PAN 2 يجعل «ماذا لو» جديرًا بالمشاهدة — ويعترف بمواضع فشله

أسقِط فراولة في وعاء، وستعرف سلفًا، من دون أن تفكر، وبشكل تقريبي كيف يقفز السائل. PAN 2 هو نموذج للعالم من معهد النماذج التأسيسية في MBZUAI، بُني ليعرف الشيء نفسه ويعرضه. أعطه إطار بداية، وصِف له إجراءً بالنص، وسيعيد ما يصل إلى عشرين ثانية من فيديو بدقة 704×1248 وبمعدل 24 إطارًا في الثانية، يُظهر ما يفعله ذلك الإجراء بالمشهد. العرض التوضيحي الذي انتشر في 11 نوفمبر 2026 هو أوضح شرح للفكرة قدّمه أحد: استبدل الفراولة ببطة مطاطية، أو غيّر السائل، فيتغير تناثر الرذاذ تبعًا لذلك، لأن النموذج يتنبأ بنتيجة فيزيائية بدلًا من استرجاع مقطع. إعلان IFM نفسه، الذي نُشر مساء اليوم السابق، لخّص الفكرة في جملة واحدة — «نموذج اللغة يتنبأ بالكلمة التالية. PAN 2 يتنبأ بالعالم التالي: ما يحدث بعد كل إجراء، مستندًا إلى الزمن والفيزياء والفضاء.»

ما يجعل ذلك أكثر من مجرد شعار هو الإصدار الذي يحيط به. فالأوزان مرخّصة بموجب Apache-2.0 ومتاحة على Hugging Face منذ 7 أكتوبر 2026: 86.17 غيغابايت موزعة على ستين ملفًا، مع نشر كود الاستدلال لاحقًا على GitHub في 5 نوفمبر، واندلاع دعم الخدمة Day-0 في vLLM-Omni في 10 نوفمبر. لذا فالسؤال الجدير بالإجابة لم يعد ما إذا كان PAN 2 موجودًا أو من يمكنه الحصول عليه، بل ما الذي يفعله محاكٍ قابل للتنزيل بعدد 29 مليار معامل على نحو جيد بما يكفي لتعتمد على مخرجاته في التخطيط، وأين تخبرك وثائق الفريق نفسه بألا تفعل ذلك.

العرض التجريبي عبارة عن خط معالجة من مرحلتين يتخفّى تحت اسم نموذج واحد

يبدو مقطع الفراولة وكأنه توليد فيديو من نص. لكنه ليس كذلك، والفارق هو جوهر التصميم. يطبّق PAN 2 نمط التنبؤ الكامن التوليدي الوارد في نقد النماذج العالمية (arXiv 2507.05169)، الذي يقسم التنبؤ إلى نصف استدلالي ونصف تصيير.

نصف الاستدلال هو نموذج لغوي — أي نموذج يتبع التعليمات — يقرأ الملاحظة بالإضافة إلى الإجراءات المطلوبة، ويكتب الحالة العالمية التالية على هيئة تعليق نصي منظم ومرتبط بالزمن: الأحداث بترتيبها، وكل إجراء مقترن بالفاعل الذي ينفذه، إضافةً إلى حركة الكاميرا. هذا التعليق ليس زينة. إنه الواجهة الفعلية. يقوم مُرمِّز نصي مجمّد Qwen3.5-9B بتحويله إلى ميزات تكييف، ويملأ محوّل انتشار متعدد الوسائط بحجم 29B، مدرَّب من الصفر على مئات الملايين من مقاطع الفيديو المشروحة بالتنسيق نفسه، التفاصيل الإدراكية التي يتركها التعليق مفتوحة. ويفكّ VAE من Wan 2.2 ترميز المتجهات الكامنة إلى إطارات.

وهذا يعني أن الادعاء الحقيقي للعرض التجريبي لا يتعلق بالبكسلات على الإطلاق. بل إن الوصف البنيوي لفعل ما يُعدّ إشارة تحكم كافية للمحاكي كي يُنتج نتيجة متسقة فيزيائياً — وأنه يمكن للوكيل بالتالي أن يحاكي عدة خطط مرشحة، ويقارن بينها، ويتصرف وفق أفضلها. هذا هو ما يعنيه IFM بالاستدلال المحاكائي، وهو السبب في أن الفراولة والبطة والسائل المتبادل هي ثلاث عمليات تشغيل للسؤال نفسه وليست ثلاث قطع من لقطات الفيديو.

