حصل PAN 2 على مسار خدمة قبل أن يحصل على إعلان

في الساعة 16:03 بالتوقيت العالمي المنسق (UTC) يوم 10 نوفمبر 2026، اكتمل دمج طلب سحب يضيف دعم Day-0 لتوليد الفيديو من النص وتوليد الفيديو من الصورة في PAN 2 ضمن vLLM-Omni. وفي الساعة 20:55 UTC من اليوم نفسه، أضاف طلب سحب ثانٍ صفحة الوصفة التي تشرح كيفية تقديمه. وPAN 2 نموذج محوّل انتشار للفيديو بـ29 مليار معامل من معهد نماذج الأساس في MBZUAI، والسبب في أن هذين الدمجين هما القصة هو الترتيب الذي وصلا به. يعود تاريخ مستودع Hugging Face إلى 7 أكتوبر 2026 ومستودع GitHub إلى 5 نوفمبر، لذا ظل الأثر العام الوحيد للنموذج لمدة خمسة أسابيع هو البيانات الوصفية للمستودع. أول بيان أولي من الجهة نفسها أستطيع العثور عليه هو منشور واحد من حساب المختبر على X، @IFM_AI، بتوقيت 17:00 UTC يوم 10 نوفمبر — ست وخمسون دقيقة بعد دمج vLLM-Omni ونحو أربع ساعات قبل الوصفة. يقول: "نقدّم PAN 2: نموذج عالم أساسي مفتوح للذكاء الفيزيائي"، ويحمل فيديو، ولا يرتبط بأي شيء أبعد من نفسه. لا مدونة، ولا رابط ورقة بحثية، ولا نقطة نهاية مستضافة، ولا صفحة تسعير، ولا بيان صحفي. إذن فمسار التقديم سبق الإعلان فعلاً، والإعلان، حين جاء، كان أصغر من الدمج: بضع مئات من الإعجابات وفقرتان فقط. ما هو موجود هو 86.17 غيغابايت من نقطة تفتيش بترخيص Apache-2.0، وتكامل مع إطار عمل، وتغريدة.

ما الذي وصل فعليًا، وبأي ترتيب

حدثت أربعة أشياء منفصلة، والخلط بينها هو ما يجعل إصدارًا هادئًا يُفهم خطأً على أنه إطلاق.

• الأوزان — IFM/PAN2 على Hugging Face، أُنشئ المستودع في 7 أكتوبر 2026 الساعة 23:42 UTC، وآخر تعديل في 9 نوفمبر 2026 الساعة 21:52 UTC بإيداع يضيف دعم مدقّق السلامة كمكوّن خط أنابيب معياري في Diffusers. ستون ملفًا، 86.17 GB، متاح دون بوابة، Apache-2.0.

• الشيفرة — github.com/ifm-ai/PAN2، أُنشئت في 5 نوفمبر 2026، مع commit واحد تم دفعه في الساعة 20:13 UTC من ذلك اليوم. ليست مجرد مجموعة بحثية ذات README ميت: فهناك سكربتات استدلال، وتثبيتات بيئة، وإعدادات تدريب، ومهارة prompt-rewriter، ووثائق للنشر والتدريب والاستدلال.

• مسار الخدمة — vLLM-Omni PR #8602 لدعم تحويل النص إلى فيديو وتحويل الصورة إلى فيديو في Day-0، دُمج في 10 نوفمبر الساعة 16:03 UTC، وPR #10126 الخاص بوصفة vLLM، الذي دُمج في المساء نفسه الساعة 20:55 UTC.

• البيان — @IFM_AI على X، 10 نوفمبر الساعة 17:00 UTC: «نقدّم PAN 2: نموذج عالم أساسي مفتوح للذكاء الفيزيائي.» فقرتان، ومقطع فيديو، ودون رابط إلى منشور أو ورقة بحثية أو صفحة.

