Apollo World vs SKY-001: Khi “Mô hình thế giới” chỉ ba công việc khác nhau

Apollo World và SKY-001 được công bố cách nhau mười lăm ngày và hầu như không có điểm chung nào ngoài một nhãn. Apollo World là trình mô phỏng do tác nhân dẫn dắt của Baidu, được tiết lộ vào ngày 3 tháng 11 năm 2026, tạo ra các quan sát từ camera và lidar về một thành phố ảo để một stack robotaxi có thể được huấn luyện và chấm điểm trên các chuyến đi hoàn chỉnh. SKY-001 là mô hình thế giới kỹ thuật của Skyfall AI, được công bố vào ngày 19 tháng 10 năm 2026, dự đoán chuỗi trạng thái thị giác có thứ tự mà qua đó một bộ phận cơ khí được chế tạo — một kế hoạch thi công theo từng bản vẽ. Một cái đẩy một cảnh giao thông tiến về phía trước theo thời gian. Cái kia đẩy một quy trình sản xuất tiến về phía trước theo thời gian. Cả hai đều được gọi một cách chính xác là mô hình thế giới, và đó chính xác là vấn đề với cụm từ này.

Thuật ngữ này đã lặng lẽ trở thành một chức danh công việc thay vì một phạm trù. Giờ đây có ba sản phẩm mang nó: các mô hình tạo ra những môi trường có thể xem được, các mô hình mô phỏng một môi trường mà một tác nhân có thể hành động bên trong, và các mô hình dự đoán các chuyển đổi trạng thái của một quá trình. Apollo World là sản phẩm thứ hai. SKY-001 là sản phẩm thứ ba. So sánh trực tiếp chúng giống như so sánh một trình mô phỏng bay với một cuốn sách hướng dẫn lắp ráp: cả hai đều mô tả cách một thứ gì đó diễn ra, và bạn sẽ không bao giờ dùng cái này cho công việc của cái kia.

SKY-001 dự đoán một bản dựng, không phải một con phố

Skyfall AI được thành lập bởi nhóm đứng sau Maluuba, phòng nghiên cứu Canada mà Microsoft đã mua lại vào năm 2017, và các nhà đầu tư được cho là bao gồm Fidelity, Touring Capital, M13 và iNovia. SKY-001 được công bố vào ngày 19 tháng 10 năm 2026 dưới dạng bản xem trước nghiên cứu có danh sách chờ. Không có API, không có giá, không có giấy phép và không có trọng số; việc triển khai thương mại đầy đủ dự kiến vào đầu năm 2027.

Kiến trúc có hai giai đoạn, cả hai đều là diffusion transformer hoạt động trên các trạng thái thị giác thay vì token văn bản.

• Hierarchical Composer tạo ra toàn bộ thiết kế, sau đó đệ quy tách nó thành các cụm lắp, cụm lắp phụ và chi tiết, với mỗi cấp đều có thể song song hóa. Đây là cách mô hình tránh việc tạo ra một bản vẽ nguyên khối duy nhất cho một đối tượng phức tạp.

• Construction World Model dự đoán chuỗi có thứ tự các trạng thái thị giác tạo nên từng bộ phận lá, bằng cách sử dụng lược đồ khuếch tán hai lượt trên một bộ tự mã hóa kiểu Matryoshka: trước tiên là một rollout tiềm ẩn thô, sau đó là một bộ tinh chỉnh ở độ phân giải đầy đủ.

Các tuyên bố về dữ liệu huấn luyện rất lớn và cụ thể: hơn 200.000 bộ phận cho composer, hơn 600.000 ví dụ xây dựng và khoảng 35.000 mặt bằng đóng góp khoảng hai triệu trạng thái bản vẽ. Đầu ra là một chuỗi kế hoạch trực quan — thứ tự xây dựng được hiển thị dưới dạng bản vẽ. Đây không phải là lịch sử tính năng CAD có thể chỉnh sửa, và Skyfall liệt kê đầu ra ở cấp tính năng là công việc trong tương lai.

Sự phân biệt cuối cùng đó là điều mà một kỹ sư sẽ quan tâm nhất. Một chuỗi hình ảnh cho thấy cách một bộ phận được lắp ráp rất hữu ích cho việc xem xét, cho tài liệu, cho việc huấn luyện một mô hình hạ nguồn và để phát hiện một thứ tự thao tác bất khả thi. Đó không phải là một mô hình mà bạn có thể mở trong một gói CAD và chỉnh sửa, và nó không đưa cho người thợ máy một đường chạy dao.

Apollo World dự đoán lưu lượng trong giây tiếp theo

Công bố của Baidu tại AI Day·Apollo ở Thâm Quyến được định hình như một sự chỉnh lý cho lĩnh vực này. Wang Liang, kiến trúc sư trưởng của Nhóm Lái xe Thông minh, lập luận rằng mô hình thế giới không nên là một họa sĩ tạo ra video ấn tượng mà phải là một giám khảo xác minh an toàn lái xe. Thang tiêu chí theo sau — “2+3” — là nỗ lực công bố rõ ràng nhất nhằm định nghĩa thế nào là đạt chuẩn.

