SKY-001: Inżynieryjny Model Świata Skyfall AI pokonuje GPT-6 Astra pod względem kosztów 150-krotnie — a pod względem dokładności o 0,6 punktu

Skyfall AI ogłosiła SKY-001 19 października 2026 r., a powtarzana teza głosi, że przewyższa GPT-6 Astra i Claude Opus 5.5 w pracy z CAD i BIM. Liczba kryjąca się pod tą tezą jest mniejsza i ciekawsza niż sama teza. We własnym benchmarku producenta dla konstrukcji CAD SKY-001 uzyskuje 79,7% IoU w porównaniu z 79,1% GPT-6 Astra. To sześć dziesiątych punktu — różnica w rodzaju tej, jaką daje inny losowy seed, a nie nowa architektura. To, co nie jest nawet bliskie, to wszystko wokół tego: 3,9 sekundy na przypadek wobec 199 oraz 0,005 USD wobec 0,75 USD. Dokładność to remis. Wydajność to pogrom. Materiały samego Skyfall dobitnie podkreślają drugi punkt, a w jednym miejscu — niechcący — dowodzą pierwszego za ciebie. Udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są zebrane w the OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, ocenę pewności i oznaczenie jako sporny.

Jest jeszcze druga rzecz, o której trzeba wiedzieć, zanim którakolwiek z tych liczb stanie się dla ciebie istotna: SKY-001 nie jest czymś, co możesz wywołać. Jest w fazie podglądu badawczego, za listą oczekujących, a pełne wdrożenie komercyjne ma być celem na początek 2027 r. Brak API, brak cennika, brak wag, brak liczby parametrów, brak licencji. Ten tekst dotyczy tego, co ta premiera faktycznie ustala — jak wypadają benchmarki, gdy czytasz tabelę, a nie nagłówek, co model naprawdę robi inaczej oraz co powinien zrobić zespół, który potrzebuje tej możliwości już dziś, zamiast czekać.

Co Skyfall faktycznie dostarczył

Skyfall AI to firma z San Francisco z centrum badawczym w Toronto, założona przez zespół stojący za Maluuba, laboratorium deep learningu, które Microsoft przejął w 2017 roku. Sam Pasupalak jest dyrektorem generalnym; Kaheer Suleman i Sumit Pasupalak są współzałożycielami. Firma wyszła z trybu stealth w lipcu 2026 roku z nietypową propozycją — modele świata dla przedsiębiorstw, a docelowo firma zarządzana przez AI — wspierana przez Fidelity, Touring Capital, M13 i iNovia. SKY-001 to jej pierwszy udostępniony model i pierwszy konkretny wytwór stojący za tą tezą.

Propozycja w jednym zdaniu: projektowanie inżynierskie nie jest problemem językowym, więc przestań rozwiązywać je za pomocą modelu językowego. Silnik dzieli się na setki części zagnieżdżonych na kilku poziomach, przy czym każda z nich jest ograniczona przez sąsiednie części; rzut kondygnacji to najpierw ściany, potem lokale, potem pomieszczenia, a następnie drzwi i elementy wyposażenia, rysowane w kolejności, która ma znaczenie. Model, który generuje jeden długi autoregresyjny łańcuch tekstu, musi utrzymać to wszystko w jednym kontekście i działa coraz gorzej w miarę wydłużania łańcucha. SKY-001 zamiast tego planuje w świecie wizualnym, w hierarchii, gdzie każdy poziom przekazuje jawny podcel poziomowi poniżej.

Robią to dwa komponenty. Hierarchical Composer przyjmuje intencję projektową — obraz, tekst lub obudowę budynku z briefem — i generuje cały projekt, a następnie dzieli go poziom po poziomie, dopracowując równolegle każdy liść. Construction World Model następnie przewiduje uporządkowaną sekwencję stanów wizualnych, która buduje każdy liść: w CAD łańcuch stanów brył 3D z 2D szkicem rysowanym między każdą kolejną parą; w BIM rzut kondygnacji rysowany pociągnięcie po pociągnięciu. Samo rysowanie przebiega jako dyfuzja w dwóch etapach: najpierw zgrubne rozwinięcie w skompresowanej przestrzeni utajonej z autoenkodera w stylu matrioszki, a potem rafiner przywracający pełną rozdzielczość. Oba są transformatorami dyfuzyjnymi; żaden nie przewiduje tokenów.

