Apollo World vs Hunyuan3D WorldClaw: Miejsce, po którym możesz chodzić, czy przejażdżka, którą możesz ocenić

Najbardziej przydatne w zestawieniu Apollo World z Hunyuan3D WorldClaw jest to, że oba używają słowa „world”, ale żaden nie ma przez nie na myśli tego samego. Hunyuan3D WorldClaw to framework agentowy Tencent Hunyuan służący do przekształcania jednego otwartego promptu tekstowego w dużą, eksplorowalną scenę 3D złożoną z jawnych, teksturowanych siatek poszczególnych obiektów, które można otworzyć w Blenderze i wyeksportować do silnika gier. Apollo World to napędzany agentami symulator Baidu, ujawniony 3 listopada 2026 r., który generuje w czasie rzeczywistym obserwacje z kamer i lidaru wirtualnego miasta, dzięki czemu stos robotaxi można trenować i oceniać na pełnych przejazdach. WorldClaw buduje miejsce. Apollo World odbywa przejazd przez takie miejsce. Jeśli trafiłeś tu, aby dowiedzieć się, który z nich generuje lepsze 3D, pytanie jest błędnie sformułowane w sposób, który warto raczej przeanalizować, niż na nie odpowiadać.

Dwa produkty noszące jeden rzeczownik

Wspólność jest realna, ale wąska. Oba tworzą coś, co człowiek mógłby opisać jako świat. Potem każda właściwość się rozchodzi.

• Do dostarczenia — WorldClaw: plik sceny z pojedynczymi siatkami, materiałami i transformacjami. Apollo World: strumień klatek z czujników wraz ze stanem agenta, konsumowany przez politykę jazdy, a nie przez człowieka.

• Jednostka pracy — WorldClaw: jedno polecenie do jednej sceny. Apollo World: jedna trasa, jedna polityka, jedna oceniona podróż.

• Czas — wynik działania WorldClaw jest statyczny po wygenerowaniu; Apollo World istnieje po to, by być uruchamianym na bieżąco, a każda decyzja zmienia to, co wydarzy się później.

• Dla kogo — WorldClaw: projektant poziomów, studio gier, zespół ds. danych syntetycznych, który potrzebuje geometrii. Apollo World: własna organizacja Baidu zajmująca się jazdą autonomiczną.

• Co znaczy „dobrze” — WorldClaw: czy scena wygląda spójnie i składa się bez unoszących się obiektów. Apollo World: czy testowany samochód staje się bezpieczniejszy.

Ujmując to w ten sposób, te dwa nie są tyle rywalami, ile sąsiednimi etapami pewnego ciągu, którego nikt jeszcze nie zbudował od początku do końca. Jeden tworzy zestaw. Drugi kieruje na nim ruchem.

Co WorldClaw faktycznie robi, etap po etapie

WorldClaw najlepiej rozumieć jako dyrygenta, a nie instrument. Artykuł arXiv 2608.05248 został przesłany 5 sierpnia 2026 r., a oficjalne ogłoszenie nastąpiło 11 sierpnia. Framework przyjmuje prompt w dowolnej formie i przeprowadza cztery etapy przetwarzania od ogólnego do szczegółowego.

• Intencja i planowanie — agenci oparci na modelach językowych czytają polecenie i decydują, co powinna zawierać scena, tworząc plan zamiast obrazu.

• Terrain — globalny przebieg generuje układ semantyczny, pola wysokości i materiały, dzięki czemu grunt jest spójny, zanim cokolwiek zostanie na nim umieszczone.

• Obiekty — regiony są renderowane, segmentowane, a każdy region rekonstruowany do indywidualnej siatki za pomocą Hunyuan3D. To tutaj dotrzymywana jest obietnica jawnej geometrii: wynikiem jest zbiór obiektów, a nie stopiona bryła ani splat Gaussa.

• Dopracowanie — agent wizyjny sprawdza render pod kątem unoszących się obiektów, przenikania się geometrii, nieprawidłowej skali i nieprawidłowej pozy, a następnie odsyła poprawki.

Podstawowy stos to zestaw modeli innych firm i jedna bardzo duża aplikacja: Claude Opus 4.8 do planowania, GPT-Image-2 do generowania obrazów, SAM3 i SAM3D do segmentacji, Hunyuan3D do rekonstrukcji oraz Blender 5.1.1 sterowany przez MCP do montażu. Tencent podaje, że uruchamia go na czterech GPU NVIDIA H20. Opublikowana ewaluacja ma charakter jakościowy: porównuje wyniki z SynCity, WorldGen, MajutsuCity i Marble za pomocą scen prezentowanych obok siebie, bez danych FID, CLIP ani liczb z badań użytkowników.