Hai cổng kiểm soát là nhân quả, nghĩa là trạng thái tiếp theo được dự đoán từ trạng thái hiện tại thay vì được lắp ghép từng khung hình và lấp ngược, và tính tương tác, nghĩa là một hành động được đưa vào sẽ làm thay đổi những gì diễn ra sau đó. Ba thuộc tính được chấm điểm là độ chính xác vật lý, độ duy trì và hiệu năng thời gian thực. Độ duy trì được định nghĩa là không có sự trôi dạt ở các đối tượng và chi tiết qua các lần chạy dài; thời gian thực bị giới hạn bởi chu kỳ quyết định một phần ba mươi giây, khoảng 33 mili giây, mà một phương tiện giao thông đường bộ cần.

Ba năng lực của mô hình tương ứng với điều đó. Các bên tham gia giao thông là những tác nhân có quyết định riêng thay vì đạo cụ được lập trình sẵn, nên một robotaxi đang phanh sẽ làm thay đổi hành vi của những chiếc xe phía sau. Camera và lidar được tạo ra trong thời gian thực, nên ngăn xếp được kiểm thử cảm nhận thế giới ảo qua chính giao diện mà nó dùng trên đường thật. Và các chuyến đi được khép kín từ đầu đến cuối — đặt xe, đón khách, trả khách — với điểm xuất phát và điểm đến tùy ý. Baidu cho biết hệ thống đã hỗ trợ việc kiểm chứng toàn cầu của Apollo Go và dẫn con số khoảng 100.000 km mô phỏng mỗi ngày, được mô tả như tương đương khoảng ba năm kiểm thử liên tục của một chiếc xe có tài xế an toàn. Các con số vận hành của Apollo Go — 28 thành phố, hơn 23 triệu chuyến đi, 350 triệu km tự hành, trong đó 240 triệu km hoàn toàn không có người lái — cũng được trích dẫn kèm theo.

Không tham số, không kiến trúc, không bài báo, không trọng số, không giá. Apollo World là hạ tầng nội bộ được mô tả công khai lần đầu tiên, không phải một sản phẩm có ngày ra mắt mà bạn có thể mua.

Các con số, và 43.6% IoU có nghĩa là gì

Skyfall đã công bố hai bộ đánh giá chuẩn, cả hai đều do họ tự báo cáo và không bộ nào được tái lập độc lập. Trong một tác vụ xây dựng CAD gồm 1.000 linh kiện với khoảng 100 bước vẽ cho mỗi linh kiện, SKY-001 báo cáo 3,9 giây và 0,005 USD mỗi trường hợp ở mức IoU trung bình 79,7%. GPT-6 Astra được liệt kê ở 199 giây, 0,75 USD và 79,1%; Gemini 4 ở 253 giây, 0,25 USD và 76,9%; Qwen 3.8 Max ở 764 giây, 0,30 USD và 34,4%; Kimi K3 ở 439 giây, 0,13 USD và 9,5%; Grok 4.7 không tạo ra đầu ra trong 1.250 giây.

Trong một tác vụ mặt bằng BIM gồm 1.000 mặt bằng với khoảng 70 bước, SKY-001 báo cáo 1,22 giây, 0,0024 USD và 43,6% IoU, so với Gemini 3.8 Flash ở 42,3%, GPT-6 Astra ở 40,6%, Kimi K3 ở 33,7%, Qwen 3.8 Max ở 28,8% và Grok 4.7 ở 28,2%.

Hãy đọc kỹ, các bảng nói lên điều gì đó thú vị hơn tiêu đề. Mức dẫn đầu của CAD so với GPT-6 Astra là 0,6 điểm IoU — bài đăng của chính Skyfall nói rằng mô hình này "ngang bằng hoặc vượt" chứ không nói nó đánh bại đối thủ — vậy nên khoảng cách thực sự là nhanh hơn khoảng 51 lần và rẻ hơn 150 lần, chứ không phải đầu ra tốt hơn. Mức dẫn đầu ở BIM là 3,0 điểm. Và IoU trung bình 43,6% trên mặt bằng nghĩa là mô hình tốt nhất trong bảng tái dựng được chưa đến một nửa bản vẽ tham chiếu theo chỉ số giao trên hợp. Đó là con số xem trước nghiên cứu, không phải con số dùng cho sản xuất, và có báo cáo rằng trang đích hiển thị 76,1% trong khi blog hiển thị 79,7% đối với CAD, đây là kiểu lệch thường thấy khi một con số được nêu lại ở nhiều nơi hiển thị khác nhau.

Một tuyên bố trong bài đưa tin không đứng vững khi đối chiếu với các nguồn: rằng SKY-001 đánh bại Claude Opus 5.5. Opus 5.5 xuất hiện trong tài liệu với tư cách là một giám khảo mô hình ngôn ngữ mù cùng với GPT-6.1 Sol, chứ không phải là đối thủ trên cả hai bộ chuẩn đánh giá. Được một giám khảo ưu tiên trong một so sánh định tính không giống với việc đạt điểm cao hơn trên IoU.