Publicznie nie podano skali tej architektury. Skyfall ujawnił swoje dane, a nie swój model: ponad 200 000 części dla kompozytora i ponad 600 000 przykładów konstrukcji dla modelu świata, a także około 35 000 rzeczywistych i syntetycznych rzutów pomieszczeń reprezentujących około dwóch milionów stanów rysunkowych. Dane CAD odtworzono na podstawie publicznych zbiorów danych montażowych, których hierarchie były niespójne, a części nienazwane; ponieważ brakowało historii konstrukcji, Skyfall odtworzył je za pomocą narzędzi inżynierskich i procesów wspomaganych przez LLM, a wynik zweryfikował przed trenowaniem na nim. Argument dotyczący skali danych jest realny: w porównaniu z PartVerse, popularnym zbiorem danych do dekompozycji części, mediana obiektu wynosi 6 części, a 99. percentyl to 33. Mediana Skyfall wynosi 288, a jej 99. percentyl to 4 180.

Prawidłowe czytanie benchmarku CAD

Benchmark konstrukcji CAD obejmuje 1000 komponentów pobranych z kompleksowych obiektów — Jaguara E-Type Roadstera, ramienia spawalniczego FANUC ArcMate 100iB, Minitractora 4×4, śmigłowca Bell 222, silnika odrzutowego — z których każdy wymaga około 100 kroków rysowania i jest oceniany za pomocą IoU względem kształtu referencyjnego. Przetestowano na nim pięć czołowych modeli. Każda liczba poniżej należy do Skyfall, została uzyskana przez Skyfall na modelach, które Skyfall sam uruchomił.

• Czas na przypadek — 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 1250 s i nie ukończył żadnego.

• Koszt na przypadek — SKY-001 0,005 USD; GPT-6 Astra 0,75 USD; Gemini 4 0,25 USD; Qwen 3.8 Max 0,30 USD; Kimi K3 0,13 USD; Grok 4.7 0,59 USD za brak wyniku.

• Jakość (średnia 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 brak wyniku.

To cała tabela i zasługuje na drugie przeczytanie. Historia wydajności jest tak mocna, jak reklamowano: 51× szybciej i 150× taniej niż najlepszy konkurent, co przy tysiącu projektów tygodniowo oznacza różnicę między pozycją kosztową 5 USD a 750 USD. Historia jakości to remis. SKY-001, GPT-6 Astra i Gemini 4 plasują się w czołówce w granicach trzech punktów od siebie; załamanie poniżej nich — 34,4%, 9,5%, brak wyniku — mówi więcej o tym, jak źle naiwne promptowanie LLM zawodzi przy długich sekwencjach konstrukcyjnych, niż o samym zwycięzcy. Grok 4.7 kończący zero z 1000 przypadków przypomina, że to długie, kruche przebiegi, a benchmark mierzy, czy model w ogóle potrafi zachować spójność przez 100 kroków.

Jedno zastrzeżenie dotyczące kolumny kosztów: Skyfall podaje koszt na przypadek, ale nie podaje stojącego za nim sposobu rozliczenia. To, czy chodzi o cenę katalogową API, wynajęty czas GPU czy amortyzowaną inferencję we własnej infrastrukturze, zasadniczo zmienia porównanie — zwłaszcza w przypadku modeli, które Skyfall uruchamiał samodzielnie, a nie wywoływał przez API. Proporcje należy traktować jako wskazujące właściwy kierunek, a bezwzględne kwoty w dolarach jako niewyjaśnione.

Twierdzenie o efektywności zmienia się w zależności od tego, którą stronę się czyta.

Materiały premierowe Skyfall nie są ze sobą zgodne, co warto wiedzieć, jeśli planujesz je cytować. W nagłówku bloga premierowego podano „około 50× przyspieszenia i 150 razy mniej” na przypadek CAD, a etykiety na wykresie wskazują 51× i 150×. W nagłówku strony produktu SKY-001 czytamy „3,9 s vs 199 s, 49× szybciej” oraz „0,005 USD vs 0,75 USD, 143× niższy koszt”. W komunikacie prasowym podano „100x faster” i „150x lower cost”. Ten sam model, ten sam benchmark, cztery różne mnożniki prędkości w trzech dokumentach opublikowanych tego samego dnia.

