Apollo World 對比 SKY-001：當「世界模型」指的是三種不同的工作

Apollo World 與 SKY-001 相隔十五天發布，除了標籤之外幾乎毫無共同點。Apollo World 是百度以代理驅動的模擬器，於 2026 年 11 月 3 日揭露，會生成虛擬城市的攝影機與光達觀測資料，以便自駕計程車技術堆疊能在完整行程上接受訓練與評分。SKY-001 是 Skyfall AI 的工程世界模型，於 2026 年 10 月 19 日發布，會預測機械零件被建造時的有序視覺狀態序列——一份逐圖展開的施工計畫。一個是把交通場景隨時間向前推演，另一個是把製造流程隨時間向前推演。兩者都正確地被稱為世界模型，而這正是這個詞的問題所在。

這個詞已悄然變成職稱，而非類別。現在有三款產品套用這個詞：生成可觀看環境的模型、模擬代理可在其中行動之環境的模型，以及預測流程狀態轉移的模型。Apollo World 屬於第二種。SKY-001 屬於第三種。直接比較它們，就像把飛行模擬器拿來比組裝說明書：兩者都描述某事物如何展開，但你絕不會用其中一個來做另一個的工作。

SKY-001 預測的是一棟建築，而非一條街道

Skyfall AI 由 Maluuba 團隊創立，而 Maluuba 是微軟於 2017 年收購的加拿大研究實驗室；據報導，其支持者包括 Fidelity、Touring Capital、M13 和 iNovia。SKY-001 於 2026 年 10 月 19 日以研究預覽形式發布，並設有候補名單。目前沒有 API、定價、授權或權重；全面商業部署的目標是在 2027 年初。

此架構包含兩個階段，兩者皆為擴散 Transformer，運作於視覺狀態而非文字詞元。

• 階層式組合器會產生完整設計，然後遞迴地將其拆分為組件、子組件與零件，且每個層級都可並行處理。這就是模型如何避免為複雜物件生成單一龐大圖面的方式。

• Construction World Model 會預測建構每個葉部零件的有序視覺狀態序列，並採用基於 Matryoshka 風格自編碼器的兩遍擴散方案：先進行粗略的潛在展開，再進行全解析度精修。

訓練資料的說法規模龐大且具體：供 composer 使用的零件超過 200,000 個、建築範例超過 600,000 個，以及約 35,000 張平面圖，貢獻約兩百萬個繪圖狀態。輸出是一連串視覺化平面圖——以圖紙呈現的建造順序。它並不是可編輯的 CAD 特徵歷史，而 Skyfall 將特徵層級輸出列為未來工作。

最後那項區別，是工程師最在意的一點。一組展示零件如何組裝的圖片，對於審查、文件記錄、訓練下游模型，以及找出不可能實作的工序順序都很有用。但它不是你能在 CAD 軟體中開啟並編輯的模型，也不會交給機械加工人員一份刀具路徑。

Apollo World 預測下一秒的交通流量

百度在深圳 AI Day·Apollo 公布的內容，被定調為對該領域的一次糾正。智能駕駛事業群組首席架構師王亮主張，世界模型不應是製作炫目影片的畫家，而應是驗證駕駛安全的考官。隨後提出的評分準則——「2+3」——是公開嘗試界定「什麼才算數」的最清晰版本。

這兩道門檻是因果性與互動性：因果性意味著下一個狀態是由當前狀態預測而來，而不是逐幀拼裝後再回填；互動性意味著注入的動作會改變後續結果。三項評分屬性分別是物理準確性、持續性與即時效能。持續性定義為長時間運行中物體與細節不發生漂移；即時性則受道路車輛所需的三十分之一秒（約 33 毫秒）決策週期所約束。

該模型的三項能力正好對應這一點。交通參與者是有自身決策的代理，而非按腳本行動的道具，因此一輛煞車的機器計程車會改變後方車輛的行為。相機與光達是即時生成的，因此受測的軟體堆疊能透過與真實道路相同的介面來感知虛擬世界。行程也能端到端完成——下單、接送、下車——涵蓋任意起點與目的地。Baidu 表示，該系統已支援 Apollo Go 的全球驗證，並稱每天約有 10 萬模擬公里，相當於配備安全駕駛員的車輛約三年的連續測試。Apollo Go 的營運數據——28 個城市、超過 2,300 萬次搭乘、3.5 億自動駕駛公里，其中 2.4 億公里為完全無人駕駛——也被一併引用。

沒有參數、沒有架構、沒有論文、沒有權重、沒有價格。Apollo World 是首次公開描述的內部基礎設施，並不是一款有上市日期、可供你據以下注的產品。

這些數字，以及 43.6% IoU 代表什麼意思

Skyfall 發布了兩項基準測試，兩者皆為自行報告，且均未經獨立重現。在一項包含 1,000 個元件、每個元件約需 100 個繪圖步驟的 CAD 建構任務中，SKY-001 在平均 IoU 79.7% 下，報告每例 3.9 秒與 $0.005。GPT-6 Astra 列為 199 秒、$0.75 與 79.1%；Gemini 4 為 253 秒、$0.25 與 76.9%；Qwen 3.8 Max 為 764 秒、$0.30 與 34.4%；Kimi K3 為 439 秒、$0.13 與 9.5%；Grok 4.7 在 1,250 秒內未產生任何輸出。

