur alat kepada seorang juru mesin.

Apollo World memprediksi lalu lintas pada detik berikutnya

Pengungkapan Baidu di AI Day·Apollo di Shenzhen dibingkai sebagai koreksi terhadap bidang ini. Wang Liang, arsitek utama Intelligent Driving Group, berpendapat bahwa world model seharusnya bukan pelukis yang menghasilkan video mengesankan, melainkan penguji yang memverifikasi keselamatan berkendara. Rubrik yang menyusul — “2+3” — adalah upaya terbitan paling jelas untuk mendefinisikan apa yang memenuhi syarat.

Dua gerbang tersebut adalah kausalitas, yang berarti keadaan berikutnya diprediksi dari keadaan saat ini, bukan dirakit bingkai demi bingkai lalu diisi mundur, dan interaktivitas, yang berarti tindakan yang diinjeksikan mengubah apa yang terjadi setelahnya. Tiga properti bertingkat adalah akurasi fisik, persistensi, dan kinerja waktu nyata. Persistensi didefinisikan sebagai tidak adanya penyimpangan pada objek dan detail selama pengoperasian panjang; waktu nyata dibatasi oleh siklus keputusan sepertiga puluh detik, sekitar 33 milidetik, yang dibutuhkan oleh kendaraan jalan raya.

Tiga kemampuan model tersebut selaras dengan hal itu. Peserta lalu lintas adalah agen yang mengambil keputusan sendiri, bukan objek yang telah diprogram, sehingga robotaxi yang mengerem mengubah perilaku mobil di belakangnya. Kamera dan lidar dihasilkan secara real time, sehingga stack yang diuji mempersepsikan dunia virtual melalui antarmuka yang sama dengan yang digunakan di jalan nyata. Dan perjalanan selesai dari awal hingga akhir—pemesanan, penjemputan, penurunan—di berbagai titik asal dan tujuan yang arbitrer. Baidu mengatakan sistem tersebut telah mendukung validasi global Apollo Go dan menyebutkan sekitar 100.000 kilometer simulasi per hari, yang digambarkan setara dengan sekitar tiga tahun pengujian berkelanjutan oleh mobil yang dilengkapi pengemudi keselamatan. Angka operasional Apollo Go—28 kota, lebih dari 23 juta perjalanan, 350 juta kilometer otonom, 240 juta di antaranya sepenuhnya tanpa pengemudi—juga dikutip.

Tidak ada parameter, tidak ada arsitektur, tidak ada makalah, tidak ada bobot, tidak ada harga. Apollo World adalah infrastruktur internal yang untuk pertama kalinya dijelaskan secara publik, bukan produk dengan tanggal peluncuran yang bisa dijadikan dasar untuk membeli.

Angka-angkanya, dan apa arti IoU 43,6%

Skyfall menerbitkan dua benchmark, keduanya dilaporkan sendiri dan tidak satu pun direplikasi secara independen. Pada tugas konstruksi CAD dengan 1.000 komponen pada sekitar 100 langkah penggambaran masing-masing, SKY-001 melaporkan 3,9 detik dan $0,005 per kasus pada IoU rata-rata 79,7%. GPT-6 Astra tercatat 199 detik, $0,75 dan 79,1%; Gemini 4 pada 253 detik, $0,25 dan 76,9%; Qwen 3.8 Max pada 764 detik, $0,30 dan 34,4%; Kimi K3 pada 439 detik, $0,13 dan 9,5%; Grok 4.7 tidak menghasilkan output dalam 1.250 detik.

Pada tugas denah lantai BIM dengan 1.000 denah pada sekitar 70 langkah, SKY-001 melaporkan 1,22 detik, $0,0024, dan IoU 43,6%, dibandingkan dengan Gemini 3.8 Flash pada 42,3%, GPT-6 Astra pada 40,6%, Kimi K3 pada 33,7%, Qwen 3.8 Max pada 28,8%, dan Grok 4.7 pada 28,2%.

Baca dengan cermat, tabel-tabel itu mengatakan sesuatu yang lebih menarik daripada judulnya. Keunggulan CAD atas GPT-6 Astra adalah 0,6 poin IoU — tulisan Skyfall sendiri menyebut model itu "menyamai atau melampaui", bukan mengalahkan — jadi selisih sebenarnya kira-kira 51 kali lebih cepat dan 150 kali lebih murah, bukan output yang lebih baik. Keunggulan BIM adalah 3,0 poin. Dan IoU rata-rata 43,6% pada denah lantai berarti model terbaik dalam tabel merekonstruksi kurang dari setengah denah referensi berdasarkan intersection-over-union. Itu angka pratinjau riset, bukan angka produksi, dan halaman landing dilaporkan menampilkan 76,1% saat blog menampilkan 79,7% untuk CAD, semacam pergeseran yang muncul ketika sebuah angka dinyatakan ulang di berbagai saluran.

