Hy-Nomas vs SKY-001: Den ena renderar en värld, den andra sätter ihop den

Tencent publicerade 280 benchmarkfall för Hy-Nomas och inga poäng. Skyfall publicerade poäng för SKY-001 och ingen offentliggjord testuppsättning. Symmetrin är så snygg att den ser ut som en slump, och det är det mest användbara med att ställa dessa två modeller sida vid sida, eftersom de bortom frasen ”världsmodell” nästan inte har något gemensamt. Hy-Nomas, som släpptes av Tencent Hunyuan mellan 21 och 23 oktober 2026, genererar utforskningsbar video: 720 × 1280 vid 24 fps, styrd av fritt formulerad text och kamerabanor. SKY-001, som tillkännagavs av Skyfall AI den 19 oktober 2026, genererar teknisk geometri: den tar en textprompt eller en 2D-bild och producerar en ordnad CAD- eller BIM-konstruktionssekvens. Den ena modellens utdata är något man tittar på. Den andras är något man tillverkar.

Distinktionen är inte pedanteri. Den avgör vad noggrannhet betyder, vad ett benchmark kan mäta, om du överhuvudtaget kan få tag på modellen och vad du faktiskt skulle göra med den en måndagsmorgon.

Två uppgifter bakom en fras

En videovärldsmodell förutsäger nästa observerbara tillstånd i en scen. Dess utdataenhet är en bildruta eller ett segment, och dess korrekthetskriterium är huruvida resultatet ser ut och beter sig som en värld. En ingenjörsvärldsmodell förutsäger nästa strukturella tillstånd i en design. Dess utdataenhet är en del, en sammansättning eller ett konstruktionssteg, och dess korrekthetskriterium är huruvida geometrin matchar det som efterfrågades och huruvida sekvensen kan byggas.

Hy-Nomas är segmentautoregressiv. Den renderar en videosekvens, behåller den i en livslång KV-cache, tar nästa instruktion och renderar nästa sekvens. Text och kamera är separata indata som kombineras: prompten beskriver scenen, extrinsikerna beskriver vart objektivet tar vägen. SKY-001 är hierarkisk. En sammansättare delar upp förfrågan i system, sammansättningar, delsammansättningar och delar, och sedan ned genom våningar, enheter och rum; en världsmodell för konstruktion planerar de ordnade visuella tillstånd som producerar varje element. Båda kallar sig världsmodeller eftersom båda lär sig en dynamikmodell för en domän. Domänerna överlappar inte.

• Utdata — Hy-Nomas videosegment i 720 × 1280 och 24 FPS; SKY-001 strukturerade CAD/BIM-konstruktionssekvenser riktade mot designverktyg

• Indata – Hy-Nomas fritext plus kamerans yttre parametrar; SKY-001 en textprompt eller en 2D-bild

• Definition av korrekt — Hy-Nomas perceptuella koherens över turer; SKY-001 geometrisk överlappning mot en referensdesign

• Utvärderingsenhet — Hy-Nomas en session; SKY-001 ett fall

• Vad som faktiskt släpps idag — Hy-Nomas Apache 2.0-vikter, cirka 196 GB; SKY-001 en plats på väntelistan

Vad SKY-001 hävdar, och vad påståendet är värt

Skyfalls tillkännagivande är ett leverantörsbenchmark, och det är ett välkonstruerat sådant: två spår, tusen fall vardera, en namngiven jämförelse och tillräckligt med detaljer för att se testets utformning. CAD-spåret kör 1 000 komponenter vid ungefär 100 ritningssteg per fall. BIM-spåret kör 1 000 planlösningar vid i genomsnitt cirka 70 steg. Mot GPT-6 Astra rapporterar Skyfall 79,7 % mot 79,1 % genomsnittlig IoU på CAD vid 3,9 sekunder mot 199 sekunder och $0,005 mot $0,75 per fall. På BIM rapporterar det 43,6 % mot 40,6 %, vid 1,22 sekunder mot 144,6 sekunder och cirka $0,0024 mot $0,446.

