SKY-001: Skyfall AI's Engineering World Model verslaat GPT-6 Astra qua kosten met een factor 150 — en qua nauwkeurigheid met 0,6 punten

Skyfall AI kondigde SKY-001 aan op 19 oktober 2026, en de bewering die je steeds zult zien terugkomen, is dat het beter presteert dan GPT-6 Astra en Claude Opus 5.5 op CAD- en BIM-werk. Het getal onder die bewering is kleiner en interessanter dan de bewering zelf. Op de eigen CAD-constructiebenchmark van de leverancier scoort SKY-001 79,7% IoU tegenover de 79,1% van GPT-6 Astra. Dat is zes tienden van een punt — het soort verschil dat je krijgt van een andere random seed, niet van een nieuwe architectuur. Wat niet dicht bij elkaar ligt, is alles eromheen: 3,9 seconden per geval tegenover 199, en $0,005 tegenover $0,75. De nauwkeurigheid is een gelijkspel. De efficiëntie is een eclatante overwinning. Skyfalls eigen materiaal maakt het tweede punt luid en duidelijk en maakt op één plek, zonder het te bedoelen, het eerste punt voor je. De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waarbij elke vermelding voorzien is van eigen bronnen, ernst, betrouwbaarheidsgraad en een betwistingsmarkering.

Er is nog een tweede ding dat je moet weten voordat een van die cijfers voor jou iets betekent: SKY-001 is niet iets dat je kunt aanroepen. Het staat in research preview, achter een wachtlijst, met volledige commerciële uitrol gepland voor begin 2027. Geen API, geen prijzen, geen gewichten, geen parameteraantal, geen licentie. Dit artikel gaat over wat de lancering feitelijk vaststelt — hoe de benchmarks standhouden wanneer je de tabel leest in plaats van de kop, wat het model werkelijk anders doet, en wat een team dat deze capaciteit vandaag nodig heeft, moet doen in plaats van te wachten.

Wat Skyfall daadwerkelijk heeft uitgebracht

Skyfall AI is een bedrijf uit San Francisco met een onderzoekshub in Toronto, opgericht door het team achter Maluuba, het deeplearninglab dat Microsoft in 2017 overnam. Sam Pasupalak is CEO; Kaheer Suleman en Sumit Pasupalak zijn medeoprichters. Het bedrijf verliet in juli 2026 de stealthmodus met een ongebruikelijke propositie — worldmodels voor ondernemingen, en uiteindelijk een door AI gerund bedrijf — met steun van Fidelity, Touring Capital, M13 en iNovia. SKY-001 is de eerste modelrelease en het eerste concrete artefact achter die these.

De pitch in één zin: technisch ontwerp is geen taalprobleem, dus stop met het oplossen ervan met een taalmodel. Een motor valt uiteen in honderden onderdelen die meerdere niveaus diep genest zijn, elk beperkt door zijn buren; een plattegrond is muren, dan eenheden, dan kamers, dan deuren en vaste inrichting, getekend in een volgorde die ertoe doet. Een model dat één lange autoregressieve tekstketen genereert, moet dat allemaal in één context vasthouden en wordt slechter naarmate de keten langer wordt. SKY-001 plant daarentegen in de visuele wereld, in een hiërarchie, waarbij elk niveau een expliciet subdoel doorgeeft aan het niveau eronder.

Twee componenten doen dat. De Hierarchical Composer neemt een ontwerpintentie — een afbeelding, tekst of een gebouwschil met een briefing — en genereert het hele ontwerp, en splitst het vervolgens niveau voor niveau, waarbij elk blad parallel wordt verfijnd. Het Construction World Model voorspelt vervolgens de geordende reeks visuele toestanden die elk blad opbouwt: in CAD een keten van 3D-solidtoestanden, waarbij tussen elk opeenvolgend paar de 2D-schets wordt getekend; in BIM een plattegrond die streek voor streek wordt getekend. De tekening zelf verloopt als diffusie in twee passes, een grove rollout in een gecomprimeerde latente ruimte uit een auto-encoder in Matryoshka-stijl, en dan een verfijner die de volledige resolutie herstelt. Beide zijn diffusietransformatoren; geen van beide voorspelt tokens.

