Apollo World vs Hunyuan3D WorldClaw: Một nơi bạn có thể bước đi, hay một cú drive bạn có thể ghi điểm

Điều hữu ích nhất khi đặt Apollo World đối chiếu với Hunyuan3D WorldClaw là cả hai đều dùng từ “world” và không bên nào mang cùng một nghĩa với từ đó. Hunyuan3D WorldClaw là khung tác tử của Tencent Hunyuan nhằm biến một lời nhắc văn bản mở thành một cảnh 3D lớn, có thể khám phá, được tạo từ các mesh từng đối tượng rõ ràng, có kết cấu, mà bạn có thể mở trong Blender và xuất sang game engine. Apollo World là trình mô phỏng do tác tử điều khiển của Baidu, được công bố ngày 3 tháng 11 năm 2026, tạo ra quan sát camera và lidar thời gian thực về một thành phố ảo để một ngăn xếp robotaxi có thể được huấn luyện và đánh giá trên các chuyến đi trọn vẹn. WorldClaw xây một địa điểm. Apollo World chạy một chuyến xe xuyên qua đó. Nếu bạn đến đây để tìm xem cái nào tạo 3D tốt hơn, câu hỏi đã bị đặt sai theo một cách đáng để bóc tách hơn là trả lời.

Hai sản phẩm cùng khoác chung một danh từ

Sự trùng lặp là có thật nhưng hẹp. Cả hai đều tạo ra thứ mà một người có thể mô tả như một thế giới. Sau đó, mọi thuộc tính đều rẽ khác.

• Sản phẩm bàn giao — WorldClaw: một tệp cảnh với các lưới, vật liệu và phép biến đổi riêng lẻ. Apollo World: một luồng khung dữ liệu cảm biến cùng trạng thái tác nhân, được một chính sách lái xe sử dụng thay vì một con người.

• Đơn vị công việc — WorldClaw: một câu lệnh cho một cảnh. Apollo World: một tuyến đường, một chính sách, một chuyến đi được chấm điểm.

• Thời gian — Đầu ra của WorldClaw là tĩnh một khi đã được tạo; Apollo World tồn tại để được vận hành về phía trước, với mỗi quyết định thay đổi những gì diễn ra tiếp theo.

• Dành cho ai — WorldClaw: nhà thiết kế màn chơi, studio game, nhóm dữ liệu tổng hợp cần hình học. Apollo World: tổ chức xe tự hành của chính Baidu.

• “Tốt” nghĩa là gì — WorldClaw: cảnh có trông mạch lạc và lắp ghép mà không có vật thể lơ lửng không. Apollo World: chiếc xe đang được thử nghiệm có trở nên an toàn hơn không.

Nói như vậy, hai thứ không hẳn là đối thủ mà đúng hơn là những giai đoạn liền kề của một quy trình mà chưa ai xây dựng hoàn chỉnh từ đầu đến cuối. Một bên tạo ra tập hợp. Bên kia điều hướng lưu lượng trên đó.

WorldClaw thực sự làm gì, theo từng giai đoạn

WorldClaw nên được hiểu là một nhạc trưởng hơn là một nhạc cụ. Bài báo, arXiv 2608.05248, được gửi vào ngày 5 tháng 8 năm 2026, với thông báo chính thức tiếp theo vào ngày 11 tháng 8. Khuôn khổ này nhận một lời nhắc dạng tự do và chạy qua bốn giai đoạn từ thô đến tinh.

• Ý định và lập kế hoạch — các tác nhân mô hình ngôn ngữ đọc lời nhắc và quyết định cảnh nên chứa gì, tạo ra một kế hoạch thay vì một hình ảnh.

• Địa hình — một lượt xử lý toàn cục tạo ra bố cục ngữ nghĩa, trường độ cao và vật liệu, để mặt đất trở nên mạch lạc trước khi bất cứ thứ gì được đặt lên đó.

• Đối tượng — các vùng được kết xuất, phân đoạn và từng vùng được tái tạo thành một lưới riêng lẻ thông qua Hunyuan3D. Đây là lúc lời hứa về hình học tường minh được giữ vững: đầu ra là một tập hợp các đối tượng, không phải một khối hợp nhất hay một Gaussian splat.

• Tinh chỉnh — một tác nhân thị giác kiểm tra bản render để phát hiện vật thể lơ lửng, hiện tượng xuyên lẫn, sai tỷ lệ và sai tư thế, rồi gửi các chỉnh sửa trở lại.

Ngăn xếp bên dưới là một danh sách các mô hình của người khác và một ứng dụng rất lớn: Claude Opus 4.8 để lập kế hoạch, GPT-Image-2 để tạo hình ảnh, SAM3 và SAM3D để phân đoạn, Hunyuan3D để tái tạo và Blender 5.1.1 được điều khiển qua MCP để lắp ráp. Tencent báo cáo rằng họ chạy nó trên bốn GPU NVIDIA H20. Đánh giá được công bố là định tính, so sánh đầu ra với SynCity, WorldGen, MajutsuCity và Marble bằng các cảnh đặt cạnh nhau và không có số liệu FID, CLIP hay nghiên cứu người dùng.

