Apollo World 與 Hunyuan3D WorldClaw 對比：一個你能漫步其中的地方，還是一段你能得分的駕駛？

把 Apollo World 拿來和 Hunyuan3D WorldClaw 對比，最有用的一點在於：兩者都用了「world」這個詞，但指的並不是同一件事。Hunyuan3D WorldClaw 是騰訊混元的代理式框架，能把單一開放式文字提示轉成一個大型、可探索的 3D 場景；該場景由明確、帶紋理、逐物件的網格構成，可在 Blender 中開啟並匯出到遊戲引擎。Apollo World 則是百度的代理驅動模擬器，於 2026 年 11 月 3 日公開；它會產生虛擬城市的即時相機與光達觀測，讓自駕計程車技術堆疊能在完整行程上接受訓練與評分。WorldClaw 建造的是一個地點；Apollo World 則是在其中跑一趟駕駛。如果你來這裡是想知道哪一個能生成更好的 3D，這個問題本身就問錯了，而值得拆解的是它錯在哪裡，而不是直接回答它。

兩個產品披著同一個名詞

重疊確實存在，但範圍很窄。兩者都會產生某種人們可以稱之為「世界」的東西。但在那之後，每一項性質都分道揚鑣。

• 交付項目 — WorldClaw：一個包含個別網格、材質與變換的場景檔。Apollo World：一連串感測器影格加上代理狀態，由駕駛策略而非人員取用。

• 工作單元 — WorldClaw：一個提示詞對應一個場景。Apollo World：一條路線、一項策略、一趟評分行程。

• 時間 — WorldClaw 的輸出一旦生成便是靜態的；Apollo World 則是為了向前運行而存在，每一個決策都會改變接下來發生的事。

• 適用對象 — WorldClaw：關卡設計師、遊戲工作室，以及需要幾何資料的合成資料團隊。Apollo World：百度自家的自動駕駛組織。

• 「好」代表什麼——WorldClaw：場景看起來是否連貫，組裝後是否沒有懸浮物件。Apollo World：受測車輛是否變得更安全。

這麼說來，這兩者與其說是競爭對手，不如說是一條至今還沒有人端到端完整建構起来的流程中相鄰的兩個階段。一個負責搭建佈景，另一個負責指揮其上的流量。

WorldClaw 實際上做什麼，逐階段說明

WorldClaw 最好理解為指揮家，而非樂器。論文 arXiv 2608.05248 於 2026 年 8 月 5 日提交，官方公告隨後於 8 月 11 日發布。此框架接收自由形式的提示，並執行四個由粗到細的階段。

• 意圖與規劃 — {{1}}語言模型代理{{/1}}會讀取提示詞，決定場景應包含哪些內容，產出的是計畫而非圖像。

• 地形 — 一次全域處理便能產生語意配置、高度場與材質，因此在任何物件被放置其上之前，地面就已具備連貫性。

{{1}}物件{{/1}} — 各區域會先經過渲染與分割，接著每個區域再透過 Hunyuan3D 重建為獨立的網格。這正是顯式幾何承諾的兌現之處：輸出是一組物件，而非融合成一團的團塊或高斯潑濺。

• 精修 — 由視覺代理檢查渲染結果中是否有物件漂浮、相互穿透、比例錯誤與姿態錯誤，並將修正意見送回。

底層的技術堆疊是一份由他人模型組成的名單，再加上一個非常龐大的應用程式：規劃用 Claude Opus 4.8，圖像用 GPT-Image-2，分割用 SAM3 與 SAM3D，重建用 Hunyuan3D，組裝則透過 MCP 驅動 Blender 5.1.1。騰訊表示，這套系統跑在四張 NVIDIA H20 GPU 上。已發表的評估屬於定性比較，把輸出結果與 SynCity、WorldGen、MajutsuCity 和 Marble 並排對照，但沒有提供 FID、CLIP 或用戶研究的數據。

對於任何打算使用它的人來說，儲存庫才是關鍵所在。官方 GitHub 專案包含一份 README 和一些素材。裡面沒有程式碼、沒有權重、沒有推論腳本、沒有 API，也沒有價格。一篇沒有實作的框架論文，只是在描述一種方法，而不是一個工具；而這兩者之間的落差，正是大多數「我能試試看嗎」的問題夭折的地方。

Apollo World 實際上聲稱什麼

Apollo World 於 2026 年 11 月 3 日在深圳舉行的 Baidu AI Day·Apollo 上，由 Baidu 智慧駕駛事業群首席架構師 Wang Liang 與負責世界模型工作的 Yang Ze 公開。其定調相當尖銳：世界模型不該是製作令人驚豔影片的畫師，而該是駕駛安全性的檢驗者。Baidu 以一套它稱為「2+3」的評量準則來支持這個論點——兩道關卡決定某事物究竟算不算世界模型，三項性質則評定它有多好。

把關條件是因果性與互動性。因果性是指下一個狀態是由當前狀態預測而來，而不是由影格拼裝、再回填而成；互動性是指注入場景中的動作會改變後續發展。受評分的特性是物理準確性、持續性與即時效能。持續性正是區分展示品與測試平台的關鍵：若模擬器中的物件在長時間執行後逐漸漂移或變形，最終就會拿一個已不再符合初始世界的世界來評分策略。Baidu 將道路車輛的決策週期定為三十分之一秒，約 33 毫秒。

