Hy-Nomas vs SKY-001: один рендерит мир, другой собирает его

Tencent опубликовала 280 тестовых кейсов для Hy-Nomas и ни одной оценки. Skyfall опубликовала оценки для SKY-001 и не выпустила тестовый набор. Эта симметрия настолько аккуратна, что выглядит совпадением, и это самое полезное в том, чтобы поставить эти две модели бок о бок, потому что, помимо фразы «модель мира», у них почти нет ничего общего. Hy-Nomas, выпущенная Tencent Hunyuan в период с 21 по 23 октября 2026 года, генерирует видео, которое можно исследовать: 720 × 1280 при 24 FPS, управляемое текстом в свободной форме и траекториями камеры. SKY-001, анонсированная Skyfall AI 19 октября 2026 года, генерирует инженерную геометрию: она принимает текстовый запрос или 2D-изображение и создаёт упорядоченную последовательность построения в CAD или BIM. Результат одной модели — это то, на что вы смотрите. Результат другой — это то, что вы изготавливаете.

Это различие — не педантизм. Оно определяет, что означает точность, что может измерить бенчмарк, можно ли вообще получить модель и что вы на самом деле будете с ней делать в понедельник утром.

Две задачи за одной фразой

Видеомодель мира предсказывает следующее наблюдаемое состояние сцены. Её единица вывода — кадр или сегмент, а критерий корректности — то, выглядит ли результат и ведёт ли он себя как мир. Инженерная модель мира предсказывает следующее структурное состояние проектируемого объекта. Её единица вывода — деталь, сборка или шаг сборки, а критерий корректности — соответствует ли геометрия требуемой и можно ли реализовать эту последовательность.

Hy-Nomas — сегментно-авторегрессионная модель. Она рендерит фрагмент видео, сохраняет его в пожизненном KV-кэше, принимает следующую инструкцию и рендерит следующий фрагмент. Текст и камера — отдельные входные данные, которые сочетаются: промпт описывает сцену, внешние параметры описывают, куда движется объектив. SKY-001 — иерархическая модель. Компоновщик раскладывает запрос на системы, сборки, подсборки и детали, а затем — вниз через этажи, юниты и комнаты; модель мира строительства планирует упорядоченные визуальные состояния, которые порождают каждый элемент. Обе называют себя моделями мира, потому что обе изучают модель динамики предметной области. Эти предметные области не пересекаются.

• Выходные данные — видеосегменты Hy-Nomas с разрешением 720 × 1280 и частотой 24 кадра/с; структурированные последовательности строительства CAD/BIM SKY-001, ориентированные на инструменты проектирования

• Входные данные — свободный текст Hy-Nomas плюс внешние параметры камеры; SKY-001 — текстовый запрос или 2D-изображение

• Определение корректного результата — перцептивная согласованность Hy-Nomas между ходами; геометрическое перекрытие SKY-001 с эталонным дизайном

• Единица оценки — Hy-Nomas: сессия; SKY-001: кейс

• Что фактически поставляется сегодня — веса Hy-Nomas под Apache 2.0, около 196 ГБ; SKY-001 — место в списке ожидания

Что утверждает SKY-001 и чего стоит это утверждение

Анонс Skyfall — это вендорный бенчмарк, и он хорошо построен: два трека, по тысяче кейсов в каждом, названный компаратор и достаточно деталей, чтобы увидеть структуру теста. Трек CAD прогоняет 1 000 компонентов при примерно 100 шагах отрисовки на кейс. Трек BIM прогоняет 1 000 планов этажей при среднем около 70 шагов. В сравнении с GPT-6 Astra Skyfall сообщает 79,7% против 79,1% среднего IoU на CAD при 3,9 секунды против 199 секунд и $0,005 против $0,75 за кейс. На BIM он сообщает 43,6% против 40,6%, при 1,22 секунды против 144,6 секунды и примерно $0,0024 против $0,446.

Из чтения цифр, а не заголовка, следуют три вещи. Во-первых, показатель {{1}}«в 150 раз дешевле»{{/1}} — это соотношение затрат на один прогон бенчмарка, оценка Skyfall того, во сколько обошлось выполнение одного кейса, а не цена, по которой кто-либо может купить. Публичного прайс-листа SKY-001 не существует. Во-вторых, IoU измеряет геометрическое перекрытие, а не инженерное качество: он не говорит, можно ли изготовить деталь, сходятся ли допуски или соответствует ли план этажа требованиям к путям эвакуации, доступности и конструктивным требованиям. В-третьих, указанные тайминги не включают загрузку, предварительную обработку, постановку в очередь, конвертацию CAD или BIM, валидацию, экспорт и проверку человеком, и каждый из этих этапов присутствует в реальном внедрении.

