Apollo World vs Hunyuan3D WorldClaw: Een plek om te wandelen, of een drive om te scoren

Het nuttigste aan Apollo World tegenover Hunyuan3D WorldClaw te zetten, is dat beide het woord "wereld" gebruiken en geen van beide er hetzelfde mee bedoelen. Hunyuan3D WorldClaw is het agentische raamwerk van Tencent Hunyuan om één open tekstprompt om te zetten in een grote, verkenbare 3D-scène die bestaat uit expliciete, getextureerde meshes per object, die je in Blender kunt openen en naar een game-engine kunt exporteren. Apollo World is Baidu's agentgestuurde simulator, op 3 november 2026 onthuld, die realtime camera- en lidarwaarnemingen van een virtuele stad genereert, zodat een robotaxi-stack kan worden getraind en beoordeeld op volledige ritten. WorldClaw bouwt een plek. Apollo World laat er een rit doorheen rijden. Als je hierheen kwam om erachter te komen welke betere 3D genereert, is de vraag verkeerd gesteld op een manier die nadere uitleg verdient in plaats van een antwoord.

Twee producten die één zelfstandig naamwoord dragen

De overlap is reëel maar smal. Beide produceren iets wat iemand als een wereld zou kunnen beschrijven. Daarna loopt elke eigenschap uiteen.

• Oplevering — WorldClaw: een scènebestand met afzonderlijke meshes, materialen en transformaties. Apollo World: een stroom sensorframes plus agentstatus, verbruikt door een rijbeleid in plaats van door een persoon.

• Werkeenheid — WorldClaw: één prompt naar één scène. Apollo World: één route, één beleid, één beoordeelde reis.

• Tijd — De output van WorldClaw is statisch zodra die is gegenereerd; Apollo World bestaat om vooruit te worden gespeeld, waarbij elke beslissing verandert wat er daarna gebeurt.

• Voor wie het bedoeld is — WorldClaw: een levelontwerper, een gamestudio, een team voor synthetische data dat geometrie nodig heeft. Apollo World: Baidu's eigen organisatie voor autonoom rijden.

• Wat "goed" betekent — WorldClaw: ziet de scène er samenhangend uit en kan deze worden samengesteld zonder zwevende objecten. Apollo World: wordt de auto die wordt getest veiliger.

Zo gesteld zijn de twee niet zozeer rivalen als wel aangrenzende fasen van een pijplijn die nog niemand end-to-end heeft gebouwd. De een maakt de set. De ander regelt het verkeer erop.

Wat WorldClaw daadwerkelijk doet, fase voor fase

WorldClaw kun je het best begrijpen als een dirigent in plaats van een instrument. De paper, arXiv 2608.05248, werd ingediend op 5 augustus 2026, met de officiële aankondiging op 11 augustus. Het raamwerk accepteert een vrije prompt en doorloopt vier fasen van grof naar fijn.

• Intentie en planning — taalmodelagenten lezen de prompt en beslissen wat de scène moet bevatten, waarbij ze een plan produceren in plaats van een afbeelding.

• Terrein — een globale pass genereert een semantische lay-out, hoogtevelden en materialen, zodat de grond coherent is voordat er iets op wordt geplaatst.

• Objecten — regio's worden gerenderd, gesegmenteerd en elke regio wordt via Hunyuan3D gereconstrueerd tot een afzonderlijk mesh. Hier wordt de belofte van expliciete geometrie waargemaakt: de output is een verzameling objecten, geen samengesmolten blob of een Gaussian splat.

• Verfijning — een vision-agent inspecteert de render op zwevende objecten, interpenetratie, verkeerde schaal en verkeerde pose, en stuurt correcties terug.

De onderliggende stack is een lijst van modellen van anderen en één zeer grote applicatie: Claude Opus 4.8 voor planning, GPT-Image-2 voor beeldmateriaal, SAM3 en SAM3D voor segmentatie, Hunyuan3D voor reconstructie en Blender 5.1.1 aangestuurd via MCP voor assemblage. Tencent meldt dat het draait op vier NVIDIA H20-GPU's. De gepubliceerde evaluatie is kwalitatief: outputs worden vergeleken met SynCity, WorldGen, MajutsuCity en Marble aan de hand van naast elkaar geplaatste scènes, zonder FID-, CLIP- of gebruikersonderzoekscijfers.