Điểm mấu chốt của việc so sánh: ai là người đánh giá kết quả đầu ra

Sợi chỉ phương pháp luận duy nhất kết nối hai thông báo là việc đánh giá bằng mô hình. Các tuyên bố nổi bật của Skyfall dựa một phần vào một ban giám khảo mù gồm các mô hình ngôn ngữ chấm điểm các bản vẽ. Các tuyên bố của Baidu dựa trên một thang đánh giá nội bộ do chính các kỹ sư của họ áp dụng, không có bất kỳ đánh giá bên ngoài nào. Không công ty nào công bố một quy trình mà bên thứ ba có thể chạy lại.

Đây là phần kém trưởng thành nhất của cơn bùng nổ world-model, và cũng là nơi một lớp định tuyến thực sự làm việc có ý nghĩa chứ không chỉ để trang trí. Đánh giá các trạng thái hình ảnh được tạo ra là một lời gọi mô hình — thường là nhiều lời gọi, từ các nhà cung cấp khác nhau, để không có sở thích của riêng một phòng thí nghiệm nào định nghĩa thế nào là "tốt". model fusion của OrcaRouter cho phép một nhóm mô hình cùng trả lời một lời nhắc đánh giá và trả về phán quyết tổng hợp qua một endpoint, còn DSL định tuyến có thể gửi các giai đoạn đánh giá khác nhau đến các mô hình khác nhau mà không cần viết lại harness. Đó là lớp chúng tôi cung cấp: hơn 200 mô hình, một khóa, 0% phụ thu với giá niêm yết của nhà cung cấp được chuyển nguyên. Cả SKY-001 lẫn Apollo World đều không có trong danh mục đó, và cả hai đều không phải là mô hình mà bạn gọi — các giám khảo mới là.

Cả hai đều không thể gọi được, và điều đó thay đổi quyết định.

Câu hỏi về tính sẵn có có cùng câu trả lời cho cả hai, nhưng vì những lý do khác nhau. SKY-001 là bản xem trước nghiên cứu chỉ có thể truy cập qua danh sách chờ, với việc triển khai thương mại dự kiến vào đầu năm 2027 và không có điều khoản nào được công bố. Apollo World được triển khai bên trong Baidu và không được cung cấp ra bên ngoài. Cả hai đều không có giá, và cả hai đều không thể được đối chuẩn với khối lượng công việc của riêng bạn ở thời điểm hiện tại.

Điều bạn có thể rút ra từ mỗi cái là phương pháp. Cách phân tách hai giai đoạn của SKY-001 — tổng hợp toàn bộ, rồi dự đoán trình tự xây dựng của từng nút lá — là một mẫu có thể tái sử dụng cho bất kỳ quy trình nào có hệ thống phân cấp và thứ tự các bước thực hiện. Thang tiêu chí 2+3 của Apollo World là một bài kiểm tra có thể tái sử dụng cho bất kỳ trình mô phỏng nào mà ai đó cố bán cho bạn, và riêng tiêu chí về tính bền vững của nó chính là câu hỏi mà hầu hết nhà cung cấp không thể trả lời bằng một phép đo.

Ba câu hỏi giúp bạn biết mình cần loại nào

Trước hết: thứ bạn đang mô hình hóa có một tác nhân hành động bên trong nó không? Nếu có, bạn cần một trình mô phỏng môi trường và bộ tiêu chí Apollo World sẽ được áp dụng. Nếu các chuyển đổi trạng thái là tất định và được dẫn dắt bởi một kế hoạch thay vì một chính sách, bạn cần thứ gì đó gần với SKY-001 hơn.

Thứ hai: đầu ra được con người hay vòng điều khiển tiêu thụ? Một chuỗi thi công được các kỹ sư và các mô hình hạ nguồn tiêu thụ, vì vậy tính hợp lý trực quan và thứ tự các bước là những thước đo. Một mô phỏng lái xe được ngăn xếp nhận thức và lập kế hoạch tiêu thụ, vì vậy tính nhất quán của cảm biến theo chỉ số và độ trễ là những thước đo. Hai loại này gần như không có tiêu chí đánh giá nào chung.

Thứ ba: bạn cần vật lý hay cần quy trình? SKY-001 biết rằng một giá đỡ phải được gắn trước cụm lắp mà nó giữ; nó không biết điều gì xảy ra khi giá đỡ bị rơi. Apollo World biết điều gì xảy ra khi một người đi bộ bước ra; nó không có ý kiến về cách một bộ phận được sản xuất.

Nhãn "world model" sẽ tiếp tục bị kéo giãn, vì nó đang làm công việc tiếp thị cho ít nhất bốn loại sản phẩm khác nhau cùng lúc. Cách kỷ luật hữu ích là hỏi trạng thái nào đang được dự đoán, điều gì tác động lên nó, và ai sử dụng dự đoán đó. Apollo World và SKY-001 trả lời ba câu hỏi đó theo những cách hoàn toàn khác nhau, và một khi bạn đã đặt những câu hỏi ấy, phép so sánh tan biến trở về đúng như nó vốn là: hai ý tưởng hay tình cờ trùng tên.