Apollo World vs Hunyuan3D WorldClaw: En plats du kan promenera i, eller ett drive du kan få poäng för

Det mest användbara med att ställa Apollo World mot Hunyuan3D WorldClaw är att båda använder ordet "world" och att ingen av dem menar samma sak med det. Hunyuan3D WorldClaw är Tencent Hunyuans agentiska ramverk för att förvandla en öppen textprompt till en stor, utforskbar 3D-scen uppbyggd av explicita, texturerade mesh-nät per objekt som du kan öppna i Blender och exportera till en spelmotor. Apollo World är Baidus agentdrivna simulator, som offentliggjordes den 3 november 2026, och som genererar kamera- och lidarobservationer i realtid av en virtuell stad så att en robotaxi-stack kan tränas och bedömas på hela resor. WorldClaw bygger en plats. Apollo World kör en färd genom en sådan. Om du kom hit för att ta reda på vilken som genererar bättre 3D, är frågan felställd på ett sätt som är värt att reda ut i stället för att besvara.

Två produkter som bär samma substantiv

Överlappningen är verklig men smal. Båda producerar något som en person skulle kunna beskriva som en värld. Därefter skiljer sig varje egenskap åt.

• Leverans — WorldClaw: en scenfil med enskilda meshar, material och transformationer. Apollo World: en ström av sensorramar plus agenttillstånd, som konsumeras av en körpolicy snarare än av en person.

• Arbetsenhet — WorldClaw: en prompt till en scen. Apollo World: en rutt, en policy, en bedömd resa.

• Tid — WorldClaws utdata är statisk när den väl har genererats; Apollo World finns för att köras framåt, där varje beslut förändrar vad som händer härnäst.

• Vem den är till för — WorldClaw: en leveldesigner, en spelstudio, ett team för syntetisk data som behöver geometri. Apollo World: Baidus egen organisation för självkörande bilar.

• Vad "bra" innebär — WorldClaw: ser scenen sammanhängande ut och sätts ihop utan svävande objekt. Apollo World: blir bilen som testas säkrare.

Om man ser det så är de två inte så mycket rivaler som intilliggande steg i en pipeline som ingen ännu har byggt från början till slut. Den ena skapar uppsättningen. Den andra dirigerar trafiken på den.

Vad WorldClaw faktiskt gör, steg för steg

WorldClaw förstås bäst som en dirigent snarare än ett instrument. Artikeln, arXiv 2608.05248, skickades in den 5 augusti 2026, och det officiella tillkännagivandet följde den 11 augusti. Ramverket tar en fritt formulerad prompt och kör fyra steg från grovt till fint.

• Avsikt och planering – språkmodellsbaserade agenter läser prompten och avgör vad scenen ska innehålla, och tar fram en plan i stället för en bild.

• Terräng — ett globalt pass genererar semantisk layout, höjdfält och material, så att marken är sammanhängande innan något placeras på den.

• Objekt – regioner renderas, segmenteras och varje region rekonstrueras till ett individuellt mesh via Hunyuan3D. Det är här löftet om explicit geometri infrias: utdata är en uppsättning objekt, inte en sammansmält blob eller en Gaussian splat.

• Förfining – en visionsagent granskar renderingen för svävande objekt, genomträngning, felaktig skala och felaktig pose och skickar tillbaka korrigeringar.

Under huven finns en lista med andras modeller och en mycket stor applikation: Claude Opus 4.8 för planering, GPT-Image-2 för bilder, SAM3 och SAM3D för segmentering, Hunyuan3D för rekonstruktion och Blender 5.1.1 som styrs via MCP för montering. Tencent uppger att det körs på fyra NVIDIA H20-GPU:er. Den publicerade utvärderingen är kvalitativ och jämför utdata med SynCity, WorldGen, MajutsuCity och Marble med scener sida vid sida och inga FID-, CLIP- eller användarstudiesiffror.

Repositoriet är den del som spelar roll för alla som planerar att använda det. Det officiella GitHub-projektet innehåller en README och tillgångar. Det finns ingen kod, inga vikter, inget inferensskript, inget API och inget pris. En ramverksartikel utan implementation är en beskrivning av en metod, inte ett verktyg, och det är i gapet mellan dessa två saker som de flesta "kan jag prova det"-frågor dör.

Vad Apollo World egentligen hävdar

Apollo World presenterades på Baidu AI Day·Apollo i Shenzhen den 3 november 2026 av Wang Liang, chefsarkitekt för Baidus Intelligent Driving Group, och Yang Ze, som leder arbetet med världsmodellen. Formuleringen var skarp: en världsmodell bör inte vara en målare av imponerande video utan en granskare av körsäkerhet. Baidu underbyggde detta med en bedömningsmatris som man kallar ”2+3” – två grindar som avgör om något överhuvudtaget räknas som en världsmodell, och tre egenskaper som graderar hur bra den är.

Grindarna är kausalitet och interaktivitet. Kausalitet innebär att nästa tillstånd förutsägs från det nuvarande i stället för att sättas samman av bildrutor och fyllas i efteråt; interaktivitet innebär att en åtgärd som injiceras i scenen förändrar det som följer. De graderade egenskaperna är fysisk noggrannhet, persistens och realtidsprestanda. Persistens är den som skiljer en demo från en testrigg: en simulator vars objekt långsamt driver eller deformeras under en lång körning kommer så småningom att betygsätta en policy mot en värld som inte längre matchar den den började i. Baidu anger beslutscykeln för ett vägfordon till en trettiondels sekund, cirka 33 millisekunder.