النتيجة العملية غير ودية. لا يمكنك كتابة أمنية في PAN 2 والحصول على فيديو. يوفّر المستودع مهارة prompt-rewriter — تتضمّن مطالبة نظام، ومطالبة سلبية ثابتة، ومدقّقًا يفحص الأوصاف مقابل ميزانية مُشفّر النص البالغة 1,480 رمزًا كحد مرن و1,536 كحد صارم — وتقول بطاقة النموذج بصراحة إن دراسات حالات الوكيل اعتمدت على مطالبات مُحسّنة يدويًا. يُعاد كتابة النص الحر قبل استخدامه. هذا نموذج ذو عقد واجهة، لا صندوق محادثة.

ما الذي قاسه التقرير، والكلمات التي استخدمها

نشرت IFM تقييمًا أكثر مما تنشره معظم إصدارات نماذج الفيديو، ووصفت الشروط بدقة أكبر من معظمها. كل ذلك من عمل الفريق على أداة التقييم الخاصة بالفريق، وبطاقة النموذج تنص على ذلك في القسم الذي يهم.

• إجراءات فردية — 300 حالة اختبار عبر ست فئات من القدرات، 201 من صورة إلى فيديو و99 من نص إلى فيديو، وتُبلَّغ الدقة كنسبة مئوية.

• خطط متعددة الخطوات — 100 مهمة يومية من منظور الشخص الأول، مطروحة بالاتجاهين، و200 مطالبة و456 خطوة، تُقيَّم على إكمال الخطوات وإكمال الخطة الكاملة، بمتوسط على ثلاث بذور.

• المعايير العامة — Physics-IQ Verified في إعداد الصورة إلى الفيديو، مع تطبيع بحيث يساوي التباين بين مقطعين حقيقيين 100؛ PhyGround على مقياس من خمس نقاط يحكمه Qwen3.8-27B؛ RBench كمتوسط غير مرجح عبر خمس فئات مهام وأربع فئات تجسيد، مضروبًا في 100.

• التفضيل البشري — مقارنة زوجية عمياء على 140 أمرًا، منها 90 لتحويل النص إلى فيديو و50 لتحويل الصورة إلى فيديو، حُكِّم عليها من حيث الالتزام بالأفعال والفيزياء واتساق العالم بواسطة 13 مراجعًا عبر 1,400 مقارنة، مع حساب تصنيف Elo بواسطة Bradley–Terry وتمركزه عند 1500.

ثلاثة عشر مراجعًا هم لجنة صغيرة، وكانوا يحكّمون نموذج المؤلفين مقابل خطوط الأساس الخاصة بالمؤلفين. ومع ذلك، فهي أدلة أكثر مما تنشره معظم الإصدارات في هذه الفئة، والصياغة شديدة الحرص على نحو غير معتاد: فقد وُلّدت النماذج المغلقة في المقارنة مرة واحدة عبر واجهة برمجة تطبيقات استدلال لجهة خارجية، وتشير البطاقة إلى الصفوف ذات البذرة الواحدة. لا شيء من ذلك يجعل الأرقام مستقلة. بل يجعلها مقروءة، وهو أفضل شيء تالٍ.

دقيقتان من معالجة وحدة معالجة الرسومات لكل ثلاث عشرة ثانية من الفيديو

الرقم الذي يحدد ما إذا كان بإمكانك استخدام PAN 2 ليس درجة اختبار أداء. بل هو الرقم الموجود في وصفة vLLM، التي تنص على أن ثلاثة عشر ثانية من فيديو بدقة 704×1248 تستغرق نحو 119 ثانية على أربع وحدات GPU من طراز B300، مع تقسيم التوجيه الخالي من المصنّف عبر رتبتين، وتوازي تسلسل Ulysses عبر رتبتين إضافيتين. الإعداد الافتراضي الموثّق هو ثماني وحدات H200 بتنسيق BF16، مع توازي رقع VAE عبر أربع بلاطات إضافةً إلى ذلك، لأن فك ترميز مقطع فيديو مدته عشرون ثانية بدقة 704×1248 يمثّل مشكلة ذاكرة قائمة بذاتها.

