Skyfall SKY-001 工程世界模型：区别与通用大模型
Skyfall AI 称其“工程世界模型”SKY-001 质量比肩前沿大模型、速度快约 50 至 120 倍。本文对照厂商产品页与技术博客，核查倍数口径、评测设置、规模表述和可用性
文章目录
2026 年 10 月 19 日，Skyfall AI 发布研究预览版 SKY-001，称其为“第一个工程世界模型”，并报告其在 CAD 与 BIM 任务上与前沿大模型质量相当，速度快约 50 至 120 倍，成本低约 150 至 190 倍 [1][2]。本文逐项对照 Skyfall 自己的产品页与技术博客，核查这些说法在公开资料中的依据与缺口。资料核对截至 2026 年 10 月 25 日；所有数据均为厂商自报，CADFrontier 未复现，也未获得试用资格。
1. 模型做什么，没做什么
SKY-001 分为两个阶段 [2]。层级组合器（Hierarchical Composer）把一张图像或一段文字拆成由装配体和零件组成的设计树；构造世界模型（Construction World Model）再为每个叶子零件预测逐步构造的视觉状态序列。在 BIM 任务中，输入是建筑轮廓和简要任务书，输出是楼层平面的绘制序列。
图 1：Skyfall AI 技术博客的配图，展示按零件拆分并分别着色的喷气发动机（厂商配图，本文无法独立确认其由 SKY-001 生成）。来源：Skyfall AI 官方博客 Introducing SKY-001 的分享图，© Skyfall AI。
需要区分两件事。其一，博客在“下一步”一节说，CAD 中的草图序列“将会”变成带可编辑特征历史的可执行操作 [2]，说明目前输出还不是可编辑的参数化特征历史。其二，部分媒体将其描述为输出可在 Autodesk Fusion 等软件中执行的构建步骤 [3]，这与博客自述的路线图不一致，应以厂商博客为准。
2. 厂商报告的数据
下表为博客给出的基准结果，倍数由本文按表中数字计算 [2]。
| 任务 | 模型 | 平均 IoU | 单例耗时 | 单例成本 |
|---|---|---|---|---|
| CAD（1,000 个零件） | SKY-001 | 79.7% | 3.9 s | $0.005 |
| GPT-6 Astra | 79.1% | 199 s | $0.75 | |
| Gemini 4 | 76.9% | 253 s | $0.25 | |
| BIM（1,000 张平面图） | SKY-001 | 43.6% | 1.22 s | $0.0024 |
| GPT-6 Astra | 40.6% | 144.6 s | $0.446 | |
| Gemini 3.8 Flash | 42.3% | 346.2 s | $0.218 |
按这些数字，相对 GPT-6 Astra，CAD 任务约快 51 倍、便宜 150 倍；BIM 任务约快 119 倍、便宜 186 倍。
3. 核查结论
倍数的口径不统一。 博客称 CAD 约为“50 倍加速”，产品页常见问题则写“100 倍速度、1/150 成本” [1][2]。按其表格，100 倍只与 BIM 的 119 倍相近，150 倍的成本比只对应最贵的对照模型 GPT-6 Astra；相对 Gemini 4（$0.25）约为 50 倍，相对 Kimi K3（$0.13）约为 26 倍。
图 2：CAD 基准的平均 IoU（左）与各模型单例成本相对 SKY-001 的倍数（右）。数据来自 Skyfall AI 技术博客（厂商自报），倍数为本文按其表格计算；图为 CADFrontier 绘制。
“质量持平”的余量很小。 CAD 上的差距为 0.6 个百分点，BIM 上相对 GPT-6 Astra 为 3.0 个点，相对 Gemini 3.8 Flash 为 1.3 个点。博客的性能部分未给出重复运行次数、方差或置信区间，无法判断这些差距是否超出波动。
对照模型清单前后不一致。 产品页的 CAD 图表列有 Claude Opus 5.5（69.4%）和 Gemini 3.8 Flash（54.7%），博客的 CAD 图表则列有 Gemini 4（76.9%），且没有 Claude [1][2]。两处的 GPT-6 Astra、Qwen 3.8 Max 与 Kimi K3 数据相同。
评测设置缺少说明。 博客未说明基准的输入形式，也未说明大模型被如何提示；页面中也没有基准数据集或评测脚本的链接 [1][2]。评测样本取自 Jaguar E-Type、FANUC ArcMate 100iB、喷气发动机等复杂对象，而训练使用了超过 20 万个零件和 60 万条构造样本 [2]，文中未说明评测样本是否与训练数据隔离。Startup Fortune 也指出，该基准需要在其自有测试集之外验证 [3]。
层级组合器的评分依赖大模型评委。 该部分由 GPT-6.1 Sol 与 Claude Opus 5.5 两个评委对同一渲染图盲评，SKY-001 的零件分解得分为 7.8，GPT-6 Astra 为 6.4；同时说明 GPT-6 Astra 仅对 82% 的资产返回了模型 [2]。文中未见与人工评分的对照。
规模表述超出了所展示的数据。 产品页称 SKY-001 擅长“拥有数十万个零件”的复杂对象 [1]。博客展示的训练数据中，每个对象零件数的中位数为 288，第 99 百分位为 4,180；CAD 基准中每个零件约需 100 个绘制步骤 [2]。这些数据尚不足以支持数十万零件级别的结论。
可用性。 目前仅有候补名单形式的研究预览，没有 API、定价、参数量或权重，商用部署目标为 2027 年初 [3]。
4. 结论
在 Skyfall 自建基准上，SKY-001 报告的结果是：质量与最强的通用大模型接近，耗时和成本低两个数量级。本文认为，这一结论目前只能当作“厂商自报的初步结果”：速度与成本优势的数量级有厂商的表格支撑，但“质量持平”的差距小，缺少波动信息；基准未公开、评测与训练数据的关系未说明；输出也尚不是可编辑的 CAD 特征历史。要判断它对实际设计工作的价值，至少需要公开基准、保证样本隔离、给出重复运行结果，并提供第三方可访问的试用入口。
