Hy-Nomas vs SKY-001: Um renderiza um mundo, o outro o monta

A Tencent publicou 280 casos de benchmark para Hy-Nomas e nenhuma pontuação. A Skyfall publicou pontuações para SKY-001 e nenhum conjunto de testes divulgado. A simetria é arrumada o suficiente para parecer coincidência, e é a coisa mais útil de colocar esses dois modelos lado a lado, porque além da expressão "modelo de mundo" eles quase não têm nada em comum. O Hy-Nomas, lançado pela Tencent Hunyuan entre 21 e 23 de outubro de 2026, gera vídeo explorável: 720 × 1280 a 24 FPS, orientado por texto livre e trajetórias de câmera. O SKY-001, anunciado pela Skyfall AI em 19 de outubro de 2026, gera geometria de engenharia: recebe um prompt de texto ou uma imagem 2D e produz uma sequência ordenada de construção CAD ou BIM. A saída de um modelo é algo que você olha. A do outro é algo que você fabrica.

A distinção não é pedantismo. Ela decide o que significa precisão, o que um benchmark pode medir, se é possível sequer obter o modelo e o que você realmente faria com ele numa manhã de segunda-feira.

Duas funções por trás de uma frase

Um modelo de mundo de vídeo prevê o próximo estado observável de uma cena. Sua unidade de saída é um quadro ou um segmento, e seu critério de correção é se o resultado se parece e se comporta como um mundo. Um modelo de mundo de engenharia prevê o próximo estado estrutural de um projeto. Sua unidade de saída é uma peça, uma montagem ou uma etapa de construção, e seu critério de correção é se a geometria corresponde ao que foi solicitado e se a sequência pode ser construída.

Hy-Nomas é autoregressivo por segmentos. Ele renderiza um trecho de vídeo, mantém-no em um cache KV vitalício, recebe a próxima instrução e renderiza o próximo trecho. Texto e câmera são entradas separadas que se compõem: o prompt descreve a cena, os parâmetros extrínsecos descrevem para onde a lente vai. SKY-001 é hierárquico. Um compositor decompõe a solicitação em sistemas, montagens, submontagens e peças, e depois desce por pavimentos, unidades e salas; um modelo de mundo de construção planeja os estados visuais ordenados que produzem cada elemento. Ambos se autodenominam modelos de mundo porque ambos aprendem um modelo de dinâmica de um domínio. Os domínios não se sobrepõem.

• Saída — segmentos de vídeo Hy-Nomas em 720 × 1280 e 24 FPS; sequências estruturadas de construção CAD/BIM do SKY-001 direcionadas a ferramentas de design

• Entrada — texto de formato livre do Hy-Nomas mais parâmetros extrínsecos da câmera; SKY-001 um prompt de texto ou uma imagem 2D

• Definição de correto — coerência perceptiva do Hy-Nomas entre turnos; sobreposição geométrica do SKY-001 em relação a um design de referência

• Unidade de avaliação — Hy-Nomas uma sessão; SKY-001 um caso

• O que realmente é lançado hoje — pesos Hy-Nomas Apache 2.0, cerca de 196 GB; SKY-001, uma vaga na lista de espera

O que o SKY-001 afirma, e quanto vale essa afirmação

O anúncio da Skyfall é um benchmark de fornecedor, e é bem construído: duas trilhas, mil casos cada, um comparador nomeado e detalhes suficientes para se ver a forma do teste. A trilha CAD executa 1.000 componentes em aproximadamente 100 etapas de desenho por caso. A trilha BIM executa 1.000 plantas baixas com média de cerca de 70 etapas. Em comparação com o GPT-6 Astra, a Skyfall relata 79,7% versus 79,1% de IoU médio em CAD, a 3,9 segundos versus 199 segundos e US$ 0,005 versus US$ 0,75 por caso. Em BIM, relata 43,6% versus 40,6%, a 1,22 segundos versus 144,6 segundos e aproximadamente US$ 0,0024 versus US$ 0,446.

Três coisas decorrem da leitura dos números em vez da manchete. Primeiro, o valor de “150x mais barato” é uma razão de custo de execução de benchmark, a estimativa da Skyfall de quanto custou executar um caso, não um preço pelo qual alguém possa comprar. Não existe uma lista de preços pública do SKY-001. Segundo, o IoU mede sobreposição geométrica, não qualidade de engenharia: ele não diz se uma peça pode ser fabricada, se as tolerâncias fecham, ou se uma planta baixa atende a requisitos de rotas de fuga, acessibilidade ou estruturais. Terceiro, os tempos relatados excluem upload, pré-processamento, fila, conversão para CAD ou BIM, validação, exportação e revisão humana, e cada um desses itens está presente em uma implantação real.