Разрыв в точности — это то, что теряется. В CAD он составляет 0,6 процентного пункта на тысяче случаев; в BIM — 3,0. Это реальный результат, и притом узкий. Он показывает, что специализированная модель небольшой команды может попасть в тот же диапазон, что и передовая универсальная модель в этой задаче, а не то, что она заменяет такую модель. Собственная формулировка Skyfall ближе к истине, чем освещение в прессе: компания описывает SKY-001 как исследовательский предпросмотр с доступом через лист ожидания и целевым коммерческим развёртыванием в начале 2027 года, а не как продукт, который уже можно использовать.

Что Hy-Nomas поставляет на рынок — и чего не берётся утверждать

Релиз Tencent — это артефакт противоположного типа: полный комплект с удалённым выводом. Веса распространяются под Apache 2.0 и включают больше, чем один чекпоинт. Есть 54-блочный двухпотоковый MMDiT со скрытым размером 2 048 и 16 головами внимания, текстовый энкодер Qwen2.5-VL-7B-Instruct, 32-канальные латенты DCAE-V, дообученный декодер PixelUMM в FP32 и FP8 и восемь шагов денойзинга в дистиллированной конфигурации, при этом также допускаются четыре и шесть. Поставляются два LoRA-адаптера: Cinematic и Robotics, обученный на наборе данных роботизированной руки RealSource-World. В репозитории описано, как обучить собственный: ранг и alpha 256, нулевой dropout, оптимизатор Muon с постоянной скоростью обучения 1e-4 на 2 000 шагов, обучение от FP32-чекпоинта и слияние в дистиллированный.

В поставку не входит число. Hy-Nomas-Bench содержит 280 кейсов по четырём трекам — многоходовое управление текстом, навигация камеры, чередующееся управление текстом и камерой и пространственная память — и около 220 эталонных траекторий камеры. Его таблица результатов пуста. Ссылка на технический отчёт в карточке модели помечена как «скоро» и никуда не ведёт. На странице Hugging Face указано, что модель не развёрнута ни одним провайдером инференса. На момент написания репозиторий на GitHub существовал десять часов, у него было 21 звезда и ни одного релиза.

Асимметрия, которая решает большинство реальных случаев

Даже если бы обе модели были одинаково хороши в своих задачах, для большинства читателей это всё равно не было бы трудным выбором, потому что получить можно только одну из них. Hy-Nomas — это скачиваемый вариант: запустите, дообучите, разверните. Оговорка в том, что «запуск» означает восемь GPU в документированном сценарии или одну RTX 4090 с весами INT8 DiT, кэшем KV INT8, декодером FP8, ограничением истории скользящим окном и выгрузкой на CPU. Полный набор чекпойнтов — около 196 ГБ; вариант с низким потреблением памяти требует примерно 38 ГБ плюс текстовый энкодер. Это не то, что можно скачать на ноутбук, и нет хостингового эндпоинта от Tencent, который можно было бы использовать как запасной вариант.

SKY-001 — это лист ожидания. Ни весов, ни условий лицензирования, ни публичного API, ни опубликованной цены, а коммерческий запуск намечен на начало 2027 года, причём компания не обязалась считать эту дату окончательной. Для читателя, который решает, что делать в этом квартале, эта разница важнее любого бенчмарка на этой странице.

Это также меняет постановку вопроса. «Hy-Nomas против SKY-001» — это не выбор между двумя способами делать одно и то же. Это выбор между двумя возможностями, одну из которых можно получить уже сегодня, а другую пока нельзя получить вообще.

Где эти два словаря действительно соприкасаются

Робототехника — единственная область, где они почти сближаются. Robotics LoRA от Hy-Nomas обучалась на наборе данных с роботизированными манипуляторами и объединяется с дистиллированным чекпоинтом, чтобы улучшать сцены манипуляции. Composer SKY-001 работает с механическими сборками и деталями — тот же физический словарь, только с другой стороны. Лаборатория вполне могла бы спроектировать кронштейн с помощью инженерной модели и смоделировать, как манипулятор подхватывает его с помощью видеомодели мира, и это сочетание интереснее, чем каждая из частей по отдельности.

