PAN 2 vs. Genie 4: Beide binden ein Sprachmodell in den Ablauf ein, und nur eines nennt es beim Namen.

Die beiden interessantesten Weltmodelle des späten Jahres 2026 sind auf dieselbe Weise gebaut, und keines der beiden Unternehmen macht das zum Aufhänger. PAN 2 ist das Open-Weight-Weltmodell des Institute of Foundation Models mit 29 Milliarden Parametern, am 7. Oktober 2026 als Apache-2.0-Checkpoint veröffentlicht, wobei Inferenz- und Trainingscode am 5. November folgten und Day-0-Serving-Unterstützung in vLLM-Omni am 10. November. Genie 4 ist das interaktive Echtzeit-Weltmodell von Google DeepMind, angekündigt am 27. Oktober 2026, das aus einer Textbeschreibung eine erkundbare Szene erzeugt und sich mit einer Tastatur steuern lässt, während natives Audio mitläuft. Stellt man sie nebeneinander, ist der erwartete Kontrast – offene Gewichte gegen eine Forschungsvorschau, zwanzig Sekunden Video gegen eine Live-Sitzung – real, aber langweilig. Das Interessante daran ist, dass beide das Denken an ein Sprachmodell delegieren, und nur PAN 2 verrät, welches Sprachmodell, und lässt es ändern.

Dieser eine Unterschied bei der Offenlegung ist mehr wert als eine Benchmark-Tabelle, denn er entscheidet darüber, ob man überhaupt über das System nachdenken kann. Ein Weltmodell mit einer unbenannten Denkhälfte ist ein Produkt. Ein Weltmodell mit einer benannten, austauschbaren Denkhälfte ist eine Architektur.

Die gemeinsame Form: ein Reasoner schreibt die Zukunft, ein Renderer zeichnet sie

PAN 2 implementiert Generative Latent Prediction, das Muster, das in Critique of World Models (arXiv 2507.05169) formalisiert wurde. Ein konzeptioneller Reasoner – jedes instruktionsfolgende Sprachmodell – liest die aktuelle Beobachtung und die angeforderten Aktionen und schreibt den nächsten Weltzustand als strukturierte, zeitlich verankerte Beschreibung: Ereignisse in Reihenfolge, jede Aktion an den sie ausführenden Akteur gebunden, plus Kamerabewegung. Ein eingefrorener Qwen3.5-9B-Textencoder verwandelt diese Beschreibung in Konditionierungsmerkmale. Ein 29B-multimodaler Diffusionstransformer, von Grund auf auf Hunderten Millionen annotierter Videos trainiert, füllt die perzeptuellen Details aus, die die Beschreibung offenlässt, und ein Wan 2.2 VAE dekodiert das Ergebnis in Frames.

In Googles veröffentlichter Beschreibung von Genie 4 zeigt sich dieselbe Arbeitsteilung unter anderen Produktnamen. Gemini Omni verankert die Simulation in realistischer Erscheinung und realistischem Verhalten; andere Gemini-Modelle liefern das Reasoning für Kohärenz und Kontinuität; und Gemini 3.8 Flash fungiert als leitender Agent, der die Szene beobachtet, Schritte plant und den Fortschritt prüft. Diese letzte Rolle ist ein In-Loop-Verifier – ein Sprachmodell, das das Weltmodell beobachtet und dafür sorgt, dass es die Aufgabe nicht aus den Augen verliert. Google kombinierte Genie 4 außerdem mit Gemini 4 Argon für mehrstufige Robotiksimulationen, einschließlich einer Demonstration, in der ein humanoider Roboter Apollo von Apptronik Dame spielt.

In beiden Stacks sind die Pixel die billige, schnelle Hälfte, und das Sprachmodell ist die Hälfte, die entscheidet, was passieren soll. Das ist die Form, auf die sich das Feld 2026 konvergiert hat, ohne es anzukündigen: Ein Weltmodell ist kein Videogenerator mit einem Physik-Prior, sondern ein Planer plus ein Renderer, und der Planer ist ein gewöhnliches Textmodell, das man messen könnte.

Diese Konvergenz ist der Grund, warum die Offenlegungslücke relevant ist. IFM stufte vier Planer danach ein, wie oft ein simulierter Plan von Anfang bis Ende durchläuft – Claude Opus 5.5 auf Platz eins, GPT-6 Astra bei mittlerem Aufwand auf Platz zwei, Kimi K3 auf Platz drei, Qwen3.8-Flash auf Platz vier – und veröffentlichte die Rangliste zusammen mit dem Harness, das sie erzeugte, und erklärte dabei, dass der konzeptionelle Reasoner per Definition austauschbar ist. Google nannte Gemini 3.8 Flash im Loop, was mehr ist, als die meisten Labore sagen, und veröffentlichte nichts darüber, wie man es ersetzen, separat bepreisen oder messen würde, ob ein anderes Modell besser planen würde.

