SKY-001: инженерная модель мира Skyfall AI превосходит GPT-6 Astra по стоимости в 150 раз — и по точности на 0,6 пункта

Компания Skyfall AI объявила о выпуске SKY-001 19 октября 2026 года, и утверждение, которое вам будут повторять, состоит в том, что он превосходит GPT-6 Astra и Claude Opus 5.5 в работе с CAD и BIM. Цифра, стоящая за этим утверждением, меньше и интереснее самого утверждения. На собственном бенчмарке производителя по CAD-строительству SKY-001 набирает 79,7% IoU против 79,1% у GPT-6 Astra. Это шесть десятых пункта — такой разрыв получается из-за другого random seed, а не из-за новой архитектуры. А вот всё вокруг этого совсем не близко: 3,9 секунды на кейс против 199, и $0,005 против $0,75. Точность — ничья. Эффективность — разгром. Собственные материалы Skyfall громко заявляют второй тезис и в одном месте, сами того не желая, делают первый тезис за вас. Задокументированные сбои ИИ и инциденты с агентами, стоящие за подобными релизами, собраны в OrcaRouter AI Incident Archive, где каждая запись имеет собственные источники, уровень серьёзности, оценку уверенности и флаг оспаривания.

Есть вторая вещь, которую нужно знать, прежде чем какие-либо из этих чисел будут для вас иметь значение: SKY-001 — это не то, к чему можно просто обратиться. Он находится в исследовательском превью, за листом ожидания, а полное коммерческое развёртывание намечено на начало 2027 года. Ни API, ни цен, ни весов, ни количества параметров, ни лицензии. Этот материал о том, что на самом деле означает запуск — как бенчмарки выдерживают проверку, если читать таблицу, а не заголовок, что модель действительно делает по-другому, и что команде, которой эта возможность нужна сегодня, следует делать вместо ожидания.

Что Skyfall на самом деле выпустил

Skyfall AI — компания из Сан-Франциско с исследовательским центром в Торонто, основанная командой, стоявшей за Maluuba — лабораторией глубокого обучения, которую Microsoft приобрела в 2017 году. Сэм Пасупалак — генеральный директор; Кахир Сулеман и Сумит Пасупалак — соучредители. Она вышла из режима скрытности в июле 2026 года с необычным предложением — корпоративные world models и в конечном итоге компания, управляемая ИИ, — при поддержке Fidelity, Touring Capital, M13 и iNovia. SKY-001 — это её первый релиз модели и первый конкретный артефакт, лежащий в основе этого тезиса.

Суть в одном предложении: инженерное проектирование — не языковая задача, поэтому перестаньте решать её с помощью языковой модели. Двигатель разбивается на сотни деталей, вложенных на несколько уровней вглубь, и каждая ограничена соседними; план этажа — это стены, затем блоки, затем комнаты, затем двери и оборудование, и порядок их отрисовки имеет значение. Модель, которая выдаёт одну длинную авторегрессионную цепочку текста, должна удерживать всё это в едином контексте и работает тем хуже, чем длиннее цепочка. SKY-001 вместо этого планирует в визуальном мире, в иерархии, где каждый уровень передаёт явную подцель уровню ниже.

Это делают два компонента. Hierarchical Composer принимает проектный замысел — изображение, текст или оболочку здания с техзаданием — и генерирует проект целиком, а затем разбивает его уровень за уровнем, параллельно уточняя каждый конечный узел. Construction World Model затем предсказывает упорядоченную последовательность визуальных состояний, которая строит каждый конечный узел: в CAD — цепочку состояний 3D-тел с 2D-эскизом, нарисованным между каждой последовательной парой; в BIM — план этажа, нарисованный штрих за штрихом. Сам процесс рисования выполняется как диффузия в два прохода: грубый роллаут в сжатом латентном пространстве от автоэнкодера в стиле матрёшки, затем уточнитель, восстанавливающий полное разрешение. Оба представляют собой диффузионные трансформеры; ни один не предсказывает токены.