Tre saker följer av att läsa siffrorna i stället för rubriken. För det första är siffran ”150x billigare” ett kostnadsförhållande från benchmarkkörningar, Skyfalls uppskattning av vad det kostade att utföra ett fall, inte ett pris som någon kan köpa till. Det finns ingen offentlig prislista för SKY-001. För det andra mäter IoU geometrisk överlappning, inte ingenjörsmässig kvalitet: det säger inte om en del kan tillverkas, om toleranser håller, eller om en planlösning uppfyller krav på utrymning, tillgänglighet eller konstruktion. För det tredje utesluter de rapporterade tiderna uppladdning, förbearbetning, köande, CAD- eller BIM-konvertering, validering, export och mänsklig granskning, och var och en av dessa ingår i en verklig driftsättning.

Noggrannhetsgapet är den del som går förlorad. På CAD är det 0,6 procentenheter över tusen fall; på BIM är det 3,0. Det är ett verkligt resultat, och ett snävt sådant. Det visar att ett litet teams specialiserade modell kan ligga i samma intervall som en generalistisk frontier-modell på den här uppgiften, inte att den ersätter en. Skyfalls egen formulering ligger närmare sanningen än pressbevakningen: företaget beskriver SKY-001 som en forskningsförhandsvisning med åtkomst via en väntelista och kommersiell utrullning planerad till början av 2027, inte som en produkt man kan anropa.

Vad Hy-Nomas levererar, och vad det vägrar att göra anspråk på

Tencents lansering är den motsatta artefakten: ett komplett kit med slutsatsen borttagen. Vikterna är Apache 2.0 och de innehåller mer än en checkpoint. Det finns en 54-blockig tvåströms-MMDiT med hidden size 2 048 och 16 attention heads, en Qwen2.5-VL-7B-Instruct-textkodare, 32-kanaliga DCAE-V-latenter, en finjusterad PixelUMM-dekodare i FP32 och FP8, och åtta avbrusningssteg i den destillerade konfigurationen, där fyra och sex också accepteras. Två LoRA-adaptrar medföljer: Cinematic och Robotics, den senare tränad på RealSource-Worlds dataset för robotarmar. Repositoriet dokumenterar hur du tränar din egen: rank och alpha 256, noll dropout, Muon-optimeraren med en konstant inlärningshastighet på 1e-4 under 2 000 steg, tränad från FP32-checkpointen och sammanslagen i den destillerade.

Det som inte levereras är en siffra. Hy-Nomas-Bench har 280 fall fördelade på fyra spår: fleromgångs textstyrning, kameranavigering, sammanflätad text- och kamerastyrning samt rumsligt minne, med omkring 220 referenskamerabanor. Dess resultattabell är tom. Länken till den tekniska rapporten på modellkortet är märkt "kommer snart" och leder ingenstans. Hugging Face-sidan anger att modellen inte driftsätts av någon inferensleverantör. GitHub-förrådet var tio timmar gammalt, hade 21 stjärnor och noll releaser när detta skrevs.

Asymmetrin som avgör de flesta verkliga fall

Om båda modellerna var lika bra på sina egna uppgifter skulle detta fortfarande inte vara ett svårt val för de flesta läsare, eftersom bara en av dem går att få tag på. Hy-Nomas är en nedladdning: kör den, finjustera den, servera den. Förbehållet är att "köra" innebär åtta GPU:er enligt den dokumenterade vägen, eller en enda RTX 4090 med INT8-DiT-vikter, en INT8-KV-cache, en FP8-dekoder, en historikgräns med glidande fönster och CPU-offload. Den fullständiga checkpoint-uppsättningen är cirka 196 GB; lågminnesvägen behöver ungefär 38 GB plus textkodaren. Det är inte en nedladdning för bärbara datorer, och det finns ingen hostad slutpunkt från Tencent att falla tillbaka på.

SKY-001 är en väntelista. Inga vikter, inga licensvillkor, inget publikt API, inget offentliggjort pris och ett kommersiellt mål om tidigt 2027 som företaget inte har bundit sig vid som ett datum. För en läsare som ska avgöra vad den ska göra det här kvartalet betyder den skillnaden mer än någon benchmark på den här sidan.

Det omformulerar också frågan. "Hy-Nomas versus SKY-001" är inte ett val mellan två sätt att göra samma sak. Det är ett val mellan två förmågor, där du kan ha den ena i dag och den andra ännu inte alls.

Där de två vokabulärerna faktiskt berör varandra

Robotik är det enda området där de kommer nära varandra. Hy-Nomas's Robotics LoRA tränades på ett dataset med robotarmar och smälts samman med den destillerade checkpointen för att förbättra manipuleringsscener. SKY-001:s composer arbetar med mekaniska sammanställningar och delar, vilket är samma fysiska vokabulär från andra hållet. Ett labb skulle rimligen kunna designa ett fäste med en konstruktionsmodell och simulera en arm som plockar upp det med en videovärldsmodell, och kombinationen är mer intressant än någon av delarna.