De repository is het deel dat ertoe doet voor iedereen die van plan is hem te gebruiken. Het officiële GitHub-project bevat een README en assets. Er is geen code, geen gewichten, geen inferentiescript, geen API en geen prijs. Een frameworkpaper zonder implementatie is een beschrijving van een methode, geen tool, en de kloof tussen die twee is waar de meeste "kan ik het proberen"-vragen sneuvelen.

Wat Apollo World eigenlijk beweert

Apollo World werd op 3 november 2026 in Shenzhen tijdens Baidu AI Day·Apollo onthuld door Wang Liang, hoofdarchitect van Baidu's Intelligent Driving Group, en Yang Ze, die leiding geeft aan het werk aan wereldmodellen. De insteek was scherp: een wereldmodel zou geen schilder van indrukwekkende video moeten zijn, maar een toetser van rijveiligheid. Baidu onderbouwde dat met een beoordelingskader dat het "2+3" noemt — twee poorten die bepalen of iets überhaupt als wereldmodel telt, en drie eigenschappen die beoordelen hoe goed het is.

De voorwaarden zijn causaliteit en interactiviteit. Causaliteit betekent dat de volgende toestand wordt voorspeld uit de huidige in plaats van te worden samengesteld uit frames en achteraf ingevuld; interactiviteit betekent dat een actie die in de scène wordt geïnjecteerd, verandert wat volgt. De beoordeelde eigenschappen zijn fysieke nauwkeurigheid, persistentie en realtimeprestaties. Persistentie is wat een demo onderscheidt van een testopstelling: een simulator waarvan objecten bij een lange run langzaam gaan afdrijven of vervormen, beoordeelt uiteindelijk een beleid tegen een wereld die niet meer overeenkomt met de wereld waarmee hij begon. Baidu stelt de beslissingscyclus voor een wegvoertuig op een dertigste seconde, ongeveer 33 milliseconden.

Drie capaciteiten dragen die beloften. Elke verkeersdeelnemer wordt gemodelleerd als een agent met eigen beslissingen in plaats van als een gescript rekwisiet, zodat een remmende robotaxi een andere reactie kan uitlokken bij de auto erachter. Camera- en lidargegevens worden in realtime gegenereerd, waardoor de driving stack de virtuele stad kan waarnemen via dezelfde interface die hij op een echte weg gebruikt. En ritten worden end-to-end afgerond — order geaccepteerd, passagier opgehaald, passagier afgeleverd — met willekeurige vertrekpunten en bestemmingen, in plaats van als geïsoleerde scenarioclips.

Baidu zegt dat het model al de wereldwijde tests en validatie van Apollo Go ondersteunt, en noemt ongeveer 100.000 kilometer gesimuleerd rijden per dag, gepresenteerd als circa drie jaar continu testen door een auto met veiligheidsbestuurder. De eigen operationele cijfers van Apollo Go werden ernaast geciteerd: 28 steden, meer dan 23 miljoen ritten, 350 miljoen autonome kilometers, waarvan meer dan 240 miljoen volledig bestuurderloos. Er werd geen parameteraantal, architectuur, benchmarktabel, paper, gewichtsbestand of prijs gepubliceerd. Dit is een capaciteitsbriefing over interne infrastructuur, geen productlancering.

"Agentic" betekent hier twee verschillende dingen

Dit is de valkuil in de vergelijking, en het is de moeite waard om hier even bij stil te staan, want beide aankondigingen leunen op hetzelfde modewoord.

In WorldClaw zijn de agenten de bouwers. Taalmodel-planners splitsen een prompt op in een scèneplan, een visie-agent inspecteert het resultaat en geeft correcties. De intelligentie zit in de auteurslus, en die werkt één keer, voordat je de scène ooit laadt. Zodra de meshes zijn geëxporteerd, zijn de agenten verdwenen; de wereld is inerte geometrie.

