SKY-001: Model Dunia Rekayasa Skyfall AI Mengalahkan GPT-6 Astra dalam Hal Biaya hingga 150x — dan dalam Akurasi sebesar 0,6 Poin

Skyfall AI mengumumkan SKY-001 pada 19 Oktober 2026, dan klaim yang akan terus Anda lihat diulang adalah bahwa model ini mengungguli GPT-6 Astra dan Claude Opus 5.5 dalam pekerjaan CAD dan BIM. Angka di balik klaim itu lebih kecil dan lebih menarik daripada klaimnya sendiri. Pada benchmark konstruksi CAD milik vendor itu sendiri, SKY-001 mencetak 79,7% IoU berbanding 79,1% milik GPT-6 Astra. Itu selisih enam persepuluh poin — jenis selisih yang muncul karena random seed berbeda, bukan karena arsitektur baru. Yang sama sekali tidak berimbang adalah segala hal di sekitarnya: 3,9 detik per kasus berbanding 199, dan $0,005 berbanding $0,75. Akurasinya imbang. Efisiensinya kemenangan telak. Materi Skyfall sendiri menyuarakan poin kedua dengan lantang dan, di satu tempat, tanpa sengaja menyampaikan poin pertama untuk Anda. Kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam Arsip Insiden AI OrcaRouter di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, nilai keyakinan, dan penanda status disengketakan.

Ada hal kedua yang perlu diketahui sebelum angka-angka itu penting bagi Anda: SKY-001 bukan sesuatu yang bisa Anda panggil. Ini berada dalam pratinjau riset, di balik daftar tunggu, dengan penerapan komersial penuh ditargetkan pada awal 2027. Tidak ada API, tidak ada harga, tidak ada bobot, tidak ada jumlah parameter, tidak ada lisensi. Tulisan ini membahas apa yang sebenarnya ditetapkan oleh peluncuran ini — bagaimana benchmark bertahan ketika Anda membaca tabelnya alih-alih judulnya, apa yang benar-benar dilakukan model ini secara berbeda, dan apa yang harus dilakukan tim yang membutuhkan kemampuan ini hari ini alih-alih menunggu.

Apa yang sebenarnya dirilis Skyfall

Skyfall AI adalah perusahaan asal San Francisco dengan hub riset di Toronto, didirikan oleh tim di balik Maluuba, laboratorium deep learning yang diakuisisi Microsoft pada 2017. Sam Pasupalak menjabat sebagai CEO; Kaheer Suleman dan Sumit Pasupalak adalah salah satu pendirinya. Perusahaan ini keluar dari mode stealth pada Juli 2026 dengan tawaran yang tidak biasa — model dunia untuk perusahaan, dan pada akhirnya sebuah perusahaan yang dijalankan oleh AI — didukung oleh Fidelity, Touring Capital, M13, dan iNovia. SKY-001 adalah rilis model pertamanya dan artefak konkret pertama di balik tesis tersebut.

Pitch dalam satu kalimat: desain rekayasa bukanlah masalah bahasa, jadi berhentilah menyelesaikannya dengan model bahasa. Sebuah mesin terurai menjadi ratusan komponen yang tersarang beberapa tingkat dalam, masing-masing dibatasi oleh komponen tetangganya; denah lantai adalah dinding, lalu unit, lalu ruangan, lalu pintu dan perlengkapan tetap, yang digambar dalam urutan yang penting. Model yang mengeluarkan satu rantai teks autoregresif yang panjang harus menampung semua itu dalam satu konteks dan semakin memburuk seiring rantai memanjang. SKY-001 sebaliknya merencanakan di dunia visual, dalam hierarki, dengan setiap tingkat menyerahkan subtujuan eksplisit kepada tingkat di bawahnya.

Dua komponen yang melakukannya. Hierarchical Composer mengambil niat desain — sebuah gambar, teks, atau selubung bangunan dengan ringkasan kebutuhan — dan menghasilkan keseluruhan desain, lalu memecahnya tingkat demi tingkat, menyempurnakan setiap daun secara paralel. Construction World Model kemudian memprediksi urutan keadaan visual yang membangun setiap daun: dalam CAD, rantai keadaan solid 3D dengan sketsa 2D yang digambar di antara setiap pasangan berurutan; dalam BIM, denah lantai yang digambar goresan demi goresan. Penggambaran itu sendiri berjalan sebagai difusi dalam dua lintasan, rollout kasar dalam ruang laten terkompresi dari autoencoder bergaya Matryoshka, lalu refiner yang memulihkan resolusi penuh. Keduanya adalah transformer difusi; tidak satu pun memprediksi token.