Repozytorium jest tym, co ma znaczenie dla każdego, kto planuje z niego korzystać. Oficjalny projekt na GitHubie zawiera README i zasoby. Nie ma kodu, wag, skryptu inferencji, API ani ceny. Artykuł o frameworku bez implementacji jest opisem metody, a nie narzędziem, i właśnie w luce między tymi dwiema rzeczami ginie większość pytań „czy mogę to wypróbować”.

Co Apollo World faktycznie twierdzi

Apollo World zostało ujawnione podczas Baidu AI Day·Apollo w Shenzhen 3 listopada 2026 roku przez Wang Lianga, głównego architekta Intelligent Driving Group Baidu, oraz Yang Ze, który kieruje pracami nad modelem świata. Ujęcie było wyraziste: model świata nie powinien być malarzem imponującego wideo, lecz egzaminatorem bezpieczeństwa jazdy. Baidu poparło to rubryką, którą nazywa „2+3” — dwiema bramami, które decydują, czy coś w ogóle liczy się jako model świata, oraz trzema właściwościami, które oceniają, jak dobry jest.

Warunkami są przyczynowość i interaktywność. Przyczynowość oznacza, że kolejny stan jest przewidywany na podstawie bieżącego, a nie składany z klatek i uzupełniany wstecz; interaktywność oznacza, że akcja wprowadzona do sceny zmienia to, co następuje. Oceniane właściwości to dokładność fizyczna, trwałość i wydajność w czasie rzeczywistym. To trwałość odróżnia demo od stanowiska testowego: symulator, którego obiekty z czasem powoli dryfują lub odkształcają się podczas długiego działania, w końcu oceni politykę względem świata, który nie odpowiada już temu, od którego zaczął. Baidu określa cykl decyzyjny dla pojazdu drogowego na jedną trzydziestą sekundy, około 33 milisekund.

Za tymi obietnicami stoją trzy zdolności. Każdy uczestnik ruchu jest modelowany jako agent podejmujący własne decyzje, a nie jako zaprogramowany rekwizyt, dzięki czemu hamujący robotaxi może wywołać inną reakcję samochodu jadącego za nim. Dane z kamer i lidaru są generowane w czasie rzeczywistym, co pozwala stosowi jazdy autonomicznej postrzegać wirtualne miasto przez ten sam interfejs, którego używa na rzeczywistej drodze. A przejazdy są domykane od początku do końca — zamówienie przyjęte, pasażer odebrany, pasażer dostarczony — między dowolnymi punktami początkowymi i docelowymi, a nie jako odizolowane klipy scenariuszowe.

Baidu twierdzi, że model już wspiera globalne testy i walidację Apollo Go, i podaje około 100 000 kilometrów symulowanej jazdy dziennie, ujmowane jako około trzech lat ciągłych testów prowadzonych przez samochód z kierowcą bezpieczeństwa. Przytoczono również własne dane operacyjne Apollo Go: 28 miast, ponad 23 miliony przejazdów, 350 milionów kilometrów autonomicznych, z czego ponad 240 milionów całkowicie bez kierowcy. Nie opublikowano liczby parametrów, architektury, tabeli benchmarków, artykułu, pliku wag ani ceny. To prezentacja możliwości dotycząca wewnętrznej infrastruktury, a nie premiera produktu.

„Agentic” oznacza tutaj dwie różne rzeczy

To jest pułapka w tym porównaniu i warto się przy nim na chwilę zatrzymać, ponieważ oba komunikaty opierają się na tym samym modnym słowie.

W WorldClaw agenci są konstruktorami. Planery oparte na modelach językowych rozkładają polecenie na plan sceny, agent wizyjny sprawdza wynik i zgłasza korekty. Inteligencja tkwi w pętli tworzenia i działa jednorazowo, zanim w ogóle załadujesz scenę. Gdy siatki zostaną wyeksportowane, agentów już nie ma; świat jest bezwładną geometrią.

W Apollo World agenci są mieszkańcami. Planiści niczego nie montują — prowadzą inne samochody, chodzą po chodnikach, decydują, czy ustąpić pierwszeństwa. Inteligencja utrzymuje się przez cały czas trwania symulacji, a jej całym celem jest sprawić, by świat reagował na testowany obiekt. Statyczna scena z reaktywnymi mieszkańcami byłaby sprzecznością w kategoriach WorldClaw, a w kategoriach Apollo — całym sednem.

