PAN 2 vs. ABot-Earth 0.7: Zwei Weltmodelle, nur eine Achse voneinander entfernt

Beide werden Weltmodelle genannt. Beide erschienen in den letzten zwei Monaten des Jahres 2026. Beide zeigen dir einen Ort, an dem du noch nie warst. Und sie sind in keiner Hinsicht, die einen Käufer interessieren würde, Ersatz füreinander, denn PAN 2 sagt voraus, was als Nächstes in einer Szene in den folgenden zwanzig Sekunden geschieht, während ABot-Earth 0.7 eine Stadt im Kilometersmaßstab erzeugt, durch die du beliebig lange laufen kannst. Das eine ist ein Modell von Konsequenzen. Das andere ist ein Modell von Orten. Wenn du für ein Projekt zwischen ihnen wählst, besteht der ehrliche erste Schritt darin, zu erkennen, dass die Frage „Welches ist besser?“ keine Antwort hat, während die nützliche Frage – welche braucht deine Pipeline tatsächlich, und kannst du sie bekommen – sehr wohl eine hat.

Die zweite Frage ist, wo die beiden scharf auseinandergehen, und das ist keine Geschmacksfrage. PAN 2 wird als 86,17 Gigabyte Apache-2.0-Modellgewichte ausgeliefert, wobei die Serving-Unterstützung in vLLM-Omni integriert wurde; Sie können es heute Nachmittag herunterladen und auf Ihren eigenen GPUs ausführen. ABot-Earth 0.7 ist ein Produktionssystem in Amaps Consumer-App, ohne öffentliche API, ohne Gewichte und mit einer Whitelist für seine Generierungsfunktion. Das eine ist ein Artefakt, das man in Händen halten kann. Das andere ist eine Demonstration, die man sich ansehen kann.

Was jede einzelne davon genau ausgibt

PAN 2 nimmt eine Beobachtung entgegen – ein optionales erstes Frame plus eine Textbeschreibung – sowie eine Reihe in Text beschriebener Aktionen und gibt ein MP4 zurück. Intern ist es eine zweistufige Maschine: Ein Sprachmodell schreibt eine strukturierte, zeitlich verankerte Beschreibung des Weltzustands, ein eingefrorener Textencoder überführt diese in Konditionierungsmerkmale, und ein multimodaler 29B-Diffusionstransformer rendert bis zu zwanzig Sekunden Video mit 704×1248 Pixeln bei 24 Bildern pro Sekunde. Die Ausgabe ist kurz, teuer und spezifisch: Sie beantwortet die Frage „Was bewirkt diese Aktion in dieser Szene“, und die Antwort ist auf zwanzig Sekunden begrenzt, weil jeder Clip aus höchstens einem Startframe simuliert wird.

ABot-Earth 0.7 nimmt ein georeferenziertes Satellitenbild oder einen Text-Prompt entgegen und liefert eine 3D-Gaussian-Splatting-Szene mit hierarchischen Level-of-Detail-Strukturen zurück, die sich nach Unreal Engine und Unity exportieren lässt. Amap – die Kartensparte von Alibaba – stellte es am 10. September 2026 auf seiner Street-Stars-Gala in Hangzhou vor und präsentierte es als erstes natives 3D-Stadtweltmodell, mit der Angabe, eine Umgebung im Kilometersmaßstab in rund zehn Minuten auf einer einzelnen Consumer-GPU erzeugen zu können. Das Ergebnis ist ein Ort, kein Moment: Man erkundet ihn, man wartet nicht darauf, dass er sich auflöst.

Nebeneinander gestellt ist die Form der Diskrepanz offensichtlich.

• Ausgabe — PAN 2 liefert ein 20-sekündiges MP4 mit 704×1248 und 24 fps; ABot-Earth 0.7 liefert eine 3DGS-Szene mit LOD-Strukturen, exportierbar nach Unreal und Unity.

• Eingabe — {{1}}PAN 2{{/1}} nimmt ein {{2}}erstes Frame{{/2}} plus eine {{3}}strukturierte Aktionsbeschreibung{{/3}}; {{4}}ABot-Earth 0.7{{/4}} nimmt ein {{5}}Satellitenbild{{/5}} oder einen {{6}}Text-Prompt{{/6}}.

Zeithorizont — PAN 2 simuliert Sekunden in die Zukunft und driftet darüber hinaus über Clips hinweg; ABot-Earth 0.7 ist zeitlich statisch, eine Momentaufnahme eines Ortes, der sich nicht weiterentwickelt.