Tidak ada informasi publik tentang ukuran arsitektur itu. Skyfall mengungkapkan datanya, bukan modelnya: lebih dari 200.000 komponen untuk composer dan lebih dari 600.000 contoh konstruksi untuk model dunia, ditambah sekitar 35.000 denah lantai nyata dan sintetis yang mewakili sekitar dua juta keadaan gambar. Data CAD itu dibangun ulang dari dataset perakitan publik yang hierarkinya tidak konsisten dan komponennya tidak bernama, serta riwayat konstruksinya hilang; Skyfall melakukan reverse engineering terhadapnya dengan alat teknik dan alur kerja berbantuan LLM lalu memverifikasi hasilnya sebelum melatih model dengannya. Argumen skala datanya nyata: dibandingkan dengan PartVerse, dataset dekomposisi komponen yang umum, objek median memiliki 6 komponen dan persentil ke-99 sebanyak 33. Median Skyfall adalah 288 dan persentil ke-99-nya adalah 4.180.

Membaca benchmark CAD dengan benar

Benchmark konstruksi CAD terdiri dari 1.000 komponen yang diambil sampelnya dari objek kompleks — Jaguar E-Type Roadster, lengan las FANUC ArcMate 100iB, Minitractor 4×4, helikopter Bell 222, mesin jet — yang masing-masing memerlukan sekitar 100 langkah penggambaran, dinilai dengan IoU terhadap bentuk referensi. Lima model frontier dijalankan pada benchmark ini. Setiap angka di bawah ini adalah milik Skyfall, dihasilkan oleh Skyfall, pada model yang dijalankan sendiri oleh Skyfall.

• Waktu per kasus — SKY-001 3,9 dtk; GPT-6 Astra 199 dtk; Gemini 4 253 dtk; Kimi K3 439 dtk; Qwen 3.8 Max 764 dtk; Grok 4.7 1.250 dtk dan tidak menyelesaikan satu pun.

Biaya per kasus — 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 untuk tanpa keluaran.

• Kualitas (IoU rata-rata) — 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 tidak ada hasil.

Itulah keseluruhan tabelnya, dan tabel itu layak dibaca dua kali. Kisah efisiensinya sekuat yang dijanjikan: 51× lebih cepat dan 150× lebih murah daripada pesaing terbaik, yang pada seribu desain per minggu adalah selisih antara pos biaya $5 dan $750. Kisah kualitasnya imbang. SKY-001, GPT-6 Astra, dan Gemini 4 semuanya berada dalam selisih tiga poin satu sama lain di puncak; keruntuhan di bawahnya — 34,4%, 9,5%, tanpa output — lebih banyak berbicara tentang betapa buruknya prompting LLM naif gagal pada urutan konstruksi yang panjang daripada tentang pemenangnya. Grok 4.7 yang menyelesaikan nol dari 1.000 kasus adalah pengingat bahwa ini adalah rollout yang panjang dan rapuh, dan bahwa benchmark ini mengukur apakah sebuah model dapat tetap koheren selama 100 langkah sama sekali.

Satu catatan pada kolom biaya: Skyfall melaporkan biaya per kasus tetapi tidak melaporkan perhitungan akuntansi di baliknya. Apakah itu harga daftar API, waktu GPU sewaan, atau inferensi self-hosted yang diamortisasi, hal itu mengubah perbandingan secara substansial — terutama untuk model yang dijalankan sendiri oleh Skyfall alih-alih dipanggil. Anggap rasio-rasionya benar secara arah dan angka dolar absolutnya tidak dijelaskan.

Klaim efisiensi berubah tergantung halaman mana yang Anda baca

Materi peluncuran Skyfall tidak saling konsisten, yang perlu diketahui jika Anda berencana mengutipnya. Judul blog peluncuran menuliskan “sekitar 50× lebih cepat dan 150 kali lebih sedikit” per kasus CAD, dan label grafiknya berbunyi 51× dan 150×. Judul halaman produk SKY-001 berbunyi “3,9 s vs 199 s, 49× lebih cepat” dan “$0,005 vs $0,75, biaya 143× lebih rendah”. Siaran pers menyebutkan “100x lebih cepat” dan “150x biaya lebih rendah”. Model yang sama, benchmark yang sama, empat pengali kecepatan berbeda di tiga dokumen yang diterbitkan pada hari yang sama.