A lacuna de precisão é a parte que se perde. No CAD, é de 0,6 ponto percentual em mil casos; no BIM, é de 3,0. É um resultado real e restrito. Ele estabelece que o modelo especializado de uma equipe pequena pode ficar na mesma faixa que um modelo geral de fronteira nesta tarefa, não que o substitua. O enquadramento da própria Skyfall está mais próximo da verdade do que a cobertura da imprensa: a empresa descreve o SKY-001 como uma prévia de pesquisa com acesso por meio de uma lista de espera e implantação comercial prevista para o início de 2027, não como um produto que se possa contatar.

O que a Hy-Nomas entrega, e o que ela se recusa a afirmar

O lançamento da Tencent é o artefato oposto: um kit completo com a conclusão removida. Os pesos são Apache 2.0 e incluem mais do que um checkpoint. Há um MMDiT de fluxo duplo de 54 blocos, com tamanho oculto de 2.048 e 16 cabeças de atenção, um codificador de texto Qwen2.5-VL-7B-Instruct, latentes DCAE-V de 32 canais, um decodificador PixelUMM com ajuste fino em FP32 e FP8, e oito etapas de remoção de ruído na configuração destilada, com quatro e seis também aceitas. Dois adaptadores LoRA são fornecidos: Cinematic e Robotics, treinado no conjunto de dados de braço robótico RealSource-World. O repositório documenta como treinar o seu próprio: rank e alpha 256, dropout zero, o otimizador Muon com taxa de aprendizado constante de 1e-4 por 2.000 etapas, treinado a partir do checkpoint FP32 e mesclado ao destilado.

O que não é entregue é um número. O Hy-Nomas-Bench tem 280 casos em quatro trilhas — controle de texto multiturno, navegação por câmera, controle intercalado de texto e câmera e memória espacial —, com cerca de 220 trajetórias de câmera de referência. Sua tabela de resultados está vazia. O link do relatório técnico no cartão do modelo está marcado como “em breve” e não leva a lugar nenhum. A página do Hugging Face afirma que o modelo não é implantado por nenhum provedor de inferência. O repositório do GitHub tinha dez horas de existência, 21 estrelas e zero lançamentos quando isto foi escrito.

A assimetria que decide a maioria dos casos reais

Se ambos os modelos fossem igualmente bons em suas próprias tarefas, isso ainda não seria uma escolha difícil para a maioria dos leitores, porque apenas um deles pode ser obtido. Hy-Nomas é um download: execute-o, faça fine-tuning dele, sirva-o. A ressalva é que "executar" significa oito GPUs no caminho documentado, ou uma única RTX 4090 com pesos DiT INT8, um cache KV INT8, um decodificador FP8, um limite de histórico em janela deslizante e offload para CPU. O conjunto completo de checkpoints tem cerca de 196 GB; a rota de baixa memória precisa de aproximadamente 38 GB mais o codificador de texto. Não é um download para laptop, e não há um endpoint hospedado da Tencent para usar como alternativa.

SKY-001 é uma lista de espera. Sem pesos, sem termos de licença, sem API pública, sem preço divulgado e com uma meta comercial para o início de 2027 que a empresa não assumiu como uma data. Para um leitor que decide o que fazer neste trimestre, essa diferença pesa mais do que qualquer benchmark nesta página.

Também reformula a questão. "Hy-Nomas versus SKY-001" não é uma escolha entre duas maneiras de fazer a mesma coisa. É uma escolha entre duas capacidades, uma das quais você pode ter hoje e a outra que você ainda não pode ter de forma alguma.

Onde os dois vocabulários realmente se tocam

A robótica é o único ponto em que eles chegam perto. O Robotics LoRA da Hy-Nomas foi treinado em um conjunto de dados de braço robótico e é mesclado ao checkpoint destilado para melhorar cenas de manipulação. O compositor do SKY-001 trabalha com montagens e peças mecânicas, que é o mesmo vocabulário físico visto pela outra direção. Um laboratório poderia, de forma plausível, projetar um suporte com um modelo de engenharia e simular um braço pegando-o com um modelo de mundo de vídeo, e a combinação é mais interessante do que qualquer uma das partes isoladamente.