Over de omvang van die architectuur is publiekelijk niets bekend. Skyfall heeft zijn data bekendgemaakt, niet zijn model: meer dan 200.000 onderdelen voor de composer en ruim 600.000 constructievoorbeelden voor het wereldmodel, plus ongeveer 35.000 echte en synthetische plattegronden die circa twee miljoen tekenstatussen vertegenwoordigen. De CAD-data werd opnieuw opgebouwd uit openbare assemblagadatasets waarvan de hiërarchieën inconsistent waren, de onderdelen geen naam hadden en de constructiehistorieën ontbraken; Skyfall reverse-engineerde die met engineeringtools en LLM-ondersteunde workflows en verifieerde het resultaat voordat erop werd getraind. Het argument rond de dataschaal is reëel: vergeleken met PartVerse, de gangbare dataset voor onderdeeldecompositie, heeft het mediane object 6 onderdelen en het 99e percentiel 33. De mediaan van Skyfall is 288 en het 99e percentiel is 4.180.

De CAD-benchmark goed lezen

De CAD-constructiebenchmark bestaat uit 1.000 componenten, gesampled uit complexe objecten — een Jaguar E-Type Roadster, een FANUC ArcMate 100iB-lasarm, een Minitractor 4×4, een Bell 222-helikopter, een straalmotor — die elk ongeveer 100 tekenstappen vergen en worden gescoord met IoU ten opzichte van de referentievorm. Vijf frontier-modellen werden erop uitgevoerd. Elk getal hieronder is van Skyfall, geproduceerd door Skyfall, op modellen die Skyfall zelf aanstuurde.

• Tijd per case — SKY-001 3,9 s; GPT-6 Astra 199 s; Gemini 4 253 s; Kimi K3 439 s; Qwen 3.8 Max 764 s; Grok 4.7 1.250 s en voltooide geen enkele.

• Kosten per zaak — 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 voor geen output.

• Kwaliteit (gemiddelde IoU) — 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 geen resultaat.

Dat is de hele tabel, en die verdient een tweede blik. Het efficiëntieverhaal is zo sterk als geadverteerd: 51× sneller en 150× goedkoper dan de beste concurrent, wat bij duizend ontwerpen per week het verschil is tussen een regelpost van $5 en een van $750. Het kwaliteitsverhaal is onbeslist. SKY-001, GPT-6 Astra en Gemini 4 liggen bovenaan allemaal binnen drie punten van elkaar; de instorting daaronder — 34,4%, 9,5%, geen output — zegt meer over hoe slecht naïef LLM-prompten faalt bij lange constructiesequenties dan over de winnaar. Dat Grok 4.7 nul van de 1.000 gevallen afrondt, is een herinnering dat dit lange, kwetsbare rollouts zijn, en dat de benchmark meet of een model überhaupt 100 stappen coherent kan blijven.

Eén kanttekening bij de kostenkolom: Skyfall rapporteert wel een kostprijs per case, maar niet de boekhouding erachter. Of dat nu de API-listprijs is, gehuurde GPU-tijd of afgeschreven self-hosted inference, maakt de vergelijking aanzienlijk anders — vooral voor modellen die Skyfall zelf heeft gedraaid in plaats van aangeroepen. Beschouw de verhoudingen als qua richting juist en de absolute dollarbedragen als onverklaard.

De efficiëntieclaim verschuift afhankelijk van welke pagina je leest.

De lanceermaterialen van Skyfall zijn onderling niet consistent, wat goed is om te weten als je van plan bent ze te citeren. De lanceerblog kopte "ongeveer 50× sneller en 150 keer minder" per CAD-case, en de grafieklabels ervan vermelden 51× en 150×. De kop van de SKY-001-productpagina luidt "3,9 s vs. 199 s, 49× sneller" en "$0,005 vs. $0,75, 143× lagere kosten". Het persbericht zegt "100x sneller" en "150x lagere kosten". Hetzelfde model, dezelfde benchmark, vier verschillende snelheidsfactoren in drie documenten die op dezelfde dag zijn gepubliceerd.