Но интерфейсов не существует. SKY-001 выдаёт строительные последовательности, предназначенные для CAD-инструментов. Hy-Nomas потребляет текст и траектории камеры. Ни один из этих выпусков не взаимодействует с другим, ни один не был проверен на физическом оборудовании в опубликованном тесте, а заявленные робототехнические возможности с обеих сторон представляют собой демонстрацию функциональности, а не измеренный результат. Эта встреча — диаграмма, а не конвейер.

Разговор о затратах, который люди понимают неправильно

В связи с этими моделями циркулируют два вида чисел, и ни одно из них не является ценой. Оценки SKY-001 в $0,005 за CAD-кейс и $0,0024 за BIM-план — это внутренние оценки по результатам бенчмарк-прогонов, а сравнительные показатели $0,75 и $0,446 — это стоимость прогона GPT-6 Astra через тот же стенд. Они полезны для оценки эффективности. Это не тарифы, и Skyfall не опубликовала никакой тарифной сетки.

У Hy-Nomas вообще нет цифры стоимости, потому что нет услуги, которую можно было бы оценить. Её стоимость — это часы GPU: один RTX 4090 с конфигурацией с малым объёмом памяти или восемь GPU на стандартном пути, плюс загрузка и хранение. Если вы хотите честного сравнения того, сколько стоит эксплуатация каждого из них, вам нужны собственные допущения об уровне использования, а ни один из поставщиков не дал вам цифр, чтобы их сделать.

Единственное, что поддаётся сравнению, — это стоимость оценки каждого. Hy-Nomas позволяет самостоятельно запустить его бенчмарк из 280 кейсов, поскольку набор данных опубликован; вам придётся создать инструмент подсчёта баллов, так как Tencent не предоставила результаты. Бенчмарк SKY-001 описан, но не выпущен, поэтому третья сторона не может воспроизвести его, не пересобрав тест. Эта асимметрия значит больше, чем заголовочная цифра $0.005.

Модель — это не рабочий процесс

Ни одной из моделей нет в нашем каталоге, и вряд ли они появятся там в ближайшее время: одна — это релиз с открытыми весами для самостоятельного размещения, другая — исследовательский предпросмотр с листом ожидания и без API. Мы не собираемся делать вид, что это не так.

Что нужно обоим этим решениям и чего нет ни в одном из них — это слой рассуждений вокруг генератора. Рабочий процесс в стиле SKY-001 начинается с запроса, который нужно разложить на дерево проектирования, направить в нужный инструмент, проверить на соответствие ограничениям и записать обратно в CAD-файл. Сеанс Hy-Nomas начинается с намерения на естественном языке, которое должно превратиться в траекторию камеры и инструкцию на уровне сегмента. Это задачи для языковых моделей, и именно на них решается, будет ли обеспечена надёжность. OrcaRouter предоставляет этому слою единую конечную точку для более чем 200 моделей, с 0% наценки к прайс-листу провайдера, поэтому более дешёвая модель может выполнять декомпозицию, а более сильная — финальную проверку, а автоматическое переключение при сбое поддерживает цепочку работоспособной при деградации провайдера. Всю последовательность можно выразить в DSL маршрутизации вместо жёсткого кодирования трёх интеграций. Модель мира выполняет рендеринг или сборку; слой маршрутизации решает, что у неё запросить.

Что сделало бы это настоящим сравнением?

Сравнение обретает смысл в тот момент, когда любая из сторон закрывает своё отставание. Если Tencent опубликует оценки для Hy-Nomas-Bench, у модели появится базовая линия, и с ней можно будет соизмерять каждую будущую модель мира. Если Skyfall выпустит свои тестовые наборы CAD и BIM, показатель 79,7% станет воспроизводимым, а не просто заявленным, и преимущество в 0,6 пункта пройдёт ту проверку, которой оно заслуживает.

До тех пор правильное прочтение — категориальное, а не конкурентное. {{1}}Hy-Nomas{{/1}} — открытая видеомодель мира с возможностью самостоятельного развертывания и пустой таблицей результатов. {{2}}SKY-001{{/2}} — закрытая инженерная модель мира с листом ожидания, таблицей вендора и небольшим отрывом. Их объединяют фраза, месяц и методологический пробел. Но они не выполняют одну и ту же работу.