هذا التسلسل غير معتاد، والإعلان هو العنصر الذي يجعله أكثر غرابة بدلًا من أن يجعله أكثر اعتيادًا. عادةً يعلن مختبر ما، ثم ينشر الأوزان، ثم يتدفق دعم الأطر خلال الأسابيع التالية بينما يرفع المستخدمون مشكلات. هنا جاء دمج الإطار أولًا، ثم جاء الإعلان بعد ست وخمسين دقيقة، وجاءت الوصفة بعد ذلك بأربع ساعات. لا يزال أهم أثر عام في حياة النموذج القصيرة عبارة عن طلب سحب، وهذا يخبرك بشيء عن كيفية إدارة هذا الإصدار: كإتاحة أثرية لمن يقرؤون المستودعات، مع منشور على وسائل التواصل أُضيف تقريبًا كفكرة لاحقة.

ما الذي سيخبرك به المستودع

أكثر مما هو عليه الحال في معظم منشورات الإصدار. إن PAN 2 نموذج عالم، وليس مولّد فيديو ذا نزعة سينمائية — والتمييز هنا معماري لا بلاغي. وهو يطبّق نمط التنبؤ الكامن التوليدي الموصوف في نقد نماذج العالم (arXiv 2507.05169) ويقسّم المهمة إلى اثنتين. فمُستدِلّ مفاهيمي، وهو أي نموذج لغوي يتبع التعليمات، يقرأ الملاحظة والإجراءات المطلوبة ويكتب الحالة التالية للعالم كوصف نصي مُهيكل ومرتكز على الزمن: الأحداث بالترتيب، والأفعال مرتبطة بالفاعلين، وحركة الكاميرا. ويحوّل مشفّر نصي مجمّد ذلك الوصف إلى ميزات تكييفية. ثم يتوقع محوّل انتشار متعدد الوسائط بسعة 29B، دُرِّب من الصفر على مئات الملايين من مقاطع الفيديو المشروحة بالتنسيق نفسه، التفاصيل الإدراكية التي يتركها الوصف مفتوحة. ويفكّ ترميز VAE من Wan 2.2 الكوامن، فتحصل على فيديو يصل إلى 20 ثانية بدقة 704×1248 و24 إطارًا في الثانية.

التكوين المنشور محدد بما يكفي لتقدير التكلفة. تسرد إعدادات المحوّل 44 طبقة، و32 رأس انتباه بـ128 بُعدًا لكل منها، وحجم رقعة 1×2×2، و97 قناة إدخال و48 قناة إخراج. أداة العينات الافتراضية تعمل بـ50 خطوة عند إزاحة تدفق 9 مع توجيه منزوع المصنّف بقيمة 2.5 في كل خطوة. الطول الافتراضي 241 إطارًا، أي نحو عشر ثوانٍ؛ والحد الأقصى 481 إطارًا. مشفّر النص هو Qwen3.5-9B، مجمّد وغير معدّل، أما VAE فهو الخاص بـ Wan 2.2. ويُحمَّل كلاهما من مستودعيهما المستقلّين — فـ MBZUAI لا تعيد توزيعهما، وبطاقة النموذج حريصة على توضيح ذلك.

توجد أيضًا مهارة prompt-rewriter مُضمَّنة في المستودع، مع مطالبة نظام، ومطالبة سلبية ثابتة، ومُدقِّق يتحقق من التسميات التوضيحية مقابل ميزانية الرموز لدى مُرمِّز النص: حدّ مرن قدره 1,480 رمزًا وسعة قصوى تبلغ 1,536. وهذا هو الأثر المفرد الأكثر فائدة في الحزمة. وهو يخبرك بأن النموذج لا يتعامل جيدًا فعليًا مع النص الحر، وأن الفريق يعرف ذلك.

ما لن يخبرك به

كل ما قد يسأل عنه المشتري تقريبًا. لا يوجد سعر، لأنه لا يوجد API. لا توجد نقطة نهاية مستضافة من MBZUAI. لا يوجد معيار تقييم مستقل: الأرقام الواردة في بطاقة الطراز هي أرقام الفريق نفسه، قيست على أداة الاختبار الخاصة بهم، وبطاقة الطراز صريحة على نحو غير معتاد بشأن الظروف — Physics-IQ Verified مُطبّع بحيث يساوي التباين بين لقطتين حقيقيتين 100، وPhyGround مُقيَّم على مقياس من خمس نقاط بواسطة Qwen3.8-27B، وRBench كمتوسط غير مرجح عبر خمس فئات مهام وأربع فئات تجسيد. هذه خيارات قابلة للدفاع عنها، ولا شيء منها يمثل تحققًا من طرف ثالث.