Rekenkunde beslecht de CAD-kwestie: 199 gedeeld door 3,9 is 51,0, en $0,75 gedeeld door $0,005 is 150. De blog klopt en de andere twee pagina's zijn afgerond, verouderd of berekend tegen een andere basis — de 100× uit het persbericht is met geen enkel getal op de site te rijmen. Dit is geen schandaal; introductiepagina's worden door verschillende mensen met verschillende deadlines geschreven en niemand vergelijkt ze. Het is een reden om de primaire tabel te citeren, niet de kop, en om te verwachten dat de vermenigvuldigers die je deze week in de berichtgeving ziet, fout zijn in de richting die de schrijver toevallig het eerst heeft gelezen.

De landingspagina vermeldt ook een tweede kwaliteitspaneel dat niet overeenkomt met de blog. De 3D-CAD-grafiek ervan toont SKY-001 op 76,1% IoU tegenover GPT-6 Astra op 73,4%, Claude Opus 5.5 op 61,8%, Gemini 3.8 Flash op 45,9%, Qwen 3.8 Max op 26,6% en Kimi K3 op 6,5%. De constructiebenchmark in de blog toont 79,7% tegenover 79,1%. Andere taak, andere score, dezelfde modelnaam op beide — en de marge ten opzichte van Astra gaat van 0,6 punten naar 2,7, afhankelijk van welke je erbij pakt. Als je wilt discussiëren over de nauwkeurigheid van dit model, noem dan de benchmark met het getal erbij.

BIM: een kleinere voorsprong, en Gemini zit vlak achter

De BIM-benchmark omvat 1.000 plattegronden — ongeveer 350 volledige verdiepingen afkomstig uit IFC-gebouwmodellen en 650 op appartementsniveau — met elk 20 tot meer dan 200 tekenstappen, gemiddeld ongeveer 70, beoordeeld met IoU op de voltooide plattegrond.

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

Kosten per plan — 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.

• Kwaliteit (gemiddelde IoU) — 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%.

De cijfers van 119× voor snelheid en 186× voor kosten ten opzichte van Astra kloppen. Maar kijk naar de kwaliteitskolom: Gemini 3.8 Flash staat 1,3 punt achter op SKY-001, en Gemini 3.8 Flash kost 91× meer maar is in absolute zin nog steeds goedkoop met 22 cent per plan. Het verschil dat ertoe doet voor een bedrijf dat duizenden plannen opstelt, is reëel; het verschil dat ertoe doet voor een bedrijf dat er tientallen opstelt, is een afrondingsfout vergeleken met een workflowwijziging.

En kijk naar het absolute aantal. Het beste model op deze benchmark reconstrueert 43,6% van een plattegrond via intersection-over-union. Dat is een kwaliteitslat voor een onderzoekspreview, ronduit zo gesteld door de eigen scoring van de leverancier, geen lat om "de architect te vervangen". In dat licht bezien is de werkelijke claim van de lancering smaller en verdedigbaarder dan de tweet: een speciaal voor dit doel gebouwd ruimtelijk model plant nu lange bouwsequenties met een snelheid die bulkgeneratie en zoeken praktisch maakt, met ruwweg getrouwheid op menselijk-benchmarkniveau ten opzichte van de frontier-LLM's waarmee het is vergeleken — niet dat het gebouwontwerp heeft opgelost.

Wat de tweet verkeerd had

De framing dat SKY-001 "beter presteert dan GPT-6 Astra en Opus 5.5 op CAD- en BIM-taken" overdrijft een van die twee vergelijkingen. Claude Opus 5.5 komt in geen van beide bouwbenchmarks voor. Het verschijnt tweemaal elders: in een kwalitatieve video waarin vier modellen elk in één verzoek een Blender-script voor een hele assembly schreven — waar Skyfall zelf zegt dat GPT-6 Astra "ver vooruit" was op de andere frontiermodellen — en als een van de twee blinde LLM-juryleden die SKY-001 tegenover Astra beoordeelden, naast GPT-6.1 Sol. Het 3D-CAD-paneel van de landingspagina bevat wel Opus 5.5 met 61,8%, en dat is de enige plek waar een cijfer voor het model bestaat.