Aritmetika menyelesaikan kasus CAD: 199 dibagi 3,9 adalah 51,0, dan $0,75 dibagi $0,005 adalah 150. Blog itu benar dan dua halaman lainnya dibulatkan, kedaluwarsa, atau dihitung terhadap dasar pembanding yang berbeda — angka 100× dalam siaran pers tidak dapat dicocokkan dengan angka mana pun di situs. Ini bukan skandal; halaman peluncuran ditulis oleh orang berbeda dengan tenggat berbeda dan tidak ada yang membandingkan perbedaannya. Ini adalah alasan untuk mengutip tabel primer, bukan judul utamanya, dan untuk mengharapkan bahwa pengali yang Anda lihat dalam liputan minggu ini salah ke arah mana pun yang kebetulan dibaca penulisnya lebih dulu.

Halaman landing page juga melaporkan panel kualitas kedua yang tidak cocok dengan blog. Grafik CAD 3D-nya menunjukkan SKY-001 pada 76,1% IoU dibandingkan GPT-6 Astra pada 73,4%, Claude Opus 5.5 pada 61,8%, Gemini 3.8 Flash pada 45,9%, Qwen 3.8 Max pada 26,6%, dan Kimi K3 pada 6,5%. Benchmark konstruksi blog menunjukkan 79,7% berbanding 79,1%. Tugas berbeda, skor berbeda, nama model sama di keduanya — dan selisih atas Astra berubah dari 0,6 poin menjadi 2,7 tergantung mana yang Anda ambil. Jika Anda ingin memperdebatkan akurasi model ini, sebutkan benchmark beserta angkanya.

BIM: keunggulan yang lebih tipis, dan Gemini tepat di belakang

Tolok ukur BIM terdiri atas 1.000 denah lantai — sekitar 350 lantai utuh yang diambil dari model bangunan IFC dan 650 pada tingkat apartemen — dengan 20 hingga lebih dari 200 langkah penggambaran masing-masing, rata-rata sekitar 70, dinilai dengan IoU pada denah yang sudah selesai.

• Waktu per rencana — SKY-001 1,22 dtk; Kimi K3 113,9 dtk; GPT-6 Astra 144,6 dtk; Qwen 3.8 Max 255,3 dtk; Gemini 3.8 Flash 346,2 dtk; Grok 4.7 592,1 dtk.

• Biaya per paket — 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.

• Kualitas (IoU rata-rata) — 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%.

Angka kecepatan 119× dan biaya 186× dibandingkan Astra memang akurat. Tetapi lihat kolom kualitas: Gemini 3.8 Flash tertinggal 1,3 poin dari SKY-001, dan Gemini 3.8 Flash berbiaya 91× lebih mahal tetapi masih murah secara absolut pada 22 sen per rencana. Kesenjangan yang penting bagi firma yang menyusun ribuan rencana itu nyata; kesenjangan yang penting bagi firma yang menyusun puluhan rencana hanyalah kesalahan pembulatan dibandingkan perubahan alur kerja.

Dan lihatlah angka absolutnya. Model terbaik pada tolok ukur ini merekonstruksi 43,6% denah lantai berdasarkan intersection-over-union. Itu adalah standar kualitas pratinjau riset, yang dinyatakan secara gamblang oleh penilaian vendor sendiri, bukan standar "menggantikan arsitek". Jika dibaca dalam konteks itu, klaim sebenarnya dari peluncuran ini lebih sempit dan lebih dapat dipertahankan daripada tweet: model spasial yang dirancang khusus kini merencanakan urutan konstruksi yang panjang dengan kecepatan yang membuat generasi massal dan pencarian menjadi praktis, dengan fidelitas sekitar setingkat tolok ukur manusia terhadap LLM frontier yang menjadi pembandingnya — bukan bahwa model itu telah memecahkan desain bangunan.

Apa yang keliru dengan tweet itu

Pembingkaian bahwa SKY-001 “mengungguli GPT-6 Astra dan Opus 5.5 pada tugas CAD dan BIM” terlalu melebih-lebihkan salah satu dari dua perbandingan tersebut. Claude Opus 5.5 tidak muncul di salah satu pun dari kedua benchmark konstruksi itu. Model ini muncul dua kali di tempat lain: dalam video kualitatif ketika empat model masing-masing menulis skrip Blender untuk satu rakitan utuh dalam satu permintaan — yang di dalamnya Skyfall sendiri mengatakan GPT-6 Astra “jauh di depan” model-model frontier lainnya — dan sebagai salah satu dari dua juri LLM blind yang menilai SKY-001 melawan Astra, bersama GPT-6.1 Sol. Panel 3D CAD di halaman landing memang mencantumkan Opus 5.5 pada 61,8%, dan hanya di situlah angka untuk model itu ada.