التقييم البشري هو أقوى دليل في الإصدار وأكثره محدودية في الوقت نفسه. تفضيل ثنائي أعمى على 140 مُدخلًا — 90 من نص إلى فيديو، و50 من صورة إلى فيديو — حُكِم عليه من حيث الالتزام بالحركة والفيزياء واتساق العالم من قبل 13 مُقيّمًا عبر 1,400 مقارنة، مع احتساب Elo بواسطة Bradley–Terry وتمركزه عند 1500. ثلاثة عشر مُقيّمًا لوحة صغيرة، وكانوا يحكمون على نموذج الفريق نفسه مقابل خطوط الأساس. وهذا أكثر مما تنشره معظم المختبرات. لكنه ليس لوحة صدارة.

وقسم القيود أكثر صراحةً من المعتاد في هذا النوع: نحو خطتين من كل ثلاث خطط محاكاة تحتويان على خطوة واحدة على الأقل لا تُنفَّذ. تلك الجملة الواحدة هي أهم رقم في الإصدار، وهي الرقم الذي كان منشور إطلاق سيدفنه.

رقم الإنتاجية في الوصفة هو بيت القصيد

دعم الأُطر مهم بسبب ما تدّعيه الوصفة، لا بسبب إضافة شعار. تنص صفحة وصفة vLLM على أن PAN 2 يولّد 13 ثانية من فيديو بدقة 704×1248 في نحو 119 ثانية على أربع وحدات GPU من طراز B300، باستخدام توازٍ للتوجيه الخالي من المصنّف عبر رتبتين وتوازٍ تسلسلي Ulysses عبر رتبتين. التكوين الافتراضي هو ثماني وحدات H200 بتنسيق BF16، ويضيف أمر التشغيل الموثّق توازي رقع VAE عبر أربع رتب في وضع tile — وهو تفصيل لا يهم إلا لأن فك ترميز مقطع مدته 20 ثانية بدقة 704×1248 يمثل مشكلة ذاكرة قائمة بذاتها.

اقرأ تلك الأرقام مقابل إعدادات أداة أخذ العينات. خمسون خطوة مع التوجيه في كل خطوة تعني مئة تمريرة أمامية عبر محوّل بحجم 29B لكل مقطع. ولهذا يشغّل الدليل التوجيه على نحو متوازٍ لا متسلسل. ولهذا أيضاً فإن السؤال العملي بشأن PAN 2 ليس "ما مدى جودته" بل "كم يكلّفني المقطع"، والجواب وفق وصفة المورّد نفسها هو عقدة من أربع وحدات معالجة رسومية لمدة دقيقتين لكل ثلاث عشرة ثانية من الفيديو. لم ينشر أحد تكويناً أرخص، وكون الإعداد الافتراضي في الوصفة هو ثماني وحدات H200 يشير إلى أن إعداد أربع وحدات B300 يمثل ضغطاً وليس حداً أدنى مريحاً.

إذا أردت تجربته، فإن المخطط هو الجزء الذي يمكنك استئجاره

لتصميم PAN 2 ذي المرحلتين نتيجة عملية غريبة. فالنصف المكلف — العمود الفقري للانتشار بحجم 29B — هو النصف الذي يتعين عليك استضافته ذاتيًا، لأن لا أحد يقدمه كخدمة، ولم تُبنِ MBZUAI واحدًا. أما النصف الرخيص، أي المُستدل المفاهيمي الذي يكتب التعليق المنظم لحالة العالم، فهو نموذج نصي عادي ويمكن أن يكون أي شيء متبع للتعليمات.