Satu klaim dalam liputan tidak bertahan ketika diuji terhadap sumber-sumbernya: bahwa SKY-001 mengalahkan Claude Opus 5.5. Opus 5.5 muncul dalam materi sebagai juri model bahasa tanpa identitas bersama GPT-6.1 Sol, bukan sebagai pesaing pada tolok ukur mana pun. Lebih disukai oleh juri dalam perbandingan kualitatif tidak sama dengan mencetak skor lebih tinggi pada IoU.

Di mana perbandingan itu benar-benar berpengaruh: siapa yang menilai outputnya

Benang metodologis yang menghubungkan kedua pengumuman itu adalah evaluasi oleh model. Klaim utama Skyfall sebagian bertumpu pada panel buta model bahasa yang menilai gambar. Klaim Baidu bertumpu pada rubrik internal yang diterapkan oleh para insinyurnya sendiri, tanpa penilaian eksternal sama sekali. Tidak ada perusahaan yang menerbitkan protokol yang dapat dijalankan ulang oleh pihak ketiga.

Ini adalah bagian dari ledakan world-model yang paling belum matang, dan di sinilah lapisan perutean melakukan kerja nyata alih-alih kerja dekoratif. Menilai state visual yang dihasilkan adalah pemanggilan model — sering kali beberapa, dari vendor berbeda, sehingga preferensi satu lab pun tidak mendefinisikan "bagus". Fitur OrcaRouter yang disebut fusi model memungkinkan panel model menjawab prompt penilaian yang sama bersama-sama dan mengembalikan putusan gabungan mereka melalui satu endpoint, dan DSL perutean dapat mengirim tahap evaluasi berbeda ke model berbeda tanpa menulis ulang harness. Itulah lapisan yang kami cakup: lebih dari 200 model, satu kunci, markup 0% dengan harga daftar penyedia diteruskan apa adanya. Baik SKY-001 maupun Apollo World tidak ada di katalog itu, dan keduanya juga bukan model yang Anda panggil — para juri itulah yang dipanggil.

Keduanya tidak dapat dipanggil, dan itu mengubah keputusan.

Pertanyaan tentang ketersediaan memiliki jawaban yang sama untuk keduanya, tetapi karena alasan yang berbeda. SKY-001 adalah pratinjau riset yang berada di balik daftar tunggu, dengan penerapan komersial ditargetkan pada awal 2027 dan tanpa ketentuan yang dipublikasikan. Apollo World diterapkan di dalam Baidu dan tidak ditawarkan secara eksternal. Keduanya tidak memiliki harga, dan keduanya tidak dapat dijadikan tolok ukur terhadap beban kerja Anda sendiri saat ini.

Yang dapat Anda ambil dari masing-masing adalah metodenya. Dekomposisi dua tahap SKY-001 — menyusun keseluruhan, lalu memprediksi urutan konstruksi setiap daun — adalah pola yang dapat digunakan kembali untuk proses apa pun yang memiliki hierarki dan urutan operasi. Rubrik 2+3 Apollo World adalah uji yang dapat digunakan kembali untuk simulator apa pun yang seseorang coba jual kepada Anda, dan khususnya kriteria persistensinya adalah pertanyaan yang paling tidak dapat dijawab oleh para vendor dengan sebuah pengukuran.

Tiga pertanyaan yang memberi tahu Anda mana yang Anda butuhkan

Pertama: apakah hal yang Anda modelkan memiliki agen yang bertindak di dalamnya? Jika ya, Anda memerlukan simulator lingkungan dan rubrik Apollo World berlaku. Jika transisi keadaan bersifat deterministik dan digerakkan oleh rencana alih-alih kebijakan, Anda memerlukan sesuatu yang lebih mirip SKY-001.

Kedua: apakah outputnya dikonsumsi oleh manusia atau oleh sebuah control loop? Sebuah urutan konstruksi dikonsumsi oleh para insinyur dan model hilir, sehingga kredibilitas visual dan pengurutan langkah adalah metriknya. Sebuah simulasi berkendara dikonsumsi oleh tumpukan persepsi dan perencanaan, sehingga konsistensi sensor metrik dan latensi adalah metriknya. Keduanya hampir tidak memiliki kriteria evaluasi yang sama.

Ketiga: apakah Anda membutuhkan fisika atau prosedur? SKY-001 tahu bahwa braket harus dipasang sebelum rakitan yang ditopangnya; ia tidak tahu apa yang terjadi ketika braket itu terjatuh. Apollo World tahu apa yang terjadi ketika seorang pejalan kaki melangkah keluar; ia tidak punya pendapat tentang bagaimana suatu komponen diproduksi.

Label model dunia akan terus melar, karena label itu menjalankan kerja pemasaran untuk setidaknya empat kategori produk berbeda sekaligus. Disiplin yang berguna adalah bertanya keadaan apa yang diprediksi, apa yang bertindak atasnya, dan siapa yang mengonsumsi prediksi itu. Apollo World dan SKY-001 menjawab ketiga pertanyaan tersebut dengan cara yang benar-benar berbeda, dan begitu Anda menanyakannya, perbandingan itu larut menjadi apa yang selama ini memang ada: dua gagasan bagus yang kebetulan berbagi nama.