Di BIM tidak ada baris Opus 5.5 sama sekali. Juga tidak ada baris Opus 5.5 di tabel konstruksi CAD. Jadi versi jujur dari klaim tersebut adalah: SKY-001 kira-kira menyamai GPT-6 Astra dalam akurasi dengan sebagian kecil waktu dan biaya, dan mengalahkan model-model frontier yang dijalankan — yang mencakup Gemini, Qwen, dan Kimi — dengan selisih yang makin besar seiring tugas menjadi lebih panjang. Bagian Opus dalam kalimat itu diwarisi dari demo video dan kursi juri, bukan dari benchmark.

Perbandingan composer ini memerlukan catatan tersendiri, karena hasilnya lebih lunak di antara kedua hasil tersebut. Skyfall menjalankan SKY-001 terhadap GPT-6 Astra, Claude Opus 5.5, dan Claude Fable 5.1 pada foto masukan yang sama, dengan setiap LLM menulis skrip Blender untuk seluruh perakitan dalam satu permintaan. Dua juri LLM buta menilai render dari 1 hingga 10 pada lima dimensi, dan SKY-001 memenangi empat dari lima — dekomposisi bagian 7,8 berbanding 6,4, interior 7,3 berbanding 6,3, kompleksitas 8,0 berbanding 7,3, kecocokan dengan gambar masukan 8,1 berbanding 6,7, realisme eksterior 7,7 berbanding 7,4. Catatan keberatannya ada dalam catatan kaki Skyfall sendiri: jurinya adalah LLM, pengaturannya adalah prompting satu kali tanpa perkakas atau iterasi bagi para pesaing, dan GPT-6 Astra hanya mengembalikan model untuk 82% aset — jadi pada 18% set, SKY-001 bersaing melawan tidak ada apa-apa. Skrip Blender satu permintaan adalah cara yang sengaja tidak menyanjung untuk menjalankan LLM terdepan pada perakitan 3D. Itu tidak membuat hasilnya salah; itu membuatnya menjadi perbandingan antara pipeline yang dibangun khusus dan prompt siap pakai, yang persis seperti tolok ukur konstruksi juga.

Apa artinya ini jika Anda benar-benar membangun perangkat lunak teknik

Klaim yang menarik bukanlah selisih pada benchmark. Melainkan bahwa model dunia spasial hierarkis dapat menjaga rencana konstruksi 100 langkah tetap utuh, melintasi lima tingkat perakitan dan ribuan komponen, dan menghasilkan sesuatu yang skornya hanya berselisih satu poin dari LLM terdepan dalam tumpang tindih geometris. Jika itu bertahan dalam pengujian independen, konsekuensi praktisnya adalah tentang pencarian, bukan penggantian: ketika satu rollout desain berbiaya setengah sen dan empat detik alih-alih 75 sen dan tiga menit, Anda dapat menghasilkan seribu varian dan memilih satu. Itu adalah produk yang berbeda dari model yang menghasilkan satu desain secara lambat.

Bagian-bagian yang menurut Skyfall akan hadir berikutnya mengarah ke arah yang sama. Sketsa CAD akan menjadi operasi parametrik yang dapat dieksekusi dengan riwayat fitur yang dapat diedit, sehingga seorang desainer dapat meminta untuk melebarkan braket dan membuat bagian-bagian di sekitarnya yang harus berubah ikut menyesuaikan. Keluaran BIM akan menjadi dinding, pintu, jendela, dan ruangan dalam model bangunan yang dapat diedit, bukan sekadar gambar. Selain itu, tata letak PCB dan perangkat keras lainnya. Itu semua adalah pernyataan peta jalan, bukan fitur yang sudah dirilis, dan pratinjau riset tidak memuat satu pun darinya.

Ada juga pertanyaan-pertanyaan yang biasanya dijawab oleh sebuah rilis model dan tidak dijawab oleh rilis ini. Tidak ada jumlah parameter. Tidak ada makalah arsitektur. Tidak ada bobot, tidak ada lisensi, tidak ada jalur self-hosting. Tidak ada jendela konteks, karena ini bukan model chat. Tidak ada harness evaluasi yang dipublikasikan, jadi tidak ada cara untuk menjalankan ulang benchmark pada bagian Anda sendiri. Dan tidak ada pengukuran independen: Artificial Analysis, LMArena, dan papan pihak ketiga yang biasa tidak memiliki entri SKY-001, yang tidak mengherankan untuk model yang baru sehari publik dan tidak dapat dipanggil. Setiap angka dalam tulisan ini dilaporkan vendor dan belum direproduksi, dan halaman vendor itu sendiri saling bertentangan hingga 2× pada pengali kecepatan utamanya. Replikasi independen adalah hal yang perlu ditunggu sebelum angka-angka itu menjadi tumpuan dalam keputusan build.