In BIM staat er helemaal geen Opus 5.5-rij. Er staat ook geen Opus 5.5-rij in de CAD-constructietabel. De eerlijke versie van de bewering is dus: SKY-001 evenaart GPT-6 Astra ongeveer qua nauwkeurigheid tegen een fractie van de tijd en kosten, en verslaat de frontier-modellen die werden gedraaid — waaronder Gemini, Qwen en Kimi — met marges die groter worden naarmate de taak langer duurt. Het Opus-deel van de zin is overgenomen uit een videodemo en een juryzetel, niet uit een benchmark.

De composer-vergelijking verdient een eigen voorbehoud, omdat die het zwakkere van de twee resultaten is. Skyfall zette SKY-001 tegenover GPT-6 Astra, Claude Opus 5.5 en Claude Fable 5.1 op dezelfde invoerfoto's, waarbij elke LLM in één verzoek een Blender-script voor de volledige assemblage schreef. Twee blinde LLM-beoordelaars scoorden de renders op vijf dimensies van 1 tot 10, en SKY-001 won er vier van de vijf — onderdeeldecompositie 7,8 tegen 6,4, interieur 7,3 tegen 6,3, complexiteit 8,0 tegen 7,3, overeenkomst met de invoerafbeelding 8,1 tegen 6,7, realisme van het exterieur 7,7 tegen 7,4. De voorbehouden staan in Skyfalls eigen voetnoot: de beoordelaars zijn LLM's, de opzet is one-shot prompting zonder tooling of iteratie voor de concurrenten, en GPT-6 Astra leverde voor slechts 82% van de assets een model — dus bij 18% van de set deed SKY-001 mee tegen niets. Een Blender-script in één verzoek is een bewust onflatteuze manier om een frontier-LLM 3D-assemblage te laten uitvoeren. Dat maakt het resultaat niet onwaar; het maakt er een vergelijking van tussen een speciaal gebouwde pipeline en een kant-en-klare prompt, en dat is precies wat de constructiebenchmarks ook zijn.

Wat dit betekent als je daadwerkelijk engineeringsoftware bouwt

De interessante bewering is niet de benchmarkmarge. Het is dat een hiërarchisch ruimtelijk wereldmodel een constructieplan van 100 stappen überhaupt bij elkaar kan houden, over vijf assemblageniveaus en duizenden onderdelen, en iets kan produceren dat binnen één punt van een frontier-LLM scoort op geometrische overlap. Als dat standhoudt bij onafhankelijke tests, dan gaan de praktische gevolgen over zoeken in plaats van vervangen: wanneer een ontwerp-rollout een halve cent en vier seconden kost in plaats van 75 cent en drie minuten, kun je duizend varianten genereren en er één kiezen. Dat is een ander product dan een model dat langzaam één ontwerp produceert.

De onderdelen die volgens Skyfall hierna komen, wijzen in dezelfde richting. CAD-schetsen zouden uitvoerbare parametrische bewerkingen worden met een bewerkbare featurehistorie, zodat een ontwerper kan vragen om een beugel te verbreden en de aangrenzende onderdelen die moeten meeveranderen, mee te laten volgen. BIM-uitvoer zou muren, deuren, ramen en ruimtes worden in een bewerkbaar gebouwmodel in plaats van een tekening. Verder PCB-layout en andere hardware. Dat zijn roadmap-uitspraken, geen uitgebrachte functies, en de onderzoekspreview bevat er geen enkele.

Er zijn ook de vragen die een modelrelease normaal wel beantwoordt en deze niet. Geen parameteraantal. Geen architectuurpaper. Geen gewichten, geen licentie, geen selfhostingpad. Geen contextvenster, want het is geen chatmodel. Geen gepubliceerd evaluatieharnas, dus geen manier om de benchmark op je eigen onderdelen opnieuw uit te voeren. En geen onafhankelijke meting: Artificial Analysis, LMArena en de gebruikelijke externe boards hebben geen SKY-001-vermelding, wat niet verrassend is voor een model dat al een dag openbaar is en niet kan worden aangeroepen. Elk cijfer in dit stuk is door de leverancier gerapporteerd en niet gereproduceerd, en de eigen pagina's van de leverancier verschillen onderling tot 2× van elkaar wat de opvallendste snelheidsvermenigvuldiger betreft. Onafhankelijke replicatie is waar je op moet wachten voordat de cijfers dragend worden in een buildbeslissing.