Никакие данные о масштабе этой архитектуры публично не раскрыты. Skyfall раскрыла свои данные, а не модель: более 200 000 деталей для компоновщика и свыше 600 000 примеров конструкций для модели мира, а также примерно 35 000 реальных и синтетических планов этажей, представляющих около двух миллионов состояний чертежа. CAD-данные были восстановлены из публичных наборов данных о сборках, в которых иерархии были непоследовательными, детали не имели названий, а истории конструкций отсутствовали; Skyfall восстановила их методом обратного проектирования с помощью инженерных инструментов и рабочих процессов с поддержкой LLM и проверила результат перед обучением на нём. Аргумент о масштабе данных реален: по сравнению с PartVerse — распространённым набором данных для декомпозиции деталей — медианный объект имеет 6 деталей, а 99-й процентиль — 33. У Skyfall медиана составляет 288, а 99-й процентиль — 4 180.

Как правильно читать бенчмарк CAD

Бенчмарк по CAD-конструированию включает 1 000 компонентов, выбранных из сложных объектов — Jaguar E-Type Roadster, сварочной руки FANUC ArcMate 100iB, Minitractor 4×4, вертолёта Bell 222, реактивного двигателя; на каждый из них требуется примерно 100 шагов черчения, а оценка производится по IoU относительно эталонной формы. На нём запустили пять передовых моделей. Все числа ниже принадлежат Skyfall, получены Skyfall и относятся к моделям, которые Skyfall запускала сама.

• Время на кейс — SKY-001 3,9 с; GPT-6 Astra 199 с; Gemini 4 253 с; Kimi K3 439 с; Qwen 3.8 Max 764 с; Grok 4.7 1 250 с, не завершил ни одного.

• Стоимость за кейс — SKY-001 $0,005; GPT-6 Astra $0,75; Gemini 4 $0,25; Qwen 3.8 Max $0,30; Kimi K3 $0,13; Grok 4.7 $0,59 за отсутствие вывода.

• Качество (средний 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 — нет результата.

Это вся таблица, и она заслуживает второго прочтения. История эффективности так же сильна, как и заявлено: в 51 раз быстрее и в 150 раз дешевле, чем лучший конкурент, что при тысяче проектов в неделю означает разницу между статьёй расходов в $5 и в $750. История качества — ничья. SKY-001, GPT-6 Astra и Gemini 4 все оказываются в пределах трёх пунктов друг от друга на вершине; обвал ниже них — 34,4%, 9,5%, отсутствие вывода — говорит больше о том, насколько плохо наивный промптинг LLM работает на длинных последовательностях конструирования, чем о победителе. Grok 4.7, завершивший ноль из 1000 случаев, — напоминание о том, что это длинные, хрупкие прогоны, и что бенчмарк измеряет, способна ли модель вообще оставаться связной на протяжении 100 шагов.

Одна оговорка по столбцу затрат: Skyfall указывает стоимость на один кейс, но не раскрывает методику расчёта. От того, что это — прейскурантная цена API, стоимость арендованного времени GPU или амортизированный инференс на собственной инфраструктуре, — сравнение существенно меняется, особенно для моделей, которые Skyfall запускал самостоятельно, а не вызывал через API. Считайте, что соотношения верны в общих чертах, а абсолютные суммы в долларах остаются необъяснёнными.

Утверждение об эффективности меняется в зависимости от того, какую страницу вы читаете.

Материалы к запуску Skyfall не согласуются друг с другом, что стоит знать, если вы планируете их цитировать. В заголовке блога о запуске говорится «примерно 50-кратное ускорение и в 150 раз меньше» на один CAD-кейс, а на подписях его диаграмм указаны 51× и 150×. В заголовке страницы продукта SKY-001 указано «3,9 с против 199 с, в 49 раз быстрее» и «$0,005 против $0,75, стоимость ниже в 143 раза». В пресс-релизе говорится «в 100 раз быстрее» и «стоимость ниже в 150 раз». Одна и та же модель, один и тот же бенчмарк, четыре разных множителя скорости в трёх документах, опубликованных в один и тот же день.