在一個約 70 步、共 1,000 份平面圖的 BIM 樓層平面圖任務中，SKY-001 回報 1.22 秒、$0.0024 與 43.6% IoU，相較之下，Gemini 3.8 Flash 為 42.3%、GPT-6 Astra 為 40.6%、Kimi K3 為 33.7%、Qwen 3.8 Max 為 28.8%、Grok 4.7 為 28.2%。

仔細看，表格透露的內容比標題更有趣。CAD 對 GPT-6 Astra 的領先幅度是 0.6 個 IoU 點——Skyfall 自己的文章說該模型「達到或超越」對手，而不是擊敗它——所以真正的差距大約是速度快 51 倍、成本低 150 倍，而不是輸出更好。BIM 的領先幅度是 3.0 個百分點。而樓層平面圖的平均 IoU 為 43.6%，這表示表中最佳模型以交集聯集比（IoU）重建出的結果，不到參考平面圖的一半。這是研究預覽的數字，不是正式生產的數字；而且有人回報落地頁顯示 76.1%，而部落格在 CAD 顯示 79.7%，這正是同一個數字在不同介面重述時會出現的那種漂移。

報導中有一項說法經不起與來源資料的對照：即 SKY-001 勝過 Claude Opus 5.5。Opus 5.5 在資料中是以盲測語言模型評審的身分，與 GPT-6.1 Sol 並列出現，而非作為任一基準測試的競爭對手。在質性比較中獲得評審青睞，並不等同於在 IoU 上取得更高分數。

比較真正關鍵的地方在於：由誰來評判輸出

這兩項公告之間唯一貫穿的方法論主線，是以模型進行評估。Skyfall 的主要宣稱有一部分建立在一組語言模型盲評小組為圖畫評分之上。Baidu 的宣稱則建立在其自家工程師套用的內部評分規準上，完全沒有外部評分。兩家公司都未公布任何第三方可重新執行的協定。

這是世界模型熱潮中最不成熟的部分，也是路由層發揮實質作用、而非裝飾性作用的地方。評判生成的視覺狀態屬於模型呼叫——通常是多次呼叫，且來自不同供應商，這樣就不會由單一實驗室的偏好來定義「好」。OrcaRouter 的 模型融合讓一組模型共同回答相同的評判提示，並透過單一端點回傳它們的綜合判定；而路由 DSL 可以把不同的評估階段送往不同模型，無須改寫評估框架。這就是我們涵蓋的層：超過 200 個模型、一組金鑰、0% 加價，供應商標價直接透傳。SKY-001 和 Apollo World 都不在那個目錄中，而兩者也都不是你會呼叫的模型——評審才是。

兩者都不可呼叫，而這改變了決定

可用性問題對兩者而言答案相同，但原因不同。SKY-001 是需排隊候補才能使用的研究預覽，商業部署目標在 2027 年初，且尚未公布條款。Apollo World 部署於 Baidu 內部，並未對外提供。兩者皆未定價，且目前都無法以你自己的工作負載進行基準測試。

你能從這兩者各自帶走的，是方法。SKY-001 的兩階段拆解——先組成整體，再預測每片葉子的建構順序——是任何具有層級與作業順序的流程都可重用的模式。Apollo World 的 2+3 評分準則，則是任何有人試圖推銷給你的模擬器都可重用的檢驗，而其中的持久性判準尤其如此：那正是大多數供應商無法用測量來回答的問題。

三個問題，告訴你你需要哪一個

首先：你正在建模的事物中，是否有智慧體在其中行動？若是，你需要一個環境模擬器，且適用 Apollo World 評分規準。如果狀態轉移是確定性的，並由計畫而非策略驅動，你需要更接近 SKY-001 的東西。

第二：輸出是由人使用，還是由控制迴路使用？施工序列由工程師與下游模型使用，因此視覺合理性與步驟順序是指標。駕駛模擬由感知與規劃堆疊使用，因此感測器一致性與延遲是指標。兩者幾乎沒有共同的評估準則。

第三：你需要的是物理，還是程序？SKY-001 知道支架必須先安裝在它所支撐的組件之前；它不知道支架掉落時會發生什麼。Apollo World 知道行人突然走出時會發生什麼；它對零件如何製造沒有意見。

「世界模型」這個標籤會持續被拉伸，因為它同時至少為四個不同的產品類別執行行銷任務。有用的紀律是去問：正在預測什麼狀態、什麼會作用於它，以及誰會使用這個預測。Apollo World 和 SKY-001 以完全不同的方式回答這三個問題，而一旦你問了這些問題，這項比較就會消解成它一直以來的樣子：兩個恰好共享同一個名稱的好構想。