To rozróżnienie wyjaśnia też, dlaczego trudno je łączyć w naiwny sposób. Wrzucenie siatek WorldClaw do symulatora jazdy daje ładnie wyglądający zestaw, w którym nic się nie porusza. Dodanie reaktywnego ruchu do sceny WorldClaw oznacza samodzielne napisanie warstwy zachowań. Te frameworki rozwiązują różne połowy tego samego problemu, a żaden z nich nie dostarcza drugiej połowy.

Żaden z nich nie jest dostępny, i to nie z tego samego powodu.

WorldClaw jest udokumentowany, ale nie jest dystrybuowalny. Artykuł opisuje metodę wystarczająco szczegółowo, że zespół dysponujący odpowiednimi zasobami mógłby ją ponownie zaimplementować, a kilka stron trzecich zbudowało częściowe wersje, ale Tencent nie udostępnił kodu ani wag. Wymóg czterech H20 oraz zależność od stosu osobno licencjonowanych modeli oznaczają również, że nawet gdyby doszło do wydania, nie byłoby ono pobraniem działającym od razu po instalacji.

Apollo World jest wdrożony, ale nie jest oferowany. Baidu opisuje go jako działający na potrzeby Apollo Go, a ujawnione informacje nie zawierają warunków handlowych, interfejsu ani żadnej wskazówki, że planowany jest dostęp zewnętrzny. Porównanie obu pod względem dostępności nie polega więc na zestawieniu „otwartego z zamkniętym”, lecz „niewydanego z wewnętrznym” — różnica, która ma znaczenie, jeśli czekasz na którykolwiek z nich.

Dla zespołów, którym w tym kwartale potrzebny jest świat, praktyczna droga nie wiedzie przez żadną z tych opcji. Silnik gry z narzędziem do proceduralnych scen pokrywa połowę statyczną; komercyjny symulator jazdy pokrywa połowę dynamiczną; a modele wideo świata o otwartych wagach pokrywają połowę demonstracyjną — słabo, jeśli potrzebne są czujniki. OrcaRouter nie udostępnia Apollo World ani Hunyuan3D WorldClaw — żaden z nich nie jest modelem, który można wywołać — ale etapy językowe i wizyjne otaczające pipeline scen są zwykłą pracą przez API i to jest warstwa, którą faktycznie obejmujemy: jeden klucz, ponad 200 modeli, 0% narzutu względem ceny katalogowej dostawcy i przełączanie awaryjne, gdy wywołanie planowania przekroczy limit czasu w trakcie budowy.

Które z nich jest właściwym odniesieniem do Twojego problemu?

Jeśli tworzysz poziom gry, syntetyczny zbiór danych wnętrz lub plan zdjęciowy do produkcji wirtualnej, WorldClaw jest bardziej odpowiednim projektem, mimo że nie możesz go uruchomić: czteroetapowy rozkład — planowanie, teren, obiekty, dopracowanie — to solidna architektura, a wyjście w postaci jawnej siatki to właściwy wybór dla wszystkiego, co ma być później edytowane. Brak oceny ilościowej to zastrzeżenie, które należy przenieść do każdej reimplementacji; „wygląda lepiej niż SynCity” nie jest specyfikacją.

Jeśli walidujesz stos do jazdy autonomicznej, rubryka 2+3 Apollo World jest użyteczniejszym eksportem i już dziś można jej używać jako listy kontrolnej, choć sam model jeszcze nie. Zapytaj dowolnego dostawcę symulatora o przyczynowość, interaktywność, dokładność fizyczną, trwałość w długim przebiegu oraz opóźnienie przy złożoności sceny. Dostawca, który nie potrafi odpowiedzieć na pytanie o trwałość za pomocą pomiaru dryfu, sprzedaje ci generator wideo z etykietą fizyki.

Te dwa prawdopodobnie się zbiegną. Symulator, który potrafiłby przyswajać edytowalne, dobrze ustrukturyzowane sceny z frameworka takiego jak WorldClaw, rozwiązałby wąskie gardło w treściach, przez które symulacja jazdy jest droga; generator klasy WorldClaw, który potrafiłby animować swoich mieszkańców, przestałby tworzyć dioramy. Żadna z firm nie ogłosiła takich prac. Na razie uczciwym opisem jest budowniczy scenografii bez kodu i egzaminator ruchu drogowego bez drzwi, a jedyne, co naprawdę ich łączy, to jedno słowo.