Apollo World против Hunyuan3D WorldClaw: место, где можно прогуляться, или драйв, который можно оценить

Самое полезное в сопоставлении Apollo World и Hunyuan3D WorldClaw — то, что оба используют слово «world», но вкладывают в него совершенно разный смысл. Hunyuan3D WorldClaw — это агентный фреймворк Tencent Hunyuan, превращающий один произвольный текстовый запрос в большую исследуемую 3D-сцену, состоящую из явных текстурированных мешей отдельных объектов, которые можно открыть в Blender и экспортировать в игровой движок. Apollo World — это управляемый агентами симулятор Baidu, представленный 3 ноября 2026 года, который генерирует наблюдения с камеры и лидара виртуального города в реальном времени, чтобы стек роботакси можно было обучать и оценивать на полных поездках. WorldClaw строит место. Apollo World выполняет поездку по нему. Если вы пришли сюда, чтобы выяснить, что лучше генерирует 3D, сам вопрос поставлен некорректно — и это стоит разобрать, а не просто ответить на него.

Два продукта под одним существительным

Совпадение реально, но невелико. Оба создают нечто, что человек мог бы назвать миром. После этого все свойства расходятся.

• Поставляемый результат — WorldClaw: файл сцены с отдельными мешами, материалами и трансформациями. Apollo World: поток кадров с датчиков вместе с состоянием агента, которые потребляются политикой вождения, а не человеком.

• Единица работы — WorldClaw: один промпт — одна сцена. Apollo World: один маршрут, одна политика, одна оценённая поездка.

• Время — вывод WorldClaw статичен после генерации; Apollo World существует, чтобы его запускали вперёд, где каждое решение меняет то, что произойдёт дальше.

• Для кого это — WorldClaw: дизайнер уровней, игровая студия, команда по работе с синтетическими данными, которой нужна геометрия. Apollo World: собственная организация Baidu, занимающаяся автономным вождением.

• Что значит «хорошо» — WorldClaw: выглядит ли сцена целостной и собирается ли без парящих объектов. Apollo World: становится ли тестируемый автомобиль безопаснее.

Если так посмотреть, эти двое — не столько соперники, сколько соседние этапы конвейера, который ещё никто не построил от начала до конца. Один формирует набор. Другой управляет трафиком на нём.

Что на самом деле делает WorldClaw — поэтапно

WorldClaw лучше всего понимать как дирижёра, а не как инструмент. Статья arXiv 2608.05248 была подана 5 августа 2026 года, а официальное объявление последовало 11 августа. Фреймворк принимает запрос в свободной форме и проходит четыре этапа — от грубого к детальному.

• Замысел и планирование — агенты на основе языковых моделей читают промпт и решают, что должно быть в сцене, создавая план, а не изображение.

• Рельеф — глобальный проход генерирует семантическую компоновку, поля высот и материалы, поэтому поверхность согласована ещё до того, как на неё что-либо размещают.

• Объекты — области рендерятся, сегментируются, и каждая область реконструируется в отдельный меш с помощью Hunyuan3D. Именно здесь выполняется обещание явной геометрии: на выходе получается набор объектов, а не слитый воедино блоб или гауссов сплат.

• Уточнение — визуальный агент проверяет рендер на наличие парящих объектов, взаимопроникновений, неверного масштаба и неверной позы и отправляет исправления обратно.

В основе стека лежит набор сторонних моделей и одно очень крупное приложение: Claude Opus 4.8 для планирования, GPT-Image-2 для изображений, SAM3 и SAM3D для сегментации, Hunyuan3D для реконструкции и Blender 5.1.1, управляемый через MCP, для сборки. Tencent сообщает, что запускает это на четырёх GPU NVIDIA H20. Опубликованная оценка носит качественный характер: результаты сравниваются с SynCity, WorldGen, MajutsuCity и Marble на сценах «бок о бок», без показателей FID, CLIP и числовых данных пользовательских исследований.

Репозиторий — это та часть, которая имеет значение для всех, кто планирует его использовать. Официальный проект на GitHub содержит README и ресурсы. Там нет кода, нет весов, нет скрипта для инференса, нет API и нет цены. Статья о фреймворке без реализации — это описание метода, а не инструмент, и именно в разрыве между этими двумя вещами умирает большинство вопросов «можно ли это попробовать».

Что на самом деле утверждает Apollo World

Apollo World был представлен на Baidu AI Day·Apollo в Шэньчжэне 3 ноября 2026 года Ван Ляном, главным архитектором подразделения интеллектуального вождения Baidu, и Ян Цзэ, который руководит работой над моделью мира. Формулировка была намеренно заострена: модель мира должна быть не художником, рисующим впечатляющее видео, а экспертом по безопасности вождения. Baidu подкрепила это системой критериев под названием «2+3» — два порога, определяющие, можно ли вообще считать нечто моделью мира, и три свойства, оценивающие, насколько она хороша.

Ключевые критерии — причинность и интерактивность. Причинность означает, что следующее состояние предсказывается из текущего, а не собирается из кадров и дополняется задним числом; интерактивность означает, что действие, внедрённое в сцену, меняет то, что происходит дальше. Оцениваемые свойства — физическая точность, устойчивость и производительность в реальном времени. Именно устойчивость отличает демонстрацию от испытательного стенда: симулятор, объекты которого медленно дрейфуют или деформируются при длительной работе, в итоге будет оценивать политику по миру, который уже не соответствует тому, с которого он начинал. Baidu определяет цикл принятия решений для дорожного транспортного средства как одну тридцатую секунды, примерно 33 миллисекунды.