Jika Anda memerlukan kemampuan ini pada kuartal ini

Anda tidak bisa mendapatkan SKY-001. Halaman produknya menyediakan daftar tunggu, siaran persnya menyebutkan bahwa penerapan komersial penuh ditargetkan pada awal 2027, dan satu-satunya integrasi yang disebutkan adalah demonstrasi di dalam Autodesk Fusion, bukan konektor yang sudah dirilis. Tidak ada satu pun hal di sini yang menjadi alasan untuk merencanakan pipeline 2026 berdasarkan produk ini.

Yang bisa Anda dapatkan adalah model yang menjadi pembanding dalam benchmark-nya. GPT-6 Astra dirutekan di OrcaRouter sebagai openai/gpt-6-astra, dengan harga daftar OpenAI sebesar $10,00 per juta token input dan $50,00 per juta token output dengan jendela konteks 1,05 juta token, diteruskan dengan markup 0% — jadi jika OpenAI mengubah tarifnya, tarif di sini ikut berubah pada hari yang sama, bukan setelah perhitungan ulang margin. Model ini memiliki Artificial Analysis Intelligence Index 54,7, Coding Index 76,9, dan Agentic Index 51,6, yaitu angka independen yang tidak dimiliki SKY-001.

Itu juga cara yang waras untuk tetap memantau model yang belum terbukti tanpa mempertaruhkan jalur produksi padanya. Ketika SKY-001 nanti benar-benar tersedia sebagai API — awal 2027 menurut rencana saat ini, dan mungkin lewat mitra sebelum Skyfall menjualnya langsung — pengujian yang layak dijalankan adalah komponen Anda sendiri, bukan tolok ukur 1.000 komponen. Sampai saat itu, pola routing yang tetap bertahan menghadapi model yang belum Anda evaluasi adalah pola yang membosankan: simpan panggilan di satu endpoint, letakkan rantai fallback di belakangnya, dan biarkan router memindahkan lalu lintas ketika penyedia lambat atau sebuah model tidak lagi menjadi jawaban terbaik. Failover OrcaRouter ada justru karena model baru harus memperoleh lalu lintas produksi berdasarkan hasil yang terukur, dan belum ada yang mengukur SKY-001 di luar Skyfall.

Apa yang harus ditonton

Tiga hal akan mengubah ini dari demo vendor yang kuat menjadi sebuah keputusan. Pertama, evaluasi independen pada harness publik — tolok ukur konstruksi itu milik Skyfall sendiri, didefinisikan oleh Skyfall, tanpa set tugas yang dirilis, dan selisih 0,6 poin pada CAD berada jauh di dalam rentang yang bisa dibalik oleh konvensi penilaian yang berbeda. Kedua, bentuk komersialnya: apakah awal 2027 hadir sebagai API dengan harga per desain, sebagai plugin di dalam alat CAD dan BIM tempat pembeli sudah bekerja, atau sebagai lisensi perusahaan yang dijual ke firma, bukan ke pengembang. Penyebutan Autodesk Fusion mengisyaratkan yang kedua, yang akan menjadikan SKY-001 fitur dari perangkat lunak desain yang sudah Anda miliki, bukan model yang Anda panggil. Ketiga, apakah hierarki itu dapat digeneralisasi melampaui CAD dan BIM ke pekerjaan PCB dan perangkat keras yang disebut Skyfall berikutnya — itulah klaim bahwa arsitektur, bukan data pelatihan, yang menjadi keunggulannya.

Untuk saat ini, ringkasan yang akurat masih sempit. Skyfall AI telah merilis model dunia rekayasa pertama yang kredibel, dan hal yang benar-benar menjadi keunggulannya adalah kecepatan dan biaya per desain, sebesar satu hingga dua orde besaran, dengan akurasi yang menyamai frontier alih-alih mengalahkannya. Itu adalah kemampuan yang benar-benar baru dan taruhan strategis nyata terhadap pendekatan LLM untuk desain fisik. Namun hari ini, ia juga masih berupa halaman daftar tunggu dan benchmark vendor — dan angka enam persepuluh poin, bukan 150×, adalah angka yang akan menentukan apakah ia lebih dari itu.