Men gränssnitten finns inte. SKY-001 sänder ut konstruktionssekvenser riktade till CAD-verktyg. Hy-Nomas tar emot text och kamerabanor. Inget i någon av utgåvorna kommunicerar med det andra, ingen av dem har validerats mot fysisk hårdvara i ett publicerat test, och robotikpåståendet på båda sidor är en kapacitetsdemonstration snarare än ett uppmätt resultat. Mötet är ett diagram, inte en pipeline.

Kostnadssamtalet som folk missuppfattar

Två typer av siffror cirkulerar kring dessa modeller, och ingen av dem är ett pris. SKY-001:s $0,005 per CAD-ärende och $0,0024 per BIM-plan är uppskattningar från interna benchmarkkörningar, och jämförelsetalen $0,75 och $0,446 är kostnaden för att köra GPT-6 Astra genom samma testramverk. De är användbara för att bedöma effektivitet. De är inte taxor, och Skyfall har inte publicerat någon prislista.

Hy-Nomas har ingen kostnadssiffra alls, eftersom det inte finns någon tjänst att prissätta. Dess kostnad är GPU-timmar: ett RTX 4090 med lågminneskonfigurationen, eller åtta GPU:er på standardvägen, plus nedladdningen och lagringen. Om du vill ha en sanningsenlig jämförelse av vad var och en kostar att driva behöver du dina egna antaganden om utnyttjandegrad, och ingen av leverantörerna har gett dig siffrorna för att göra dem.

Det enda som går att jämföra är vad det kostar att utvärdera var och en. Hy-Nomas låter dig själv köra dess benchmark med 280 fall, eftersom datamängden är publicerad; du måste bygga poängsättningsverktyget, eftersom Tencent inte levererade några resultat. SKY-001:s benchmark beskrivs men har inte släppts, så en tredje part kan inte reproducera den utan att bygga om testet. Den asymmetrin är värd mer än rubriken på 0,005 USD.

Modellen är inte arbetsflödet

Ingen av modellerna finns i vår katalog, och det är inte troligt att någon av dem kommer att göra det inom snar framtid: den ena är en självhostad utgåva med öppna vikter, den andra är en forskningsförhandsvisning med väntelista och utan API. Vi tänker inte låtsas något annat.

Det som båda behöver, och som ingen av dem omfattar, är resonemangslagret kring generatorn. Ett arbetsflöde i SKY-001-stil börjar med en begäran som måste delas upp i ett designträd, dirigeras till rätt verktyg, kontrolleras mot begränsningar och skrivas tillbaka till en CAD-fil. En Hy-Nomas-session börjar med en avsikt i naturligt språk som måste bli en kamerabana och en instruktion på segmentnivå. Det är språkmodellsjobb, och det är där tillförlitligheten vinns eller förloras. OrcaRouter ger det lagret en slutpunkt för fler än 200 modeller, med 0 % påslag på leverantörens listpris, så att en billigare modell kan hantera uppdelningen medan en starkare hanterar den slutliga kontrollen, och automatisk redundansväxling håller kedjan vid liv när en leverantör försämras. Du kan uttrycka hela sekvensen i routnings-DSL i stället för att hårdkoda tre integrationer. Världsmodellen gör renderingen eller monteringen; routningslagret avgör vad man ska be den om.

Vad skulle göra detta till en riktig jämförelse

Jämförelsen blir meningsfull i samma stund som endera sidan sluter sitt gap. Om Tencent publicerar poäng för Hy-Nomas-Bench får modellen en baslinje och varje framtida världsmodell kan mätas mot den. Om Skyfall släpper sina CAD- och BIM-testset blir de 79,7 % reproducerbara i stället för rapporterade, och försprånget på 0,6 punkter får den granskning som ett försprång på 0,6 punkter förtjänar.

Fram till dess är den korrekta tolkningen kategorisk snarare än konkurrensmässig. Hy-Nomas är en öppen, självhostbar världsmodell för video med en tom resultattabell. SKY-001 är en stängd ingenjörsmässig världsmodell med väntelista, en leverantörstabell och ett knappt försprång. De delar en fras, en månad och en metodologisk lucka. De delar inte ett jobb.