這三項能力支撐起這些承諾。每一位交通參與者都被建模為具有自身決策的代理，而不是照本宣科的道具，因此一輛正在煞車的機器計程車能引發後方車輛做出不同的反應。相機與光達資料即時生成，讓駕駛堆疊能透過與真實道路相同的介面來感知虛擬城市。而行程能端到端閉環——接受訂單、接到乘客、送達乘客——跨越任意起點與目的地，而不是孤立的場景片段。

百度表示，該模型已在支援 Apollo Go 的全球測試與驗證，並提到每天約 10 萬公里的模擬駕駛里程，相當於一輛配備安全駕駛員的車輛約三年的連續測試。同時也引述了 Apollo Go 自身的營運數據：28 座城市、超過 2,300 萬次搭乘、3.5 億公里自動駕駛里程，其中超過 2.4 億公里為完全無人駕駛。並未公布參數量、架構、基準測試表、論文、權重檔或價格。這是關於內部基礎設施的能力簡報，並非產品發表。

「Agentic」在這裡有兩個不同的意思

這正是這項比較中的陷阱，值得我們放慢腳步細看，因為兩份公告都倚賴同一個時髦詞彙。

在 WorldClaw 中，代理就是建造者。語言模型規劃器將提示拆解成場景計畫，視覺代理則檢查結果並提出修正。智慧存在於創作迴圈之中，而且它只運作一次——就在你載入場景之前。一旦網格匯出完畢，代理便消失無蹤；世界從此只是惰性的幾何體。

在 Apollo World 中，代理者就是居民。規劃器並非在組裝任何東西——它們正在駕駛其他車輛、走在人行道上、決定是否讓路。這套智能會在整個模擬期間持續存在，而其唯一目的就是讓世界對受測對象作出反應。一個靜態場景配上會反應的居民，在 WorldClaw 的定義下會是自相矛盾，但在 Apollo 的定義下卻正是重點所在。

這個區別也說明了為什麼兩者很難單純地結合在一起。把 WorldClaw 的網格放進駕駛模擬器，只會得到一套外觀好看、卻沒有任何東西在動的場景。要在 WorldClaw 場景中加入具反應性的車流，就意味著你必須自行編寫行為層。這兩個框架各自解決同一個問題的不同一半，而且兩者都沒有內建另一半。

兩者皆不可用，而且原因並不相同。

WorldClaw 有文件記載，但無法發佈。論文對方法的描述詳細到資源充足的團隊可以重新實作，且已有數個第三方打造出部分版本，但 Tencent 尚未釋出程式碼或權重。四張 H20 的需求，以及對一整套分別授權模型的依賴，也意味著即使真的釋出，也不會是下載後即可直接使用的版本。

Apollo World 已部署但尚未對外提供。百度稱其正在為 Apollo Go 運行，而披露內容中沒有商業條款、沒有介面，也沒有任何計畫開放外部存取的跡象。因此，兩者在可用性上的比較並不是「開放與封閉」之別，而是「未發布與內部」之別——若你正在等待其中任何一個，這項區別就很重要。

對本季度就需要一個世界的團隊而言，實務上的路線兩者皆非。搭載程序化場景工具的遊戲引擎涵蓋靜態的那一半；商用駕駛模擬器涵蓋動態的那一半；而開放權重的影片世界模型則涵蓋展示的那一半——但如果你需要的是感測器，它們在這方面表現很差。OrcaRouter 不提供 Apollo World 或 Hunyuan3D WorldClaw——兩者都不是可呼叫的模型——但場景管線周邊的語言與視覺階段屬於一般的 API 工作，而那正是我們實際涵蓋的層級：一組金鑰、超過 200 個模型、供應商定價 0% 加價，以及在規劃呼叫於建置途中逾時時進行容錯移轉。

哪一個才是你問題的正確參考？

如果你要建構遊戲關卡、室內合成資料集或虛擬製作場景，即使你無法執行 WorldClaw，它仍是更相關的設計：四階段分解——規劃、地形、物件、細化——是穩健的架構，而顯式網格輸出對任何之後需要編輯的內容都是正確選擇。缺乏量化評估是任何重新實作時都要牢記的注意事項；「看起來比 SynCity 更好」不是規格。

如果你要驗證自動駕駛堆疊，Apollo World 的 2+3 評分準則（2+3 rubric）是更有用的輸出成果；而且即使該模型本身尚不可用，這套準則今天就能當作檢查清單使用。可以向任何模擬器供應商詢問因果性、互動性、物理準確性、長時間運行下的持續性，以及場景複雜度下的延遲。若供應商無法用漂移測量來回答持續性這個問題，那他賣給你的就只是貼著物理標籤的影片生成器。

這兩者很可能會趨同。一個能接收來自 WorldClaw 這類框架、可編輯且結構良好的場景的模擬器，將能解決讓駕駛模擬變得昂貴的內容瓶頸；一個 WorldClaw 等級、能讓其居民動起來的生成器，則不會再產出微縮立體模型。兩家公司都尚未宣布這項工作。就目前而言，誠實的描述是：一個沒有程式碼的佈景搭建者，和一個沒有門的交通考官，而它們真正共有的唯一事物是一個詞。