Арифметика расставляет всё по местам в случае с CAD: если 199 разделить на 3.9, получится 51.0, а если $0.75 разделить на $0.005 — 150. Блог прав, а две другие страницы округлены, устарели или рассчитаны по другой базе — коэффициент 100× из пресс-релиза не согласуется ни с одним числом на сайте. Это не скандал; страницы запуска пишут разные люди в разные сроки, и никто их не сверяет. Это повод ссылаться на первичную таблицу, а не на заголовок, и ожидать, что мультипликаторы, которые вы увидите в публикациях на этой неделе, окажутся неверными в ту сторону, куда автор случайно посмотрел первым.

На посадочной странице также приводится вторая панель качества, которая не совпадает с блогом. На её диаграмме 3D CAD указано: SKY-001 — 76,1% IoU против GPT-6 Astra — 73,4%, Claude Opus 5.5 — 61,8%, Gemini 3.8 Flash — 45,9%, Qwen 3.8 Max — 26,6% и Kimi K3 — 6,5%. Бенчмарк по строительству в блоге показывает 79,7% против 79,1%. Разная задача, разный результат, одно и то же название модели в обоих случаях — и отрыв от Astra составляет от 0,6 до 2,7 балла в зависимости от того, какой из них брать. Если вы собираетесь спорить о точности этой модели, называйте бенчмарк вместе с числом.

BIM: отрыв всё меньше, а Gemini уже наступает на пятки

Бенчмарк BIM — это 1000 планов этажей: около 350 целых этажей, взятых из моделей зданий IFC, и 650 на уровне квартир, — с 20 до более чем 200 шагов построения для каждого, в среднем около 70; оценка проводится по IoU на готовом плане.

• Время на план — SKY-001 1,22 с; Kimi K3 113,9 с; GPT-6 Astra 144,6 с; Qwen 3.8 Max 255,3 с; Gemini 3.8 Flash 346,2 с; Grok 4.7 592,1 с.

• Стоимость за план — 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.

• Качество (средний 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%.

Показатели 119× по скорости и 186× по стоимости в сравнении с Astra точны. Но взгляните на столбец качества: Gemini 3.8 Flash отстаёт от SKY-001 на 1,3 балла, а Gemini 3.8 Flash стоит в 91× дороже, но в абсолютных цифрах всё ещё дёшев — 22 цента за план. Разрыв, который имеет значение для фирмы, готовящей тысячи планов, реален; разрыв, который имеет значение для фирмы, готовящей десятки планов, — это погрешность округления на фоне изменения рабочего процесса.

И посмотрите на абсолютное число. Лучшая модель на этом бенчмарке восстанавливает 43,6% плана этажа по метрике intersection-over-union. Это планка качества исследовательского превью, прямо заявленная в собственной оценке вендора, а не планка «заменить архитектора». В этом свете реальное заявление о запуске уже и более обоснованно, чем твит: специально разработанная пространственная модель теперь планирует длинные строительные последовательности со скоростью, которая делает массовую генерацию и поиск практичными, с точностью примерно на уровне человеческого бенчмарка относительно передовых LLM, с которыми её сравнивали, — а не о том, что она решила задачу проектирования зданий.

Что в твите было неправильно

Формулировка о том, что SKY-001 «превосходит GPT-6 Astra и Opus 5.5 на задачах CAD и BIM», преувеличивает одно из этих двух сравнений. Claude Opus 5.5 не фигурирует ни в одном из двух строительных бенчмарков. В других местах он появляется дважды: в видео с качественным сравнением, где четыре модели каждая написали скрипт Blender для целой сборки за один запрос — и где сама Skyfall говорит, что GPT-6 Astra была «далеко впереди» других фронтирных моделей, — а также как один из двух слепых LLM-судей, оценивавших SKY-001 против Astra, наряду с GPT-6.1 Sol. На панели 3D CAD лендинга Opus 5.5 действительно указан с 61,8%, и это единственное место, где для него существует число.