Kho lưu trữ là phần quan trọng đối với bất kỳ ai dự định sử dụng nó. Dự án GitHub chính thức chứa một README và các tài nguyên. Không có mã, không có trọng số, không có script suy luận, không có API và không có giá. Một bài báo framework không có triển khai là mô tả một phương pháp, chứ không phải một công cụ, và khoảng cách giữa hai thứ đó chính là nơi hầu hết những câu hỏi “tôi có thể thử nó không” bị dập tắt.

Apollo World thực sự tuyên bố điều gì

Apollo World đã được công bố tại Baidu AI Day·Apollo ở Thâm Quyến vào ngày 3 tháng 11 năm 2026 bởi Wang Liang, kiến trúc sư trưởng của Nhóm Lái xe Thông minh thuộc Baidu, và Yang Ze, người phụ trách công việc mô hình thế giới. Cách định khung rất sắc bén: một mô hình thế giới không nên là người vẽ ra những video ấn tượng mà phải là giám định viên về an toàn lái xe. Baidu củng cố điều đó bằng một bộ tiêu chí mà họ gọi là "2+3" — hai cổng quyết định liệu một thứ có được tính là mô hình thế giới hay không, và ba thuộc tính chấm điểm mức độ tốt của nó.

Các cửa ngõ là quan hệ nhân quả và tính tương tác. Nhân quả nghĩa là trạng thái kế tiếp được dự đoán từ trạng thái hiện tại thay vì được lắp ghép từ các khung hình rồi điền ngược; tương tác nghĩa là một hành động được đưa vào cảnh sẽ làm thay đổi những gì diễn ra sau đó. Các thuộc tính được đánh giá là độ chính xác vật lý, tính bền bỉ và hiệu năng thời gian thực. Tính bền bỉ là thứ phân biệt một bản demo với một giàn thử nghiệm: một trình mô phỏng có các vật thể trôi dạt hoặc biến dạng chậm theo thời gian trong một lần chạy dài sẽ đến lúc đánh giá một chính sách dựa trên một thế giới không còn khớp với thế giới mà nó khởi đầu. Baidu đặt chu kỳ ra quyết định cho một xe trên đường ở mức một phần ba mươi giây, khoảng 33 mili giây.

Ba năng lực hiện thực hóa những lời hứa đó. Mọi đối tượng tham gia giao thông đều được mô hình hóa như một tác nhân có quyết định riêng thay vì một đạo cụ được kịch bản hóa, nhờ đó một robotaxi đang phanh có thể gây ra phản ứng khác ở chiếc xe phía sau. Dữ liệu camera và lidar được tạo theo thời gian thực, cho phép ngăn xếp lái xe cảm nhận thành phố ảo qua đúng giao diện mà nó sử dụng trên đường thật. Và các chuyến đi được khép kín từ đầu đến cuối — nhận đơn, đón khách, trả khách — trên các điểm đi và điểm đến tùy ý, thay vì dưới dạng các đoạn kịch bản tách rời.

Baidu cho biết mô hình đã hỗ trợ việc thử nghiệm và kiểm chứng toàn cầu của Apollo Go, đồng thời dẫn con số khoảng 100.000 km lái mô phỏng mỗi ngày, được diễn giải là tương đương khoảng ba năm thử nghiệm liên tục bằng xe có tài xế an toàn. Các con số vận hành của chính Apollo Go cũng được dẫn kèm: 28 thành phố, hơn 23 triệu chuyến đi, 350 triệu km tự hành, trong đó hơn 240 triệu km là hoàn toàn không người lái. Không có số lượng tham số, kiến trúc, bảng benchmark, bài báo, tệp trọng số hay giá nào được công bố. Đây là một bản giới thiệu năng lực về hạ tầng nội bộ, không phải một đợt ra mắt sản phẩm.

“Agentic” ở đây có hai nghĩa khác nhau

Đây là cái bẫy trong phép so sánh, và đáng để chậm lại mà xem xét, bởi vì cả hai thông báo đều dựa vào cùng một từ thời thượng.

Trong WorldClaw, các tác nhân chính là những người xây dựng. Các bộ lập kế hoạch mô hình ngôn ngữ phân rã một lời nhắc thành kế hoạch cảnh, một tác nhân thị giác kiểm tra kết quả và đưa ra các chỉnh sửa. Trí tuệ nằm trong vòng lặp tạo tác, và nó chỉ vận hành một lần, trước khi bạn tải cảnh. Khi các lưới đã được xuất, các tác nhân biến mất; thế giới chỉ còn là hình học trơ.

Trong Apollo World, các agent chính là cư dân. Những planner không lắp ghép bất cứ thứ gì — họ đang lái những chiếc xe khác, đi trên vỉa hè, quyết định xem có nhường đường hay không. Trí tuệ đó tồn tại trong suốt thời gian mô phỏng, và toàn bộ mục đích của nó là khiến thế giới phản hồi lại thứ đang được kiểm thử. Một cảnh tĩnh với những cư dân có khả năng phản ứng sẽ là một mâu thuẫn theo cách hiểu của WorldClaw và lại chính là trọng tâm trong cách hiểu của Apollo.