Эти обещания обеспечиваются тремя возможностями. Каждый участник дорожного движения моделируется как агент с собственными решениями, а не как запрограммированный объект, поэтому тормозящий роботакси может вызвать иную реакцию у машины позади. Данные камер и лидара генерируются в реальном времени, что позволяет стеку автономного вождения воспринимать виртуальный город через тот же интерфейс, который он использует на реальной дороге. А поездки выполняются от начала до конца — заказ принят, пассажир забран, пассажир доставлен — для произвольных пунктов отправления и назначения, а не как изолированные сценарные фрагменты.

Baidu сообщает, что модель уже поддерживает глобальные испытания и валидацию Apollo Go, и приводит примерно 100 000 километров симулированного вождения в день, что подаётся как около трёх лет непрерывных испытаний с участием автомобиля со страховочным водителем. Рядом были приведены собственные операционные показатели Apollo Go: 28 городов, более 23 млн поездок, 350 млн автономных километров, из которых более 240 млн — полностью без водителя. Ни количество параметров, ни архитектура, ни таблица бенчмарков, ни статья, ни файл весов, ни цена не были опубликованы. Это брифинг о возможностях внутренней инфраструктуры, а не запуск продукта.

«Agentic» здесь означает две разные вещи.

В этом и заключается ловушка сравнения, и на этом стоит замедлиться, потому что оба анонса опираются на одно и то же модное слово.

В WorldClaw агенты — это строители. Планировщики на основе языковых моделей разбивают запрос на план сцены, агент компьютерного зрения проверяет результат и вносит исправления. Интеллект заключён в цикле создания, и он срабатывает один раз — ещё до того, как вы вообще загрузите сцену. Как только меши экспортированы, агенты исчезают; мир — это инертная геометрия.

В Apollo World агенты — это обитатели. Планировщики ничего не собирают — они управляют другими машинами, ходят по тротуарам, решают, уступать ли дорогу. Интеллект сохраняется на протяжении всей симуляции, и вся его цель — заставить мир реагировать на то, что тестируется. Статичная сцена с реактивными обитателями была бы противоречием в терминах WorldClaw и всей сутью в терминах Apollo.

Это различие также объясняет, почему эти два подхода трудно объединить наивно. Если просто поместить меши WorldClaw в симулятор вождения, получится красивая сцена, в которой ничего не движется. Чтобы добавить реактивный трафик в сцену WorldClaw, придётся самостоятельно написать слой поведения. Эти фреймворки решают разные половины одной и той же задачи, и ни один из них не поставляет другую половину.

Ни то, ни другое недоступно, причём по разным причинам.

WorldClaw задокументирован, но не распространяется. В статье метод описан достаточно подробно, чтобы хорошо обеспеченная ресурсами команда могла его воспроизвести, и несколько третьих сторон уже создали частичные версии, но Tencent не выпустила ни код, ни веса. Требование наличия четырёх H20 и зависимость от стека отдельно лицензируемых моделей также означают, что даже в случае релиза его нельзя будет просто скачать и сразу использовать.

Apollo World развернут, но не предлагается. Baidu описывает его как работающий для Apollo Go, а в раскрываемой информации нет ни коммерческих условий, ни интерфейса, ни указаний на то, что планируется внешний доступ. Поэтому сравнение двух по доступности — это не «открытое против закрытого», а «невыпущенное против внутреннего» — различие, которое имеет значение, если вы ждете любого из них.

Для команд, которым нужен мир уже в этом квартале, практический путь — ни то, ни другое. Игровой движок с инструментом процедурной генерации сцен закрывает статическую половину; коммерческий симулятор вождения закрывает динамическую половину; а видеомодели мира с открытыми весами закрывают демонстрационную половину — и то плохо, если вам нужны сенсоры. В OrcaRouter нет Apollo World или Hunyuan3D WorldClaw — ни то, ни другое не является вызываемой моделью — но языковые и визуальные этапы, окружающие конвейер сцен, — это обычная работа через API, и именно этот слой мы на самом деле покрываем: один ключ, более 200 моделей, 0% наценки к прайс-листу провайдера и переключение при сбое, когда запрос планирования завершается по тайм-ауту в середине сборки.

Какая из них — правильная ссылка для вашей проблемы?

Если вы создаёте игровой уровень, синтетический набор данных интерьеров или площадку для виртуального производства, WorldClaw — более уместное решение, даже если запустить его невозможно: четырёхэтапная декомпозиция — планирование, рельеф, объекты, доработка — представляет собой продуманную архитектуру, а вывод в виде явной сетки — правильный выбор для всего, что придётся редактировать позже. Отсутствие количественной оценки — это оговорка, которую следует учитывать при любой повторной реализации; «выглядит лучше, чем SynCity» — не спецификация.

Если вы валидируете стек автономного вождения, более полезный экспорт — это рубрика 2+3 от Apollo World, и её уже сегодня можно использовать как чек-лист, хотя саму модель — нет. Спросите любого поставщика симулятора о причинности, интерактивности, физической точности, сохранении состояния при длительном прогоне и задержке при усложнении сцены. Поставщик, который не может ответить на вопрос о сохранении состояния измерением дрейфа, продаёт вам генератор видео с ярлыком «физика».

Эти двое, вероятно, сойдутся. Симулятор, который мог бы принимать редактируемые, хорошо структурированные сцены из такого фреймворка, как WorldClaw, решил бы проблему нехватки контента, из-за которой симуляция вождения обходится дорого; генератор класса WorldClaw, который мог бы анимировать своих обитателей, перестал бы выпускать диорамы. Ни одна из компаний не объявила о такой работе. Пока что честное описание таково: это конструктор декораций без кода и экзаменатор по дорожному движению без двери, и единственное, что у них действительно общего, — это слово.