Zwanzig Sekunden in einem Batch – oder eine Session, die du selbst steuerst

Die Interaktionsmodelle sind gegensätzlich, und hier hören die beiden auf, vergleichbar zu sein, und beginnen, unterschiedliche Werkzeuge zu sein.

• Ausgabe — PAN 2 liefert pro Aufruf bis zu zwanzig Sekunden Video mit 704×1248 bei 24 Bildern pro Sekunde; Genie 4 liefert eine live gerenderte, dauerhafte Szene, deren Auflösung, Bildrate und Dauer Google nicht veröffentlicht hat.

• Steuerung — PAN 2 benötigt ein Startbild plus eine strukturierte Aktionsbeschreibung, die durch einen Prompt-Rewriter-Skill verfeinert wird; Genie 4 benötigt einen Text-Prompt und anschließend kontinuierliche Tastatureingaben für Bewegung und Kamera.

• Audio – PAN 2 bietet nichts davon; Genie 4 erzeugt Ambient-Sound, musikähnliches Audio und interaktive Charakterdialoge zusammen mit den visuellen Inhalten, was Google als Premiere für ein Echtzeit-Weltmodell beschreibt.

• Batch-Verhalten — PAN 2 ist ein Batch-Orakel: ein Aufruf, ein Clip, kein Feedback innerhalb des Aufrufs; Genie 4 ist eine geschlossene Schleife, in der Ihre Eingabe bei Sekunde drei Sekunde vier verändert.

• Kosten — Der dokumentierte Standard von PAN 2 sind acht H200 in BF16, wobei ein vLLM-Rezept dreizehn Sekunden 704×1248-Video auf vier B300 auf rund 119 Sekunden bringt; Genie 4 hat keinen Preis, da es keinen Self-Service-Zugang gibt.

• Zugang — {{1}}Die Gewichte von PAN 2 umfassen 86,17 Gigabyte verteilt auf sechzig Dateien unter Apache-2.0 und sind nicht zugangsbeschränkt{{/1}}; Genie 4 ist eine Forschungsvorschau für vertrauenswürdige Tester mit einem angegebenen Weg für AI Ultra-Abonnenten über eine Warteliste sowie für Early-Access-Partner über die Gemini API und Google AI Studio.

Wenn Sie diese Liste lesen, zerfällt die praktische Antwort sauber. Wenn Sie ein paar tausend Mal fragen wollen, „was passiert, wenn“, und die Antworten bewerten wollen, ist PAN 2 der einzige der beiden, der sich in einer von Ihnen kontrollierten Schleife aufrufen lässt. Wenn Sie erkunden, steuern und zuhören möchten, ist Genie 4 der einzige der beiden, der überhaupt einen Ort bietet — und wahrscheinlich kommen Sie noch nicht hinein.

Das Datenblatt, das Google nicht veröffentlicht hat

Das Auffälligste an der Ankündigung von Genie 4 ist die Länge der Liste, die sie auslässt: keine Auflösung, keine Bildrate, keine Parameteranzahl, kein Preis, keine gemessene Dauer der Szenenkonsistenz, kein Benchmark mit benannten Vergleichswerten. Was Google tatsächlich veröffentlicht hat, ist eine Reihe von Eingeständnissen – Kohärenz hält über kurze Sitzungen hinweg, und visuelle Details und Objektbeständigkeit können bei längeren Läufen, nach komplexen Bearbeitungen oder beim Navigieren abdriften. Komplexe physische Interaktionen, Audiogenauigkeit, lesbarer Text in der Welt, räumliche Genauigkeit und langfristige Konsistenz sind als offene Forschungsprobleme aufgeführt. Jede Ausgabe trägt ein SynthID-Wasserzeichen.

Nichts davon ist ausweichend. Es ist die ehrliche Form einer Forschungsvorschau, und Drift als offenes Problem zu benennen, tun die meisten Launch-Beiträge nicht. Aber es bedeutet, dass eine Leserin aus Genie 4 nichts berechnen kann: weder Clips pro Dollar noch Sekunden pro GPU noch die Dauer, ab der eine Szene nicht mehr brauchbar ist. Die eine Zahl, die ein Käufer am meisten wissen wollte – wie lange eine Sitzung kohärent bleibt –, ist diejenige, die die Ankündigung qualitativ beschreibt und nicht beziffert.