هنا يثبت الموجّه جدارته. يقيّم تقرير PAN 2 أربعة محركات استدلال ويرتبها حسب إكمال الخطة بالكامل: Claude Opus 5.5 أولاً، ثم GPT-6 Astra عند جهد متوسط، ثم Kimi K3، ثم Qwen3.8-Flash. Qwen3.8-Flash متاح على OrcaRouter، لذا يمكنك تشغيل مرحلة التعليقات التوضيحية في PAN 2 عبر مفتاح API واحد مع تجاوز فشل تلقائي بدلاً من تشغيل نموذج محلي ثانٍ بجانب مكدس الانتشار، ودفع سعر القائمة لدى المزوّد مع هامش ربح 0% يُمرَّر. يبقى المُصيّر على وحدات معالجة الرسومات لديك؛ ولا يلزم أن يبقى المخطِّط عليها.

كن واضحًا بشأن ما يمثله ذلك وما لا يمثله. لا تستضيف OrcaRouter نموذج PAN 2 ولا يمكنها توجيهه — فلا يوجد أي PAN 2 مستضاف في أي مكان يمكن التوجيه إليه. ما يمكنها فعله هو إبقاء النصف اللغوي من خط أنابيب نموذج عالمي على واجهة برمجة تطبيقات محسوبة الاستهلاك، بينما تحدد حجم النصف المرئي وفق عتادك الخاص. وإذا كنت تفضّل تشغيل المرحلتين محليًا، فإن المستودع يدعم ذلك أيضًا، وسكربت إعادة كتابة المطالبات مُضمّن لهذه الحالة تحديدًا.

ما الذي يمكن أن يُعد إعلانًا؟

ثلاثة أمور، بترتيب تصاعدي من حيث الأهمية: منشور أو ورقة أو صفحة من IFM أو MBZUAI يذكر PAN 2 ويحدد تاريخ إصدار أو نسخة — وقد غطّت تغريدة 10 نوفمبر النصف الأول من ذلك دون الثاني. ونقطة نهاية استدلال مستضافة، من شأنها أن تجعل مقارنة التكلفة ممكنة مقابل نماذج فيديو مغلقة بدلًا من مقابل استئجار GPU. واختبار مرجعي مستقل يُجريه شخص ليس مؤلف النموذج — Physics-IQ أو PhyGround أو RBench يُقيّمه طرف ثالث، على مطالبات لم يخترها الفريق.

إلى أن يتحقق أول ما ذُكر بالكامل على الأقل، فإن الوصف الأمين لـ PAN 2 هو الآتي: عيّنة بحثية بترخيص Apache-2.0 ذات مسار خدمةٍ عامل، وصيغة توجيه موثّقة، وقسم صريح للقيود، ومنشور واحد على شبكة تواصل، ولا عرض تجاري وراءه. وهذا أكثر من مسوّدة بحثية وأقل من منتج. إن حلول دعم الأُطر في 10 نوفمبر لم يجعله عملية إطلاق، بل جعله قابلًا للتشغيل من قِبل من لا يرغبون في ترقيع مستودعٍ للحصول على الإطار الأول.

الخلاصة

PAN 2 حالة نادرة يكون فيها العمل الهندسي متقدمًا على الأوراق الرسمية. إذا كنت تبني محاكاة للوكلاء، أو تقييمًا للروبوتات، أو تجري أبحاثًا في الاستدلال الفيزيائي، ولديك عقدة بأربع وحدات GPU، فالأوزان موجودة، ووصفة التدريب موجودة، والتصميم ذو المرحلتين موثّق بما يكفي لإعادة إنتاجه. أما إذا كنت تحتاج إلى سعر لكل مقطع، أو اتفاقية مستوى خدمة، أو مورّد يمكن الاتصال به، فلا شيء من ذلك موجود بعد، وعمليات الدمج في 10 نوفمبر لم توجد ذلك. أُطلق النموذج بهدوء، إن كان "أُطلق" حتى هو اللفظ المناسب لمستودع وعملية دمج ومنشور من فقرتين. ومسألة ما إذا كان سيُعلن عنه يومًا بالمعنى الذي يتعرف عليه المشتري هي سؤال منفصل عن مسألة ما إذا كان يعمل، وواحد فقط من هذين السؤالين له جواب اليوم.