Apollo World vs SKY-001：「World Model」が3つの異なる役割を意味するとき

Apollo WorldとSKY-001は15日違いで発表され、名称以外にほとんど共通点がない。Apollo WorldはBaiduのエージェント駆動型シミュレーターで、2026年11月3日に公開された。仮想都市のカメラおよびLiDAR観測を生成し、ロボタクシー用スタックを完全な運行行程で訓練・評価できるようにする。SKY-001はSkyfall AIのエンジニアリング・ワールドモデルで、2026年10月19日に発表された。機械部品が製造される際の視覚状態の順序付きシーケンスを予測する——図面ごとの製造計画だ。一方は交通シーンを時間方向に進め、もう一方は製造プロセスを時間方向に進める。どちらもワールドモデルと呼ばれるのは正しいが、まさにそこがこの言葉の問題だ。

その言葉は、いつの間にかカテゴリーではなく職種名になっている。今では3つの製品がその名を冠している。視聴できる環境を生成するモデル、エージェントが内部で行動できる環境をシミュレートするモデル、そしてプロセスの状態遷移を予測するモデルだ。Apollo Worldは2番目。SKY-001は3番目。それらを直接比較するのは、フライトシミュレーターを組立マニュアルと比べるようなものだ。どちらも何かがどう展開するかを説明するが、一方を他方の用途に使うことは決してない。

SKY-001は、通りではなくビルドを予測します

Skyfall AIは、マイクロソフトが2017年に買収したカナダの研究ラボMaluubaのチームによって設立され、出資者にはFidelity、Touring Capital、M13、iNoviaが含まれると報じられている。SKY-001は2026年10月19日に、ウェイティングリスト付きのリサーチプレビューとして発表された。API、価格設定、ライセンス、モデルの重みはなく、商用展開の本格開始は2027年初頭を目標としている。

このアーキテクチャは2つの段階から成り、どちらもテキストトークンではなく視覚状態を対象に動作する拡散トランスフォーマーです。

• Hierarchical Composer は設計全体を生成し、その後、それをアセンブリ、サブアセンブリ、部品へと再帰的に分割します。各階層は並列化可能です。これにより、モデルは複雑なオブジェクトの単一のモノリシックな図面を生成することを避けられます。

• Construction World Modelは、各リーフパーツを構築する視覚状態の順序付きシーケンスを、マトリョーシカ型オートエンコーダ上での2パス拡散方式を用いて予測します。まず粗い潜在ロールアウトを行い、その後フル解像度リファイナーを適用します。

トレーニングデータに関する主張は、大規模かつ具体的です。コンポーザー向けの20万点を超えるパーツ、60万件を超える施工例、そして約3万5000枚の間取り図が約200万の描画状態に寄与しています。出力されるのは、視覚的な計画の連続です。つまり、施工順序が図面として描画されたものです。これは編集可能なCADのフィーチャ履歴ではなく、Skyfallはフィーチャレベルの出力を今後の課題として挙げています。

その最後の区別こそ、エンジニアが最も気にする点です。部品がどのように組み立てられるかを示す一連の画像は、レビュー、文書化、下流モデルのトレーニング、そして不可能な作業順序の発見に役立ちます。それはCADパッケージで開いて編集できるモデルではなく、機械工にツールパスを渡すものでもありません。

Apollo Worldは次の1秒間のトラフィックを予測します

Baiduの{{1}}深センでのAI Day・Apolloにおける発表{{/1}}は、この分野への訂正として位置づけられた。Intelligent Driving GroupのチーフアーキテクトであるWang Liangは、ワールドモデルは印象的な動画を生み出す画家であるべきではなく、運転の安全性を検証する試験官であるべきだと論じた。続く「2+3」という評価基準は、何が該当するかを定義する公開された試みの中で最も明確なものだ。

二つの関門は、因果性、すなわち次の状態がフレームごとに組み立てられて後から埋められるのではなく、現在の状態から予測されることと、インタラクティブ性、すなわち注入されたアクションがその後の展開を変えることである。評価対象となる三つの特性は、物理的正確さ、持続性、リアルタイム性能である。持続性は、長時間の実行にわたって物体や細部にドリフトが生じないことと定義され、リアルタイム性は、道路車両が必要とする30分の1秒、約33ミリ秒の判断サイクルによって制約される。

このモデルが持つ3つの能力は、その点に対応している。交通参加者は台本どおりに動く小道具ではなく、自ら判断を下すエージェントであるため、ブレーキをかけたロボタクシーは後続車の挙動を変える。カメラとLiDARはリアルタイムで生成されるため、テスト対象のスタックは実道で使うのと同じインターフェースを通じて仮想世界を認識する。また、乗車は注文、乗車地でのピックアップ、降車まで、任意の出発地と目的地にわたってエンドツーエンドで完結する。Baiduは、このシステムがすでにApollo Goのグローバルな検証を支えており、1日あたり約10万シミュレーションキロメートルを計上していると述べ、それを安全運転員を同乗させた車による約3年間の連続テストに相当すると表現している。併せて、Apollo Goの運用実績（28都市、2,300万回超の乗車、3億5,000万自律走行キロメートル、うち2億4,000万キロメートルが完全無人運転）も挙げられた。

パラメータも、アーキテクチャも、論文も、重みも、価格もない。Apollo World は初めて公に説明された社内インフラであり、購入の判断に使える発売日が設定された製品ではない。