In Apollo World zijn de agenten de bewoners. De planners zetten niets in elkaar — zij besturen de andere auto's, lopen over de stoepen en beslissen of ze voorrang geven. De intelligentie blijft bestaan zolang de simulatie duurt, en het hele doel ervan is de wereld te laten reageren op wat wordt getest. Een statische scène met reagerende bewoners zou in WorldClaw-termen een tegenstrijdigheid zijn en in Apollo-termen juist het hele punt.

Dat onderscheid verklaart ook waarom het moeilijk is om de twee naïef te combineren. WorldClaw-meshes in een rijsimulator droppen levert een mooi ogende set op waarin niets beweegt. Reactief verkeer aan een WorldClaw-scène toevoegen betekent dat je de gedragslaag zelf moet schrijven. De frameworks lossen verschillende helften van hetzelfde probleem op, en geen van beide levert de andere helft mee.

Geen van beide is beschikbaar, en niet om dezelfde reden.

WorldClaw is gedocumenteerd, maar niet distribueerbaar. Het paper beschrijft een methode in voldoende detail dat een team met voldoende middelen deze opnieuw zou kunnen implementeren, en verschillende derde partijen hebben gedeeltelijke versies gebouwd, maar Tencent heeft de code of de gewichten niet vrijgegeven. De vereiste van vier H20's en de afhankelijkheid van een stapel afzonderlijk gelicentieerde modellen betekenen ook dat een release, zelfs als die er kwam, geen kant-en-klare download zou zijn.

Apollo World is uitgerold maar wordt niet aangeboden. Baidu beschrijft het als draaiend voor Apollo Go, en de openbaarmaking bevat geen commerciële voorwaarden, geen interface en geen enkele aanwijzing dat externe toegang is gepland. De vergelijking tussen de twee op het gebied van beschikbaarheid is daarom niet "open versus gesloten", maar "niet uitgebracht versus intern" — een onderscheid dat van belang is als je op een van beide wacht.

Voor teams die dit kwartaal een wereld nodig hebben, is de praktische route geen van beide. Een game-engine met een procedurele scènetool dekt de statische helft; een commerciële rijsimulator dekt de dynamische helft; en de open-weight video-worldmodellen dekken de demohelft, slecht, als je sensoren nodig hebt. OrcaRouter heeft Apollo World of Hunyuan3D WorldClaw niet — geen van beide is een aanroepbaar model — maar de taal- en visiefases rondom een scènepijplijn zijn gewoon API-werk, en dat is de laag die wij daadwerkelijk dekken: één sleutel, meer dan 200 modellen, 0% markup op de lijstprijs van de provider, en failover wanneer een planningsaanroep halverwege de build een timeout krijgt.

Welke is de juiste referentie voor jouw probleem?

Als je een gamelevel, een synthetische dataset van interieurs of een set voor virtual production bouwt, is WorldClaw het relevantere ontwerp, ook al kun je het niet draaien: de vierfasige decompositie — plan, terrein, objecten, verfijning — is een degelijke architectuur, en de expliciete mesh-output is de juiste keuze voor alles wat later nog bewerkt moet worden. Het ontbreken van kwantitatieve evaluatie is de waarschuwing die je bij elke herimplementatie moet meenemen; "ziet er beter uit dan SynCity" is geen specificatie.

Als je een driving-stack valideert, is de 2+3-rubric van Apollo World de nuttigere export, en die is vandaag al bruikbaar als checklist, ook al is het model dat niet. Vraag elke simulatorleverancier naar causaliteit, interactiviteit, fysische nauwkeurigheid, persistentie over een lange run en latency bij scènecomplexiteit. Een leverancier die de persistentievraag niet kan beantwoorden met een driftmeting, verkoopt je een videogenerator met een physics-label.

De twee zullen waarschijnlijk samenkomen. Een simulator die bewerkbare, goed gestructureerde scènes uit een framework als WorldClaw zou kunnen inlezen, zou de contentbottleneck oplossen die rijsimulatie duur maakt; een generator van WorldClaw-klasse die de bewoners ervan zou kunnen animeren, zou stoppen met het produceren van diorama's. Geen van beide bedrijven heeft dat werk aangekondigd. Voorlopig is de eerlijke beschrijving een decorbouwer zonder code en een verkeersexaminator zonder deur, en het enige dat ze echt delen is een woord.