تشغيل إعدادات المُعين مقابل ذلك الرقم يجعل التكلفة بنيوية لا عارضة. خمسون خطوة عند إزاحة تدفق قدرها 9، مع تطبيق توجيه قدره 2.5 في كل خطوة، تعني مئة تمريرة أمامية عبر محوّل 29B لكل مقطع. لهذا يجب موازاة التوجيه بدلاً من تشغيله تسلسلياً، ولهذا فالسؤال الصادق بشأن PAN 2 ليس "ما مدى جودته" بل "كم تكلّفني المحاكاة الواحدة، وكم محاكاة تحتاج إليها الخطة". المخطِّط الذي يقيّم خمسة إجراءات مرشحة في كل خطوة، على مهمة من عشر خطوات، إنما يطلب خمسين مقطعاً. ووفق التكوين المنشور من المورّد نفسه، يعني ذلك عقدة من أربع وحدات GPU مشغولة معظم ساعتين تقريباً، قبل أن يُتعلَّم أي شيء من المخرجات.

المُخطِّط هو النصف الرخيص، وقد تركه IFM قابلاً للاستبدال

هناك جزء واحد من خط المعالجة هذا لا يحتاج إلى عنقود GPU، والتقرير صريح في أنه قابل للاستبدال. يُعرَّف المُفكِّر المفاهيمي بأنه أي نموذج لغوي يتبع التعليمات، وقد صنّفت IFM أربعة منها حسب عدد مرات اكتمال خطة محاكاة من البداية إلى النهاية: Claude Opus 5.5 أولاً، ثم GPT-6 Astra بمستوى جهد متوسط، ثم Kimi K3، ثم Qwen3.8-Flash.

جميع تلك النماذج الأربعة موجودة في كتالوج OrcaRouter، ما يجعل خانة المُستدِل هي القطعة الوحيدة من مكدّس PAN 2 التي يمكنك قياس أدائها دون استئجار أي شيء. وجّه مُعيد كتابة المطالبات إلى كل واحد منها عبر مفتاح API واحد، وأبقِ نصف الانتشار مثبّتًا على عتادك الخاص، ودع التبديل التلقائي عند الفشل يستوعب تعثّر أحد المزوّدين أثناء التجربة بدلًا من إجهاض التشغيل؛ أما التسعير فهو سعر القائمة لكل مزوّد مُمرَّر دون هامش ربح (0%)لذا يظهر تغيّر سعر البائع عند نقطة النهاية في يوم حدوثه بدلًا من أن يظهر بعد دورة إعادة تسعير. لا تستضيف OrcaRouter نظام PAN 2 ولا تستطيع توجيهه — يبقى المُصيّر ملكك — لكن النصف من خط الأنابيب الذي يقرر ما يجب محاكاته هو عمل نصي عادي يُحتسب بالاستهلاك، وهو النصف الذي تتفاوت فيه الجودة فعليًا بين التشغيلات.

من المفيد القول بوضوح: التصنيف أعلاه هو تصنيف IFM، وقد قيس على مهام IFM باستخدام أداة الاختبار الخاصة بـ IFM. وهو نقطة بداية معقولة لإعداد قائمة مختصرة. لكنه ليس بديلاً عن تشغيل مطالباتك الخاصة عبر المرشحين الأربعة وحساب عدد المرات التي تنجو فيها خططك.

قسم القيود هو الصفحة الأكثر فائدة في الإصدار.

تضع معظم بطاقات النماذج اعترافاتها في فقرة لا يقرؤها أحد. أما بطاقة PAN 2 فتضع الرقم في المقدمة: نحو ثلثي خطط المحاكاة تحتوي على خطوة واحدة على الأقل لا تُنفَّذ. هذه الجملة الواحدة تعيد تأطير كل ما سبقها. إن محاكيًا يُسقط خطوة في خطتين من كل ثلاث ليس بعد شيئًا تسلّمه إلى روبوت وتنصرف عنه — بل هو شيء تستخدمه لترتيب الخطط المرشحة التي يمكنك النجاة من أنماط فشلها، مع إبقاء مدقّق في الحلقة.

بقية القائمة محددة بالقدر نفسه، وتستحق بالقدر نفسه أن تُؤخذ على ظاهرها.

• الاتساق على المدى الطويل — يُحاكى كل مقطع انطلاقًا من إطار بداية واحد على الأكثر بالإضافة إلى النص، لذا يتغير المظهر عبر المقاطع في التفاعلات الطويلة؛ وتذكر البطاقة الذاكرة الإدراكية باعتبارها الجزء المفقود بدلًا من الادعاء بأنها محلولة.