Arytmetyka rozstrzyga sprawę CAD: 199 podzielone przez 3,9 to 51,0, a 0,75 USD podzielone przez 0,005 USD to 150. Blog ma rację, a pozostałe dwie strony są zaokrąglone, nieaktualne albo obliczone względem innej podstawy — 100× z komunikatu prasowego nie da się pogodzić z żadną liczbą na stronie. To nie skandal; strony premierowe piszą różni ludzie w różnych terminach i nikt ich nie porównuje. To powód, by cytować tabelę źródłową, a nie nagłówek, i oczekiwać, że mnożniki, które zobaczysz w publikacjach w tym tygodniu, będą błędne w tym kierunku, w którym piszący akurat najpierw odczytał dane.

Strona docelowa podaje również drugi panel jakości, który nie zgadza się z blogiem. Jej wykres 3D CAD pokazuje SKY-001 na poziomie 76,1% IoU wobec GPT-6 Astra na 73,4%, Claude Opus 5.5 na 61,8%, Gemini 3.8 Flash na 45,9%, Qwen 3.8 Max na 26,6% i Kimi K3 na 6,5%. Benchmark konstrukcyjny z bloga pokazuje 79,7% wobec 79,1%. Inne zadanie, inny wynik, ta sama nazwa modelu w obu — a przewaga nad Astra wynosi od 0,6 punktu do 2,7 w zależności od tego, który z nich wybierzesz. Jeśli zamierzasz argumentować na temat dokładności tego modelu, podaj nazwę benchmarku wraz z liczbą.

BIM: mniejsza przewaga, a Gemini tuż za nim

Benchmark BIM to 1000 rzutów kondygnacji — około 350 całych pięter pochodzących z modeli budynków IFC i 650 na poziomie mieszkań — z od 20 do ponad 200 krokami rysowania każdy, średnio około 70, ocenianych za pomocą IoU na gotowym planie.

• Czas na 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.

• Koszt na 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.

• Jakość (średnie 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%.

Liczby 119× szybkości i 186× kosztu w porównaniu z Astra są dokładne. Ale spójrz na kolumnę jakości: Gemini 3.8 Flash jest o 1,3 punktu za SKY-001, a Gemini 3.8 Flash kosztuje 91× więcej, ale nadal jest tani w ujęciu absolutnym — 22 centy za plan. Luka, która ma znaczenie dla firmy tworzącej tysiące planów, jest realna; luka, która ma znaczenie dla firmy tworzącej dziesiątki planów, jest błędem zaokrąglenia w porównaniu ze zmianą przepływu pracy.

A spójrz na liczbę bezwzględną. Najlepszy model w tym benchmarku odtwarza 43,6% rzutu kondygnacji według intersection-over-union. To poprzeczka jakościowa typowa dla wersji badawczej, wyrażona wprost w punktacji samego dostawcy, a nie poprzeczka „zastąp architekta”. Czytana w tym świetle rzeczywista teza premiery jest węższa i łatwiejsza do obrony niż tweet: specjalnie zaprojektowany model przestrzenny planuje teraz długie sekwencje konstrukcyjne z szybkością, która sprawia, że masowe generowanie i wyszukiwanie są praktyczne, z wiernością zbliżoną do poziomu ludzkiego benchmarku względem czołowych LLM-ów, z którymi go porównywano — a nie, że rozwiązał projektowanie budynków.

W czym tweet się pomylił

Ujęcie, w którym SKY-001 „przewyższa GPT-6 Astra i Opus 5.5 w zadaniach CAD i BIM”, przecenia jedno z tych dwóch porównań. Claude Opus 5.5 nie występuje w żadnym z dwóch benchmarków budowlanych. Pojawia się za to dwukrotnie gdzie indziej: w filmie jakościowym, w którym cztery modele napisały po jednym skrypcie w Blenderze dla całego złożenia w ramach jednego żądania — gdzie sam Skyfall mówi, że GPT-6 Astra „znacznie wyprzedzała” inne modele z czołówki — oraz jako jeden z dwóch anonimowych sędziów LLM oceniających SKY-001 w zestawieniu z Astrą, obok GPT-6.1 Sol. Panel 3D CAD na stronie docelowej rzeczywiście uwzględnia Opus 5.5 z wynikiem 61,8%, i to jedyne miejsce, w którym pojawia się dla niego jakakolwiek liczba.