数字、そして43.6%のIoUが意味するもの

Skyfallは2つのベンチマークを公開したが、いずれも自己申告によるもので、独立して再現されたものではない。約100描画ステップずつ、1,000コンポーネントのCAD構築タスクにおいて、SKY-001は平均IoU 79.7%で1ケースあたり3.9秒、$0.005と報告している。GPT-6 Astraは199秒、$0.75、79.1%、Gemini 4は253秒、$0.25、76.9%、Qwen 3.8 Maxは764秒、$0.30、34.4%、Kimi K3は439秒、$0.13、9.5%と記載されている。Grok 4.7は1,250秒で出力を生成しなかった。

BIMの間取り図タスク（1,000件のプラン、約70ステップ）において、SKY-001は1.22秒、$0.0024、IoU 43.6%を報告しており、Gemini 3.8 Flashの42.3%、GPT-6 Astraの40.6%、Kimi K3の33.7%、Qwen 3.8 Maxの28.8%、Grok 4.7の28.2%と対比されています。

よく読むと、表は見出しよりも興味深いことを示している。GPT-6 Astra に対する CAD のリードは IoU 0.6 ポイントで、Skyfall 自身の投稿でも、モデルは「打ち負かす」ではなく「匹敵するか上回る」と述べられている。つまり実際の差は、出力がより優れていることではなく、約 51 倍高速で 150 倍安いということだ。BIM のリードは 3.0 ポイント。そして間取り図における平均 IoU 43.6% は、表の中で最良のモデルでも、intersection-over-union で参照プランの半分未満しか再構成できないことを意味する。これは研究プレビュー段階の数字であり、本番環境の数字ではない。さらに CAD では、ブログが 79.7% と示しているところをランディングページが 76.1% と表示していると報告されており、これは同じ数値が複数の場所で言い直されるときに生じる種類のずれだ。

報道記事内の「SKY-001がClaude Opus 5.5を上回る」という主張は、情報源と照らし合わせると成立しない。Opus 5.5は資料内で、GPT-6.1 Solと並ぶブラインド言語モデル審査員として登場しており、どちらのベンチマークでも競合として扱われていない。定性的比較で審査員に好まれることは、IoUでより高いスコアを出すことと同じではない。

比較が実際に効いてくるのはどこか——出力を評価するのは誰か

二つの発表を結ぶ唯一の方法論的な糸は、モデルによる評価である。Skyfallの主要な主張は、言語モデルのブラインドパネルが描画を採点したことに一部基づいている。Baiduの主張は、自社のエンジニアが適用した社内ルーブリックに基づいており、外部による採点は一切ない。どちらの企業も、第三者が再実行できるプロトコルを公開していない。

これはワールドモデルブームの中で最も成熟していない部分であり、ルーティング層が飾りではなく実質的な仕事をする場所です。生成された視覚状態の判定はモデル呼び出しです — 多くの場合、特定のラボの好みが「良い」を定義しないよう、異なるベンダーの複数モデルによる呼び出しです。OrcaRouterのモデル融合は、モデルのパネルが同じ判定プロンプトに共同で回答し、その統合された判定を1つのエンドポイントを通じて返すことを可能にします。また、ルーティングDSLを使えば、ハーネスを書き換えることなく、異なる評価ステージを異なるモデルに送れます。それが私たちのカバーする層です。200以上のモデル、1つのキー、プロバイダーのリスト価格をそのまま通す0%マークアップ。SKY-001もApollo Worldもそのカタログにはなく、どちらも呼び出す対象のモデルではありません — 呼び出すのは判定モデルです。

どちらも呼び出し可能ではなく、その点が判断を変えます。

可用性に関する問いへの答えは、理由は異なりますが、両者とも同じです。SKY-001はウェイトリスト制のリサーチプレビューで、商用展開は2027年初頭を目標としており、公開された条件はありません。Apollo WorldはBaidu内部で展開されており、外部には提供されていません。どちらも価格はなく、今日時点で自社のワークロードに対してベンチマークすることもできません。

それぞれから持ち帰れるのは方法だ。SKY-001の二段階分解——全体を構成し、次に各葉の構築順序を予測する——は、階層と操作順序を持つあらゆるプロセスに使える再利用可能なパターンである。Apollo Worldの2+3ルーブリックは、誰かが売り込もうとするあらゆるシミュレータに使える再利用可能なテストであり、特にその持続性基準は、ほとんどのベンダーが測定値をもって答えられない問いだ。

どれが必要かがわかる3つの質問

まず、あなたがモデル化している対象の中では、エージェントが行動していますか？　はいの場合、環境シミュレータが必要で、Apollo World のルーブリックが適用されます。状態遷移が決定論的で、ポリシーではなく計画によって駆動される場合は、より SKY-001 に近いものが必要です。

第二に、その出力は人間に消費されるのか、それとも制御ループに消費されるのか？　建設手順はエンジニアと下流のモデルによって消費されるため、視覚的なもっともらしさとステップの順序が指標になる。運転シミュレーションは知覚・計画スタックによって消費されるため、センサーの一貫性とレイテンシが指標になる。両者には共通する評価基準がほとんどない。

第三に、あなたが必要としているのは物理学か、それとも手順か？ SKY-001は、ブラケットが支えるアセンブリの前にそのブラケットを取り付けなければならないことを知っている。だが、ブラケットを落としたときに何が起こるかは知らない。Apollo Worldは、歩行者が飛び出したときに何が起こるかを知っている。部品がどのように製造されるかについては、意見を持っていない。

「世界モデル」というラベルは広がり続けるだろう。なぜなら、それは少なくとも4つの異なる製品カテゴリーのために同時にマーケティングの仕事をしているからだ。有用な規律は、どの状態が予測されているのか、何がそれに作用するのか、そして誰がその予測を消費するのかを問うことだ。Apollo WorldとSKY-001は、これら3つの問いにまったく異なる方法で答える。一度そう問えば、比較は結局、もともとあったものに帰着する。たまたま名前を共有している2つの優れたアイデアだ。