В BIM вообще нет строки Opus 5.5. В таблице строительных конструкций CAD также нет строки Opus 5.5. Так что честная версия утверждения такова: SKY-001 примерно наравне с GPT-6 Astra по точности при доле времени и затрат и превосходит запущенные фронтирные модели — включая Gemini, Qwen и Kimi — с отрывом, который растёт по мере удлинения задачи. Часть предложения про Opus унаследована из видеодемонстрации и судейского места, а не из бенчмарка.

Сравнение композера заслуживает отдельной оговорки, поскольку это более мягкий из двух результатов. Skyfall выставила SKY-001 против GPT-6 Astra, Claude Opus 5.5 и Claude Fable 5.1 на одних и тех же входных фотографиях, причём каждая LLM за один запрос писала скрипт для Blender, описывающий всю сборку. Два слепых судьи-LLM оценили рендеры по шкале от 1 до 10 по пяти параметрам, и SKY-001 победила в четырёх из пяти — декомпозиция на части: 7,8 против 6,4, интерьер: 7,3 против 6,3, сложность: 8,0 против 7,3, соответствие входному изображению: 8,1 против 6,7, реалистичность экстерьера: 7,7 против 7,4. Оговорки содержатся в собственной сноске Skyfall: судьи — это LLM, схема представляет собой one-shot-промптинг без инструментария и итераций для соперников, а GPT-6 Astra выдала модель только для 82% ассетов — так что на 18% набора SKY-001 конкурировала ни с чем. Скрипт для Blender, создаваемый за один запрос, — это намеренно невыгодный способ проверить передовую LLM в задаче 3D-сборки. Это не делает результат ложным; это делает его сравнением между специализированным пайплайном и готовым промптом — а именно такими же являются и бенчмарки по конструированию.

Что это значит, если вы действительно разрабатываете инженерное программное обеспечение

Интересен не разрыв в бенчмарке. А то, что иерархическая пространственная модель мира вообще способна удержать как единое целое 100-шаговый план сборки — на пяти уровнях сборки и тысячах деталей — и выдать результат, отличающийся не более чем на пункт от результата передовой LLM по геометрическому перекрытию. Если это подтвердится в независимом тестировании, практические последствия будут касаться поиска, а не замены: когда один прогон проектирования стоит полцента и четыре секунды вместо 75 центов и трёх минут, можно сгенерировать тысячу вариантов и выбрать один. Это другой продукт по сравнению с моделью, которая медленно выдаёт один проект.

Детали, которые, по словам Skyfall, идут следующими, указывают в том же направлении. CAD-эскизы превратятся в исполняемые параметрические операции с редактируемой историей построения, так что дизайнер сможет попросить расширить кронштейн — и соседние детали, которые должны измениться, подстроятся. Результаты BIM станут стенами, дверями, окнами и помещениями в редактируемой модели здания, а не чертежом. Помимо этого — компоновка печатных плат и другое аппаратное обеспечение. Это пункты дорожной карты, а не выпущенные функции, и в исследовательской предварительной версии ничего из этого нет.

Есть также вопросы, на которые обычно отвечает релиз модели, а этот — нет. Нет числа параметров. Нет статьи об архитектуре. Нет весов, нет лицензии, нет пути к самостоятельному развёртыванию. Нет контекстного окна, потому что это не чат-модель. Нет опубликованного инструментария для оценки, поэтому нет способа заново прогнать бенчмарк на собственных данных. И нет независимых измерений: в Artificial Analysis, LMArena и обычных сторонних рейтингах нет записи SKY-001, что неудивительно для модели, которая была публично доступна один день и которую нельзя вызвать. Каждая цифра в этом материале — со слов производителя и не воспроизведена, а собственные страницы производителя расходятся между собой до 2× в заявленном множителе скорости. Независимого воспроизведения и стоит ждать, прежде чем эти цифры станут опорными для решения о сборке.