W przypadku BIM nie ma w ogóle wiersza Opus 5.5. Nie ma też wiersza Opus 5.5 w tabeli konstrukcji CAD. Uczciwa wersja tego twierdzenia brzmi więc: SKY-001 mniej więcej dorównuje GPT-6 Astra pod względem dokładności przy ułamku czasu i kosztów, a uruchomione modele frontier — w tym Gemini, Qwen i Kimi — pokonuje z przewagą rosnącą w miarę wydłużania się zadania. Część zdania dotycząca Opus pochodzi z pokazu wideo i funkcji sędziego, a nie z benchmarku.

Porównanie composera zasługuje na własne zastrzeżenie, ponieważ jest łagodniejszym z dwóch wyników. Skyfall zestawił SKY-001 z GPT-6 Astra, Claude Opus 5.5 i Claude Fable 5.1 na tych samych zdjęciach wejściowych, przy czym każdy LLM pisał skrypt Blendra dla całego złożenia w jednym zapytaniu. Dwóch sędziów LLM oceniających w trybie ślepym przyznało renderom oceny od 1 do 10 w pięciu wymiarach, a SKY-001 wygrał w czterech z pięciu — dekompozycja części 7,8 do 6,4, wnętrze 7,3 do 6,3, złożoność 8,0 do 7,3, zgodność z obrazem wejściowym 8,1 do 6,7, realizm zewnętrza 7,7 do 7,4. Zastrzeżenia znajdują się w przypisie samego Skyfall: sędziami są modele LLM, konfiguracja opiera się na promptowaniu jednorazowym (one-shot prompting), bez narzędzi ani iteracji po stronie rywali, a GPT-6 Astra zwrócił model tylko dla 82% assetów — więc w przypadku 18% zestawu SKY-001 rywalizował z niczym. Skrypt Blendra tworzony na podstawie jednego zapytania to celowo niekorzystny sposób wykorzystania czołowego LLM do składania 3D. To nie czyni wyniku fałszywym; czyni go porównaniem między pipeline’em zbudowanym specjalnie do tego celu a gotowym promptem, czym dokładnie są również benchmarki konstrukcyjne.

Co to oznacza, jeśli faktycznie tworzysz oprogramowanie inżynierskie

Ciekawa nie jest przewaga w benchmarku. Ciekawe jest to, że hierarchiczny przestrzenny model świata w ogóle potrafi utrzymać spójny 100-etapowy plan budowy — na pięciu poziomach montażu i przy tysiącach części — i uzyskać wynik w granicach jednego punktu od czołowego LLM pod względem nakładania się geometrii. Jeśli to się potwierdzi w niezależnych testach, praktyczne konsekwencje dotyczą raczej wyszukiwania niż zastąpienia: gdy wygenerowanie jednego projektu kosztuje pół centa i cztery sekundy zamiast 75 centów i trzech minut, można wygenerować tysiąc wariantów i wybrać jeden. To inny produkt niż model, który powoli tworzy jeden projekt.

Elementy, które według Skyfall mają być następne, wskazują ten sam kierunek. Szkice CAD stałyby się wykonywalnymi operacjami parametrycznymi z edytowalną historią cech, dzięki czemu projektant mógłby poprosić o poszerzenie wspornika, a sąsiednie części, które muszą ulec zmianie, podążyłyby za tym. Wynik BIM stałby się ścianami, drzwiami, oknami i pomieszczeniami w edytowalnym modelu budynku, a nie rysunkiem. Poza tym układ PCB i inny sprzęt. To stwierdzenia z planu rozwoju, a nie już dostarczone funkcje, i podgląd badawczy nie zawiera żadnej z nich.

Są też pytania, na które wydanie modelu zwykle odpowiada, a to nie odpowiada. Żadnej liczby parametrów. Żadnego artykułu o architekturze. Żadnych wag, licencji ani ścieżki do samodzielnego hostowania. Żadnego okna kontekstu, bo to nie jest model czatowy. Żadnego opublikowanego środowiska ewaluacyjnego, więc nie ma sposobu, by ponownie uruchomić benchmark na własnych komponentach. I żadnego niezależnego pomiaru: Artificial Analysis, LMArena i zwykłe rankingi firm trzecich nie mają wpisu SKY-001, co nie dziwi w przypadku modelu, który jest publiczny od jednego dnia i nie można go wywołać. Każda liczba w tym tekście pochodzi od dostawcy i nie została odtworzona, a własne strony dostawcy różnią się między sobą nawet 2× w kwestii głównego mnożnika szybkości. Niezależna replikacja to rzecz, na którą trzeba poczekać, zanim liczby staną się rozstrzygające w decyzji o budowie.