• حساسية الموجّه — تؤدي صياغة الملاحظة والإجراء إلى تغيير النتيجة، وقد احتاجت الأمثلة الخارجة عن توزيع التدريب إلى موجّهات مُحسَّنة يدويًا.

• أفعال نصية خشنة — يعبّر النص عن «فتح درج» جيدًا وعن «ضع كل إصبع هنا» بشكل سيئ، مما يحدّ من المناولة الماهرة.

• اختصارات — يمكن للمحاكاة أن تتقدّم مع انتهاكها لقوانين الفيزياء، ومثال البطاقة نفسها هو ظهور المعكرونة في المصفاة قبل تصفيتها.

• الفشل المطابق للواقع غير مقاس — تغطي الدراسة الكمية خططًا مفتوحة الحلقة مصممة للنجاح؛ أما مدى جودة محاكاة PAN 2 لخطط يُفترض أن تفشل فلم يُقَس بعد، بعبارة البطاقة. تلك هي الفجوة الأهم بالنسبة للتخطيط، لأن المحاكي الذي لا يستطيع أن يُظهر لك نتيجة سيئة ليس بعد أداة تصفية.

تُشحن Guardrails كمستودع منفصل، مع أرقام مرفقة.

الأمر الآخر الذي فعلته IFM وتتجاهله معظم إصدارات الفيديو مفتوحة الأوزان: أنها نشرت ضابط حماية إلى جانب النموذج بدلًا من فقرة توصي باستخدام واحد. يفحص pan2-guardrail الطلب باستخدام Qwen3Guard-Gen-4B قبل التوليد، ويفحص الفيديو المولّد بمصنّف الإطارات Q16 بعده، وتوضح البطاقة تكلفة ذلك في كلا الاتجاهين — فقد انخفضت طلبات تحويل النص إلى فيديو الضارة التي تنتج مخرجات غير آمنة من 33.9% إلى 1.5%، ولم تُرصد أي مخرجات غير آمنة لتحويل الصورة إلى فيديو، وتم إيقاف 11.5% من طلبات تحويل النص إلى فيديو الحميدة إضافة إلى 3.3% من طلبات تحويل الصورة إلى فيديو الحميدة أثناء المرور.

تلك قياسات الفريق الداخلية، وليست تدقيقًا، ومعدّل الإيجابيات الكاذبة هو الرقم الذي ينبغي أن تحدّق فيه إن كنت تنوي تشغيل هذا على نطاق واسع: فحاجز أمان يرفض طلبًا حميدًا واحدًا من كل تسعة هو قيد تصميمي على منتجك، وليس حاشية. ومن الإنصاف القول إنه أيضًا نوع الإفصاح الذي يتيح لك اتخاذ ذلك القرار أصلًا.

ما الذي سيجعل هذا أكثر من مجرد عرض توضيحي مبهر؟

ثلاثة أشياء، بترتيب تصاعدي للصعوبة. دراسة فشل: تعترف بطاقة النموذج بأن محاكاة الخطط التي ينبغي أن تفشل غير مقيسة، وإلى أن ينشر أحد ذلك، فإن PAN 2 مولّد لنجاحات معقولة بدلاً من كونه متنبئًا بالعواقب. تقييم مستقل: كل رقم قدرة في هذه المقالة مصدره IFM، على منصة اختبار IFM، بلجنة من ثلاثة عشر شخصًا للدراسة البشرية، ولم يعد أي طرف ثالث إنتاج أي جزء منه. ومسار خدمة أرخص: التكوين المنشور هو عقدة بأربع وحدات GPU لمدة دقيقتين لكل ثلاث عشرة ثانية، وهو مناسب للبحث وقاسٍ على الحلقة التي يستلزمها الاستدلال المحاكي فعليًا.

مع ذلك، فإنّ PAN 2 هو أكمل إصدار مفتوح لنموذج عالمي هذا العام، والاكتمال هو المغزى. الأوزان، والشيفرة، ووصفة نشر خدمي، وعقد توجيهات مع ميزانية رموز، وحاجز حماية مع أرقام النتائج الإيجابية الكاذبة، وقسم قيود يبدأ بمعدل الفشل. يمكنك أن تختلف معه حول جاهزيته لروبوت ومع ذلك تستخدمه هذا الأسبوع لتسأل عمّا يحدث إن غيّرت السائل — وهذا، بالنسبة لنموذج تقوم فكرته بأكملها على أنّ العواقب قابلة للمعاينة، اختبار أوّل منصف.