Если вам нужна эта возможность в этом квартале

SKY-001 получить нельзя. На странице продукта предлагается лист ожидания, в пресс-релизе говорится, что полноценный коммерческий запуск намечен на начало 2027 года, а единственная упомянутая интеграция — это демонстрация внутри Autodesk Fusion, а не поставляемый коннектор. Ничто из этого не даёт оснований планировать на нём пайплайн на 2026 год.

Вам доступна та самая модель, с которой его сравнивали. GPT-6 Astra маршрутизируется в OrcaRouter как openai/gpt-6-astra, по официальным ценам OpenAI: $10.00 за миллион входных токенов и $50.00 за миллион выходных токенов при контекстном окне 1,05 млн токенов, передаётся с наценкой 0% — поэтому если OpenAI изменит тариф, тариф здесь изменится в тот же день, а не после пересчёта маржи. У неё индекс интеллекта Artificial Analysis — 54,7, индекс кодирования — 76,9 и агентный индекс — 51,6; это независимый показатель, которого у SKY-001 нет.

Это также разумный способ держать непроверенную модель в поле зрения, не делая её основой продакшена. Когда SKY-001 действительно появится в API — по текущему плану в начале 2027 года, а возможно, и через партнёра до того, как Skyfall начнёт продавать напрямую — проверять стоит собственные компоненты, а не бенчмарк из 1000 компонентов. До тех пор схема маршрутизации, которая выдерживает модель, которую вы не оценивали, — самая скучная: оставляйте вызов в одном эндпоинте, ставьте за ним цепочку резервных вариантов, и пусть роутер перераспределяет трафик, когда провайдер медленный или модель перестаёт быть лучшим ответом. Отказоустойчивость OrcaRouter существует именно потому, что новая модель должна заслужить продакшен-трафик результатами измерений, а никто не измерял SKY-001 за пределами Skyfall.

Что посмотреть

Три вещи превратили бы это из убедительной демонстрации от поставщика в основание для принятия решения. Во-первых, независимая оценка на публичном испытательном стенде: строительный бенчмарк принадлежит самой Skyfall, определён Skyfall, опубликованного набора задач нет, а разрыв в 0,6 пункта в CAD вполне укладывается в диапазон, в котором другая методика подсчёта могла бы изменить результат. Во-вторых, коммерческий формат: появится ли решение в начале 2027 года в виде API с ценой за проект, в виде плагина внутри CAD- и BIM-инструментов, где покупатель уже работает, или в виде корпоративной лицензии, продаваемой компаниям, а не разработчикам. Упоминание Autodesk Fusion намекает на второй вариант, при котором SKY-001 стал бы функцией уже имеющегося у вас ПО для проектирования, а не моделью, к которой вы обращаетесь. В-третьих, обобщается ли иерархия за пределы CAD и BIM на работу с PCB и аппаратным обеспечением, которую Skyfall называет следующей, — именно в этом состоит утверждение, что преимущество даёт архитектура, а не обучающие данные.

Пока что точное резюме остаётся узким. Skyfall AI выпустила первую заслуживающую доверия инженерную модель мира, и её реальное преимущество — это скорость и стоимость в расчёте на одно проектирование: на один-два порядка, при точности, которая сравнивается с передовым уровнем, а не превосходит его. Это действительно новая возможность и настоящая стратегическая ставка против подхода LLM к физическому проектированию. Но сегодня это ещё и страница листа ожидания и вендорный бенчмарк, и именно шесть десятых балла, а не 150×, — это то число, которое решит, больше ли это, чем просто страница листа ожидания и вендорный бенчмарк.