Tre funktioner bär dessa löften. Varje trafikant modelleras som en agent med egna beslut i stället för ett skriptat objekt, så en bromsande robotaxi kan framkalla en annan reaktion från bilen bakom. Kamera- och lidardata genereras i realtid, vilket låter körstacken uppfatta den virtuella staden genom samma gränssnitt som den använder på en verklig väg. Och resor slutförs från början till slut – order accepterad, passagerare upphämtad, passagerare avlämnad – mellan godtyckliga start- och målplatser, i stället för som isolerade scenarioklipp.

Baidu uppger att modellen redan stöder Apollo Go:s globala testning och validering och hänvisar till ungefär 100 000 kilometer simulerad körning per dag, vilket beskrivs som ungefär tre års kontinuerlig testning med en bil utrustad med säkerhetsförare. Apollo Go:s egna driftssiffror angavs samtidigt: 28 städer, fler än 23 miljoner åkturer, 350 miljoner autonoma kilometer, varav fler än 240 miljoner var helt förarlösa. Inget parameterantal, ingen arkitektur, ingen benchmarktabell, inget paper, ingen viktfil eller något pris publicerades. Detta är en kapacitetsgenomgång om intern infrastruktur, inte en produktlansering.

"Agentic" betyder två olika saker här

Det här är fällan i jämförelsen, och det är värt att sakta ner för, eftersom båda tillkännagivandena förlitar sig på samma trendiga ord.

I WorldClaw är agenterna byggarna. Språkmodellsplanerare delar upp en prompt i en scenplan, en visionsagent granskar resultatet och utfärdar korrigeringar. Intelligensen ligger i skapandeloopen, och den körs en gång, innan du ens laddar scenen. När mesharna har exporterats är agenterna borta; världen är inert geometri.

I Apollo World är agenterna invånarna. Planerarna monterar inte något – de kör de andra bilarna, går på trottoarerna och avgör om de ska väja. Intelligensen finns kvar under hela simuleringen, och dess enda syfte är att få världen att reagera på det som testas. En statisk scen med reaktiva invånare skulle vara en självmotsägelse enligt WorldClaw och själva poängen enligt Apollo.

Den åtskillnaden förklarar också varför de två är svåra att kombinera på ett naivt sätt. Att släppa in WorldClaw-meshar i en körsimulator ger dig en snygg scen där ingenting rör sig. Att lägga till reaktiv trafik i en WorldClaw-scen innebär att du själv måste skriva beteendelagret. Ramverken löser olika halvor av samma problem, och ingen av dem levererar den andra halvan.

Ingen av dem är tillgänglig, och inte av samma anledning.

WorldClaw är dokumenterat men inte distribuerbart. Artikeln beskriver en metod i tillräcklig detalj för att ett team med goda resurser skulle kunna återimplementera den, och flera tredje parter har byggt partiella versioner, men Tencent har inte släppt koden eller vikterna. Kravet på fyra H20 och beroendet av en stack av separat licensierade modeller innebär också att en release inte skulle vara en enkel nedladdning även om den skedde.

Apollo World är driftsatt men erbjuds inte. Baidu beskriver det som att det används för Apollo Go, och avslöjandet innehåller inga kommersiella villkor, inget gränssnitt och ingen indikation på att extern åtkomst planeras. Jämförelsen mellan de två vad gäller tillgänglighet är därför inte "öppen kontra stängd" utan "osläppt kontra intern" – en distinktion som spelar roll om du väntar på någon av dem.

För team som behöver en värld redan det här kvartalet är den praktiska vägen ingen av dem. En spelmotor med ett proceduralt scenverktyg täcker den statiska halvan; en kommersiell körsimulator täcker den dynamiska halvan; och videovärldsmodellerna med öppna vikter täcker demohalvan, dåligt, om det du behöver är sensorer. OrcaRouter har inte Apollo World eller Hunyuan3D WorldClaw – ingendera är en anropbar modell – men språk- och visionsstegen som omger en scenpipeline är vanligt API-arbete, och det är det lager vi faktiskt täcker: en nyckel, fler än 200 modeller, 0 % påslag på leverantörens listpris och failover när ett planeringsanrop får timeout mitt i bygget.

Vilken är den rätta referensen för ditt problem?

Om du bygger en spelnivå, en syntetisk datamängd med interiörer eller en virtuell produktionsscen är WorldClaw den mer relevanta designen även om du inte kan köra den: fyrastegsnedbrytningen – plan, terräng, objekt, förfining – är en gedigen arkitektur, och utdata i explicit mesh är rätt val för allt som behöver redigeras senare. Avsaknaden av kvantitativ utvärdering är det förbehåll du bör bära med dig in i varje återimplementering; "ser bättre ut än SynCity" är inte en specifikation.

Om du validerar en körstack är Apollo Worlds 2+3-bedömningsmatris den mer användbara exporten, och den är användbar redan i dag som en checklista även om modellen inte är det. Fråga vilken simulatorleverantör som helst om kausalitet, interaktivitet, fysisk noggrannhet, persistens över en lång körning och latens vid scenkomplexitet. En leverantör som inte kan besvara persistensfrågan med en driftmätning säljer dig en videogenerator med en fysiketikett.

De två kommer förmodligen att konvergera. En simulator som kunde ta in redigerbara, välstrukturerade scener från ett ramverk som WorldClaw skulle lösa den innehållsflaskhals som gör körsimulering dyr; en generator av WorldClaw-klass som kunde animera sina invånare skulle sluta producera dioramor. Inget av företagen har meddelat det arbetet. För närvarande är den ärliga beskrivningen en scenbyggare utan kod och en trafikinspektör utan dörr, och det enda de verkligen delar är ett ord.