Als u deze mogelijkheid dit kwartaal nodig hebt

Je kunt SKY-001 niet krijgen. De productpagina biedt een wachtlijst aan, het persbericht zegt dat de volledige commerciële uitrol is voorzien voor begin 2027, en de enige genoemde integratie is een demonstratie binnen Autodesk Fusion in plaats van een geleverde connector. Niets hiervan is een reden om een pipeline voor 2026 hierop te baseren.

Wat je kunt krijgen, is het model waartegen het is gebenchmarkt. GPT-6 Astra wordt op OrcaRouter gerouteerd als openai/gpt-6-astra, tegen OpenAI's lijstprijzen van $10,00 per miljoen inputtokens en $50,00 per miljoen outputtokens met een contextvenster van 1,05M tokens, doorgegeven tegen 0% opslag — dus als OpenAI het tarief wijzigt, wijzigt het tarief hier dezelfde dag en niet pas na een herberekening van de marge. Het heeft een Artificial Analysis Intelligence Index van 54,7, een Coding Index van 76,9 en een Agentic Index van 51,6, en dat is het onafhankelijke cijfer dat SKY-001 niet heeft.

Dat is ook de verstandige manier om een onbewezen model in het oog te houden zonder er een productiepad op te verwedden. Wanneer SKY-001 wel een API bereikt — begin 2027 volgens het huidige plan, en mogelijk via een partner voordat Skyfall rechtstreeks verkoopt — is de test die de moeite waard is je eigen onderdelen, niet een benchmark met 1.000 componenten. Tot dan is het routingpatroon dat een model dat je niet hebt geëvalueerd overleeft, het saaie patroon: houd de aanroep in één endpoint, zet er een fallback-keten achter, en laat de router het verkeer verplaatsen wanneer een provider traag is of een model niet langer het beste antwoord is. De failover van OrcaRouter bestaat juist omdat een nieuw model productieverkeer zou moeten verdienen op basis van gemeten resultaten, en niemand heeft SKY-001 buiten Skyfall gemeten.

Wat te kijken

Drie dingen zouden dit van een sterke leveranciersdemo in een beslissing veranderen. Ten eerste: een onafhankelijke evaluatie op een publieke harness — de constructiebenchmark is van Skyfall zelf, gedefinieerd door Skyfall, zonder vrijgegeven taakset, en de CAD-marge van 0,6 punt ligt ruim binnen het bereik dat een andere scoringsconventie zou kunnen omdraaien. Ten tweede: de commerciële vorm: of begin 2027 arriveert als een API met een prijs per ontwerp, als een plug-in binnen CAD- en BIM-tools waar de koper al werkt, of als een enterprise-licentie die aan bedrijven wordt verkocht in plaats van aan ontwikkelaars. De vermelding van Autodesk Fusion wijst op het tweede, wat SKY-001 een functie zou maken van de ontwerpsoftware die je al bezit in plaats van een model dat je aanroept. Ten derde: of de hiërarchie generaliseert voorbij CAD en BIM naar het PCB- en hardwarewerk dat Skyfall hierna noemt — dat is de bewering dat de architectuur, en niet de trainingsdata, het voordeel is.

Voorlopig is de nauwkeurige samenvatting beperkt. Skyfall AI heeft het eerste geloofwaardige engineeringwereldmodel uitgebracht, en waar het echt op wint, is snelheid en kosten per ontwerp, met één tot twee ordes van grootte, met een nauwkeurigheid die de frontier evenaart in plaats van die te verslaan. Dat is een werkelijk nieuwe capaciteit en een echte strategische gok tegen de LLM-benadering van fysiek ontwerp. Het is vandaag ook een wachtlijstpagina en een leveranciersbenchmark — en de zes tienden van een punt, niet de 150×, is het getal dat zal bepalen of het meer is dan dat.