• Gerät — PAN 2s dokumentierte Standard-Serving-Konfiguration besteht aus acht H200s in BF16, mit einem Vier-B300-Rezept für dreizehn Sekunden in 119 Sekunden; ABot-Earth 0.7 wird damit beworben, auf einer Consumer-GPU einen Kilometer in zehn Minuten zu schaffen.

• Zugang — PAN 2 ist Apache-2.0 auf Hugging Face, ohne Zugangsbeschränkung, mit Code auf GitHub; ABot-Earth 0.7 hat keine Gewichte, keine öffentliche API und eine nur auf Einladung verfügbare Generierungsfunktion.

• Unabhängige Evaluierung – keine der beiden hat eine. Beide Zahlenreihen stammen von den Labors, die die Modelle entwickelt haben.

Zeit und Raum sind nicht dieselbe Achse

Die Unterscheidung, die all dem zugrunde liegt, sollte man benennen, denn sie verändert, wofür jedes Modell gedacht ist. ABot-Earth erweitert eine Szene durch den Raum: Aus einer einzigen Satellitenkachel synthetisiert es die Gebäude, die Straßen und die Innenräume, die man sehen würde, wenn man dorthin flöge, und es hält sie konsistent, während man von der Stadtübersicht zur Straßenebene wechselt. Sein Anspruch ist Abdeckung und Detailtreue im großen Maßstab.

PAN 2 erweitert eine Szene über die Zeit: Aus einem Einzelbild und einer beschriebenen Aktion sagt es die folgenden Bilder voraus, und worauf es dabei abzielt, ist die Kausalkette – der Spritzer verändert sich, wenn sich das Objekt verändert, weil sich Masse und Oberfläche verändert haben, und das Modell hat diese Beziehung gelernt, statt einen Spritzer auswendig gelernt zu haben. IFMs Einordnung lautet, dass ein Sprachmodell das nächste Wort vorhersagt und PAN 2 die nächste Welt, und die Demo, die am 11. November 2026 mitgereist ist, macht es konkret: eine Erdbeere in eine Schüssel fallen lassen, sie dann in eine Gummiente verwandeln, dann die Flüssigkeit ändern, und die drei Simulationen unterscheiden sich auf Weisen, die aus der Physik folgen.

Eine Anwendung, die das eine braucht, braucht selten das andere. Ein Robotikteam, das Kandidaten-Greifpositionen bewertet, braucht die Achse von PAN 2. Ein Kartierungsprodukt, eine Digital-Twin-Bereitstellung oder ein Spielestudio, das eine Umgebung erstellt, braucht die Achse von ABot-Earth. Die Überschneidung ist ein schmaler Bereich, in dem jemand eine generierte Stadt in eine Simulation einsetzen und dann animieren möchte, was darin passiert – und dort würden sich die beiden ergänzen statt konkurrieren, wenn die zweite Hälfte verfügbar wäre.

Der Vergleich, der wirklich zählt: Kannst du ihn ausführen?

Hinsichtlich der Leistungsfähigkeit sind die beiden nicht vergleichbar, und niemand hat versucht, sie zu vergleichen. Bei der Beschaffung sind sie wie Tag und Nacht.

Die Zugangsgeschichte von PAN 2 ist für eine Forschungsveröffentlichung ungewöhnlich vollständig. Die Gewichte gingen am 7. Oktober 2026 online, zusammen mit einer Modellkarte, Konfigurationen und einem Prompt-Rewriter-Skill; das GitHub-Repository mit Inferenz- und Trainingsskripten folgte am 5. November; vLLM-Omni integrierte am 10. November Day-0-Unterstützung für Text-zu-Video und Bild-zu-Video, und noch am selben Abend erschien eine Recipe-Seite, die die Vier-B300-Konfiguration und den Acht-H200-Standard dokumentiert. IFM veröffentlichte seine Ankündigung am 10. November um 17:00 UTC auf X – sechsundfünfzig Minuten nach dem Framework-Merge – mit dem Wortlaut „Wir stellen PAN 2 vor: ein offenes Foundation-Weltmodell für physische Intelligenz." Kein Blogpost, kein Paper-Link, kein gehosteter Endpunkt, kein Preis. Aber das Ding selbst ist herunterladbar, und die Lizenz erlaubt kommerzielle Nutzung.