Mas as interfaces não existem. O SKY-001 emite sequências de construção destinadas a ferramentas CAD. O Hy-Nomas consome texto e trajetórias de câmera. Nada em nenhum dos lançamentos se comunica com o outro, nenhum foi validado em hardware físico num teste publicado, e a alegação de robótica de ambos os lados é uma demonstração de capacidade, não um resultado medido. O encontro é um diagrama, não um pipeline.

A conversa sobre custos que as pessoas entendem errado

Duas espécies de números circulam sobre esses modelos, e nenhuma delas é um preço. Os US$ 0,005 por caso de CAD e os US$ 0,0024 por plano BIM do SKY-001 são estimativas internas de execução de benchmark, e os comparadores de US$ 0,75 e US$ 0,446 são o custo de executar o GPT-6 Astra no mesmo harness. Eles são úteis para avaliar eficiência. Não são tarifas, e a Skyfall não publicou nenhuma tabela de preços.

Hy-Nomas não tem nenhum valor de custo, porque não há serviço a precificar. Seu custo é em horas de GPU: uma RTX 4090 com a configuração de baixa memória, ou oito GPUs no caminho padrão, além do download e do armazenamento. Se você quer uma comparação verídica de quanto custa operar cada um, precisa das suas próprias premissas de utilização, e nenhum dos fornecedores lhe deu os números para formulá-las.

A única coisa comparável é quanto custa avaliar cada um. O Hy-Nomas permite que você mesmo execute seu benchmark de 280 casos, porque o conjunto de dados é publicado; você terá que construir o harness de pontuação, já que a Tencent não disponibilizou os resultados. O benchmark do SKY-001 é descrito, mas não foi divulgado, então um terceiro não consegue reproduzi-lo sem reconstruir o teste. Essa assimetria vale mais do que o número de manchete de US$ 0,005.

O modelo não é o fluxo de trabalho

Nenhum dos modelos está no nosso catálogo, e é pouco provável que esteja em breve: um é um lançamento open-weights auto-hospedado, o outro é uma prévia de pesquisa com lista de espera e sem API. Não vamos fingir o contrário.

O que ambos precisam, e nenhum dos dois inclui, é a camada de raciocínio em torno do gerador. Um fluxo de trabalho no estilo SKY-001 começa com uma solicitação que precisa ser decomposta em uma árvore de design, encaminhada para a ferramenta certa, verificada em relação a restrições e gravada de volta em um arquivo CAD. Uma sessão do Hy-Nomas começa com uma intenção em linguagem natural que precisa se tornar um caminho de câmera e uma instrução em nível de segmento. Essas são tarefas de modelo de linguagem, e é nelas que a confiabilidade se ganha ou se perde. O OrcaRouter dá a essa camada um único endpoint para mais de 200 modelos, com 0% de markup sobre o preço de tabela do provedor, para que um modelo mais barato possa cuidar da decomposição enquanto um mais forte cuida da verificação final, e o failover automático mantém a cadeia ativa quando um provedor degrada. Você pode expressar toda a sequência no DSL de roteamento em vez de codificar manualmente três integrações. O modelo de mundo faz a renderização ou a montagem; a camada de roteamento decide o que pedir a ele.

O que tornaria isto uma comparação de verdade?

A comparação passa a ter significado no momento em que qualquer um dos lados fecha sua lacuna. Se a Tencent publicar pontuações para o Hy-Nomas-Bench, o modelo ganha uma linha de base e todo futuro modelo de mundo poderá ser medido em relação a ela. Se a Skyfall disponibilizar seus conjuntos de teste de CAD e BIM, os 79,7% tornam-se reproduzíveis em vez de apenas relatados, e a vantagem de 0,6 ponto recebe o escrutínio que uma vantagem de 0,6 ponto merece.

Até lá, a leitura correta é categórica, e não competitiva. Hy-Nomas é um modelo de mundo de vídeo aberto e auto-hospedável, com uma tabela de resultados vazia. SKY-001 é um modelo de mundo de engenharia fechado e com lista de espera, com uma tabela de fornecedor e uma vantagem estreita. Eles compartilham uma frase, um mês e uma lacuna metodológica. Não compartilham uma função.