Sự khác biệt đó cũng giải thích vì sao rất khó kết hợp hai thứ này một cách đơn giản. Thả các lưới WorldClaw vào một trình mô phỏng lái xe sẽ cho bạn một bộ trông đẹp mắt nhưng không có gì chuyển động trong đó. Thêm giao thông phản ứng vào một cảnh WorldClaw nghĩa là bạn phải tự viết lớp hành vi. Các framework giải quyết những nửa khác nhau của cùng một vấn đề, và không cái nào cung cấp nửa còn lại.

Cả hai đều không khả dụng, và không phải vì cùng một lý do

WorldClaw được tài liệu hóa nhưng không thể phân phối. Bài báo mô tả phương pháp đủ chi tiết để một đội ngũ có đủ nguồn lực có thể tái triển khai nó, và một số bên thứ ba đã xây dựng các phiên bản một phần, nhưng Tencent chưa phát hành mã nguồn hay trọng số. Yêu cầu bốn H20 và việc phụ thuộc vào một ngăn xếp các mô hình được cấp phép riêng lẻ cũng có nghĩa là ngay cả khi có phát hành, nó cũng sẽ không phải là một bản tải về dùng ngay.

Apollo World đã được triển khai nhưng chưa được cung cấp. Baidu mô tả nó là đang vận hành cho Apollo Go, và thông tin công bố không có điều khoản thương mại, không có giao diện và không có dấu hiệu cho thấy dự định cho truy cập từ bên ngoài. Do đó, so sánh giữa hai bên về tính khả dụng không phải là "mở so với đóng" mà là "chưa phát hành so với nội bộ" — một sự khác biệt quan trọng nếu bạn đang chờ đợi một trong hai.

Với các đội cần có một thế giới trong quý này, con đường thực tế không nằm ở cả hai. Một game engine với công cụ tạo cảnh theo thủ tục bao phủ nửa tĩnh; một trình mô phỏng lái xe thương mại bao phủ nửa động; và các mô hình thế giới video trọng số mở bao phủ nửa demo, một cách kém cỏi, nếu thứ bạn cần là cảm biến. OrcaRouter không cung cấp Apollo World hay Hunyuan3D WorldClaw — cả hai đều không phải là mô hình có thể gọi — nhưng các giai đoạn ngôn ngữ và thị giác bao quanh một pipeline cảnh là công việc API thông thường, và đó chính là lớp chúng tôi thực sự bao phủ: một khóa, hơn 200 mô hình, 0% phụ phí trên giá niêm yết của nhà cung cấp, và chuyển đổi dự phòng khi một lệnh gọi lập kế hoạch hết thời gian chờ giữa chừng quá trình xây dựng.

Cái nào là tài liệu tham khảo phù hợp cho vấn đề của bạn?

Nếu bạn đang xây dựng một màn chơi game, một bộ dữ liệu tổng hợp về nội thất, hay một phim trường sản xuất ảo, thì WorldClaw là thiết kế phù hợp hơn, dù bạn không thể chạy nó: cách phân rã bốn giai đoạn — lập kế hoạch, địa hình, đối tượng, tinh chỉnh — là một kiến trúc hợp lý, và đầu ra lưới tường minh là lựa chọn đúng cho bất cứ thứ gì cần được chỉnh sửa về sau. Việc thiếu đánh giá định lượng là điều cần lưu ý khi đưa vào bất kỳ bản tái triển khai nào; "trông đẹp hơn SynCity" không phải là một đặc tả.

Nếu bạn đang kiểm định một ngăn xếp lái xe, bộ tiêu chí 2+3 của Apollo World là thứ xuất ra hữu ích hơn, và nó có thể dùng ngay hôm nay như một danh mục kiểm tra dù mô hình thì chưa. Hãy hỏi bất kỳ nhà cung cấp trình mô phỏng nào về quan hệ nhân quả, tính tương tác, độ chính xác vật lý, khả năng duy trì qua một lần chạy dài và độ trễ dưới độ phức tạp của cảnh. Một nhà cung cấp không thể trả lời câu hỏi về khả năng duy trì bằng một phép đo độ trôi là đang bán cho bạn một trình tạo video có dán nhãn vật lý.

Hai bên có lẽ sẽ hội tụ. Một trình mô phỏng có thể nạp những cảnh có thể chỉnh sửa, được cấu trúc tốt từ một framework như WorldClaw sẽ giải quyết nút thắt nội dung khiến việc mô phỏng lái xe trở nên đắt đỏ; một trình tạo thuộc đẳng cấp WorldClaw có thể làm cho những cư dân của nó chuyển động sẽ thôi tạo ra những diorama. Cả hai công ty đều chưa công bố công việc đó. Hiện tại, cách mô tả trung thực là một bên dựng bối cảnh mà không có mã và một bên kiểm tra giao thông mà không có cửa, và thứ duy nhất họ thực sự chia sẻ là một từ.