Jeśli potrzebujesz tej funkcji w tym kwartale

Nie da się dostać SKY-001. Strona produktu oferuje listę oczekujących, komunikat prasowy podaje, że pełne wdrożenie komercyjne jest planowane na początek 2027 r., a jedyna wymieniona integracja to demonstracja w Autodesk Fusion, a nie dostarczony konektor. Nic z tego nie uzasadnia planowania pipeline'u na 2026 r. w oparciu o ten produkt.

To, co możesz mieć, to model, względem którego prowadzono testy porównawcze. GPT-6 Astra jest kierowany w OrcaRouter jako openai/gpt-6-astra, w cenach katalogowych OpenAI wynoszących 10,00 USD za milion tokenów wejściowych i 50,00 USD za milion tokenów wyjściowych, z oknem kontekstu 1,05 mln tokenów, przekazywany bez narzutu (0%) — więc jeśli OpenAI zmieni stawkę, stawka tutaj zmieni się tego samego dnia, a nie po ponownym obliczeniu marży. Ma Artificial Analysis Intelligence Index na poziomie 54,7, Coding Index 76,9 i Agentic Index 51,6, czyli niezależny wynik, którego SKY-001 nie ma.

To także rozsądny sposób, by trzymać nieprzetestowany model na oku, nie stawiając na niego produkcyjnej ścieżki. Kiedy SKY-001 faktycznie trafi do API — według obecnego planu na początku 2027 r., a być może przez partnera, zanim Skyfall zacznie sprzedawać bezpośrednio — testem, który warto przeprowadzić, są własne komponenty, a nie benchmark z 1000 elementów. Do tego czasu wzorzec routingu, który przetrwa model, którego nie oceniłeś, jest ten nudny: trzymaj wywołanie w jednym endpoincie, umieść za nim łańcuch fallbacków, i pozwól routerowi przenosić ruch, gdy dostawca działa wolno lub model przestaje być najlepszą odpowiedzią. Failover w OrcaRouter istnieje właśnie dlatego, że nowy model powinien zdobywać produkcyjny ruch na podstawie zmierzonych wyników, a nikt nie zmierzył SKY-001 poza Skyfall.

Co obejrzeć

Trzy rzeczy zamieniłyby to z mocnego demo dostawcy w decyzję. Po pierwsze, niezależna ocena na publicznym środowisku testowym — benchmark konstrukcyjny należy do Skyfall, został zdefiniowany przez Skyfall, bez udostępnionego zestawu zadań, a margines 0,6 punktu w CAD mieści się głęboko w przedziale, który mogłaby odwrócić inna konwencja punktacji. Po drugie, kształt komercyjny: czy na początku 2027 r. pojawi się jako API z ceną za projekt, jako wtyczka do narzędzi CAD i BIM, w których kupujący już pracuje, czy jako licencja korporacyjna sprzedawana firmom, a nie deweloperom. Wzmianka o Autodesk Fusion sugeruje drugi wariant, co uczyniłoby SKY-001 funkcją oprogramowania projektowego, które już posiadasz, a nie modelem, który wywołujesz. Po trzecie, czy hierarchia uogólnia się poza CAD i BIM na prace nad PCB i sprzętem, które Skyfall wymienia jako następne — to jest twierdzenie, że przewagą jest architektura, a nie dane treningowe.

Na razie trafne podsumowanie jest wąskie. Skyfall AI dostarczył pierwszy wiarygodny inżynierski model świata, a tym, w czym faktycznie wygrywa, jest szybkość i koszt na projekt — o jeden do dwóch rzędów wielkości — przy dokładności, która dorównuje czołówce, a nie ją przewyższa. To naprawdę nowa zdolność i prawdziwy strategiczny zakład przeciwko podejściu LLM do projektowania fizycznego. Dziś to także strona z listą oczekujących i benchmark dostawcy — i to sześć dziesiątych punktu, a nie 150×, jest liczbą, która zdecyduje, czy to coś więcej niż tylko to.