Bei ABot-Earth 0.7 verhält es sich mit dem Zugang genau umgekehrt. Die Erlebnis-Website ist online, doch die Generierung ist nur auf Einladung möglich – die Oberfläche beschreibt das Erstellen als Beta und bietet eine Bewerbung für die Whitelist an. Es gibt keine veröffentlichten Preise, keine Preisliste und keine Entwicklerdokumentation, die beschreibt, wie ein externes System es aufrufen würde. Das Release 0.5 im Juni stellte einen technischen Bericht auf arXiv und ein Repository auf GitHub bereit, und dieses Repository beherbergte den Bericht statt einer Implementierung; nichts, was mit 0.7 angekündigt wurde, deutet darauf hin, dass die Modellgewichte freigegeben wurden. Die Website ist zudem durchgängig in vereinfachtem Chinesisch gehalten, ohne Sprachumschalter, sodass eine Bewertung auf Englisch bedeutet, sich auf Amaps Pressematerialien stützen zu müssen.

Für die meisten Teams endet der Vergleich damit, bevor überhaupt über die Leistungsfähigkeit gesprochen wird. Ein Modell, das man nicht aufrufen kann, ist kein Kandidat; es ist ein Maßstab dafür, wie die Kategorie aussehen wird, sobald sie adressierbar wird.

Was Amap hat, IFM aber nicht – und warum es sich nicht übertragen lässt

Der Grund, warum ABot-Earth 0.7 trotz des Zugangsproblems ernst zu nehmen ist, ist dass es sich nicht um eine Labordemo handelt. Es treibt Flying Street View 2.0 an, die Verbraucherfunktion, die Flythroughs auf festen Routen durch frei erkundbaren 3D-Raum ersetzt hat, und Amap sagt, dass mehr als 880 Millionen Menschen die Street Stars-Oberfläche genutzt haben, in der es sitzt. Tests laufen für ausgewählte Orte in Städten wie Peking und Hangzhou, mit konkreten Anwendungsfällen, die das Unternehmen nennt: die Sichtlinie von einem bestimmten Theatersitz aus prüfen, sich im Inneren eines Einkaufszentrums zurechtfinden, das Gelände vor einer Reise einschätzen.

Dahinter steht eine Datenposition, die kein Modelllabor schnell kopieren kann – Amap nennt fast eine Milliarde monatlich aktive Nutzer, Beidou-Positionierungsaufrufe mit Spitzenwerten von nahezu einer Billion pro Tag und jahrzehntelang angesammelte raumzeitliche Daten, die Straßennetze, Points of Interest und Live-Verkehr abdecken. Die 3DGS-Architektur ist veröffentlichte Arbeit. Der zugrunde liegende Korpus nicht.

Nichts davon hilft einem externen Entwickler, und genau diesen Punkt neigt die Berichterstattung zum Marktstart dazu, zu übergehen. Amaps Schlagzeilen-Zahlen – zehn Minuten pro Quadratkilometer, bis zu 1.000-mal schneller als herkömmliche Rekonstruktion bei etwa einem Hundertstel der Kosten, mehr als 196 Länder und Regionen, eine 3DGS-Ausgabe, die für Unreal und Unity bereit ist – stammen allesamt vom Anbieter, keine davon wurde unabhängig reproduziert, und sie werden zusammen mit einer Whitelist statt mit einem Endpoint geliefert. Der Consumer-Rollout ist selbst eine Form des Beweises, dass das System im großen Maßstab läuft. Er ist kein Beweis dafür, dass du es selbst betreiben kannst.

Wo jedes einzelne seinen Platz in einem Build verdient

Gehen wir für einen Moment davon aus, dass Sie beides bekommen können, denn auf diese Situation steuert die Kategorie zu. Die Aufteilung ist sauber.

PAN 2 ist ein Filter für Kandidatenaktionen. Sein Design setzt einen Agenten voraus, der bereits im Loop ist: Der konzeptionelle Reasoner ist ein beliebiges instruktionsfolgendes Sprachmodell, und IFM hat vier davon nach der Vollendung des Gesamtplans eingestuft – Claude Opus 5.5, GPT-6 Astra mit mittlerem Aufwand, Kimi K3, Qwen3.8-Flash –, was zeigt, dass die beabsichtigte Form ein Reasoner ist, der Pläne vorschlägt, und ein Simulator, der deren Konsequenzen darstellt, damit der Reasoner einen auswählen kann. Die Kosten dieses Loops sind der Punkt, um den herum geplant werden muss, nicht die Videoqualität: Fünfzig Sampler-Schritte mit Guidance bei jedem Schritt sind hundert Forward-Passes durch einen 29B-Transformer pro Clip, und ein Plan mit fünf Kandidaten und zehn Schritten sind fünfzig Clips.

Dieser Reasoner-Slot ist der einzige Teil des Stacks, der keinen GPU-Cluster benötigt, und alle vier von IFM gerankten Modelle sind im OrcaRouter-Katalog vertreten. Wenn Sie den Prompt-Rewriter über einen einzigen API-Schlüssel ansteuern, können Sie Planer pro Experiment statt pro Vertrag austauschen, wobei automatisches Failover Anbieter-Degradation abfängt und die Listenpreise der Anbieter ohne Aufschlag (0 %) durchgereicht werden, sodass eine Preisänderung eines Anbieters am Tag ihres Inkrafttretens am Endpoint live ist und nicht erst nach einem Beschaffungszyklus. OrcaRouter hostet PAN 2 nicht und kann es nicht routen – die Diffusionshälfte bleibt auf Ihrer Hardware –, aber die Hälfte, die entscheidet, was simuliert wird, ist gewöhnliche, nutzungsabhängig abgerechnete Textarbeit, und genau dort liegt die Varianz von Lauf zu Lauf tatsächlich.

ABot-Earth ist eine Umgebungsfabrik. Seine natürliche Ausgabe ist ein Ort, an dem man Dinge unterbringen kann: ein Trainingsgelände für verkörperte Agenten, ein digitaler Zwilling, synthetische Fahrdaten, eine Bühne für eine Simulation. Falls es jemals eine API veröffentlicht, ist der dadurch ermöglichte Workflow komplementär zu dem von PAN 2 statt redundant – die Welt einmal erzeugen und dann Aktionen darin simulieren – und die Exportformate, die Amap bereits bewirbt, sind der Verbindungspunkt.

Was würde diese Seite verändern?

Für ABot-Earth 0.7 zählt vor allem eines: eine veröffentlichte API mit einem Preis. Dieser eine Schritt macht aus einer Whitelist einen Kandidaten und lässt den Kostenvergleich mit PAN 2s GPU-Rechnung aussagekräftig werden. Dahinter stehen drei kleinere Unbekannte – ob überhaupt ein technischer Bericht zu 0.7 erscheint, da 0.5 innerhalb weniger Tage einen hatte; ob die Gewichte offengelegt werden, was es für die Simulationsteams, die Amap nach eigenen Angaben umwirbt, zu einem wirklich anderen Angebot machen würde; und ob jemand außerhalb von Amap die Behauptung von zehn Minuten pro Quadratkilometer auf eigener Hardware reproduziert.

Für PAN 2 ist das fehlende Element eine Studie zu Fehlschlägen. Die Model Card räumt ein, dass etwa zwei von drei simulierten Plänen mindestens einen Schritt enthalten, der nicht ausgeführt wird, und dass noch nicht gemessen wurde, wie getreu das Modell Pläne simuliert, die scheitern sollten. Ein Simulator, der kein schlechtes Ergebnis aufzeigen kann, ist nur ein halber Filter. Auch eine unabhängige Bewertung der Fähigkeitszahlen wäre hilfreich; jede Zahl in IFMs Bericht stammt aus IFMs Testumgebung, mit einem Gremium aus dreizehn Gutachtern für die Humanstudie.

Welche wählen?

Wenn Sie einen Ort brauchen – eine Stadt, ein Gebäudeinneres, Gelände, irgendetwas, das Sie sonst mit Vermessungsdaten rekonstruieren würden –, kann PAN 2 Ihnen nicht helfen, und ABot-Earth 0.7 ist das beeindruckendere System, aber Sie können es noch nicht haben; die praktische Antwort lautet daher, bei Ihrer aktuellen Rekonstruktionspipeline zu bleiben und auf eine API zu warten. Wenn Sie wissen müssen, was eine Aktion bewirkt, bevor Sie sie ausführen, kann ABot-Earth Ihnen überhaupt nicht helfen – eine statische Szene hat keine Konsequenzen in sich –, und PAN 2 ist eines der wenigen Open-Weight-Modelle, das es versucht, wobei die Gewichte, der Code, das Serving-Rezept und die Fehlerrate alle veröffentlicht sind.

Der Vergleich, nach dem die Leute suchen, als wären dies konkurrierende Produkte in einem Regal, existiert nicht. Was existiert, ist eine Kategorie – Weltmodelle –, die sich entlang einer Achse aufspaltet, die in den meisten Berichten nicht einmal einen Namen bekommt. Die eine Seite modelliert, wo die Dinge sind. Die andere modelliert, was als Nächstes passiert. Ende 2026 kommt nur eine von ihnen mit einem Download-Link.