PAN 2 beantwortet dieselbe Frage mit einer Zahl, die schlechter und daher nützlicher ist. Seine Modellkarte gibt an, dass etwa zwei von drei simulierten Plänen mindestens einen Schritt enthalten, der nicht ausgeführt wird. Sie sagt, dass das Aussehen über Clips hinweg in langen Interaktionen driftet, weil jeder Clip aus höchstens einem Ausgangsbild plus Text simuliert wird, und bezeichnet das Wahrnehmungsgedächtnis als das fehlende Teil, statt zu behaupten, es sei gelöst. Sie räumt ein, dass Text „eine Schublade öffnen“ gut und „jeden Finger hier platzieren“ schlecht ausdrückt, was die geschickte Manipulation begrenzt. Sie gibt ein konkretes Beispiel für eine Abkürzung – Nudeln, die im Sieb erscheinen, bevor sie abgegossen werden – und gibt zu, dass die Simulation von Plänen, die scheitern sollten, laut der Karte noch nicht gemessen wird.

Diese letzte Einschränkung ist diejenige, die jedem Weltmodell in eine Produktspezifikation folgen sollte. Ein Simulator, der nur Erfolg darstellen kann, ist ein Generator plausibler Ergebnisse, kein Filter für schlechte – und die gesamte Prämisse des simulativen Denkens, mehrere Kandidatenpläne zu simulieren, zu vergleichen und auf den besten zu handeln, hängt davon ab, dass das Modell Ihnen zeigen kann, wie ein Plan scheitert. PAN 2 sagt ausdrücklich, dass es darauf nicht getestet wurde. Genie 4 sagt nichts in die eine oder andere Richtung.

Failover ist kein Feature eines der beiden Modelle, und doch ist es genau das Feature, das Sie brauchen.

Beide dieser Systeme sind Forschungsartefakte, die auf ein Problem gerichtet sind, das von Teams mit Produktionsfristen gelöst werden wird, und genau in der Lücke zwischen diesen beiden Dingen verdient eine Routing-Schicht ihren Platz. Die Renderer-Hälfte eines PAN-2-Stacks ist Ihre Hardware und wird es immer bleiben – OrcaRouter hostet PAN 2 nicht und kann es nicht routen, und kein Katalog kann einen Diffusionstransformer mit 29 Milliarden Parametern routen, den Sie auf Ihrem eigenen Knoten betreiben. Routbar ist die Hälfte, die entscheidet, was simuliert wird, denn diese Hälfte ist gewöhnliche, nach Verbrauch abgerechnete Textarbeit.

Alle vier Planner, die IFM gerankt hat, sind im OrcaRouter-Katalog vertreten: Claude Opus 5.5, GPT-6 Astra, Kimi K3 und Qwen3.8-Flash. Damit ist der Reasoner-Slot der eine Teil einer PAN-2-Pipeline, den Sie noch heute Nachmittag benchmarken können, ohne einen GPU-Knoten zu mieten — richten Sie den Prompt-Rewriter über einen einzigen Schlüssel auf jeden von ihnen, halten Sie die Diffusion-Hälfte fest und zählen Sie, wie oft Ihre Pläne überleben. Die Listenpreise der Anbieter werden mit 0 % Aufschlag weitergegeben, sodass der Kostenvergleich auf den eigenen Tarifen der Anbieter statt auf unseren beruht, und ein automatisches Failover fängt einen Aussetzer eines Anbieters mitten im Sweep ab, statt den Lauf abzubrechen.

Dieselbe Route deckt die Genie-4-Seite ab, wenn auch nur knapp. Gemini 3.8 Flash ist das Modell, das Google als den In-Loop-Leitagenten von Genie 4 beschreibt, und es ist über denselben Katalog aufrufbar. Genie 4 bekommt man nicht. Sie können den Teil der Architektur bauen, den Google tatsächlich beschrieben hat – ein visionfähiges Modell, das generierte Frames beobachtet, die nächsten Schritte plant und den Fortschritt prüft – und es auf ein Weltmodell ausrichten, das Sie tatsächlich haben. Das ist nicht dasselbe Produkt. Es ist dieselbe Steuerungsschicht, und es ist die Schicht, in der tatsächlich der größte Teil der Engineering-Arbeit steckt.

Mach dir klar, was das Ranking oben wirklich wert ist: IFMs Reihenfolge wurde an IFMs Aufgaben mit IFMs Harness gegen IFMs eigene Baselines gemessen, und niemand hat sie reproduziert. Es ist eine Auswahlliste, kein Leaderboard. Deine eigenen Prompts durch vier Kandidaten laufen zu lassen, ist ein paar Stunden Arbeit und die einzige Evidenz, die auf dein Problem zutrifft.

Die andere Zahl, die man in jedes Budget mitnehmen sollte, ist die für das Serving. Fünfzig Sampler-Schritte bei einem Flow-Shift von 9 mit Guidance von 2.5 bei jedem Schritt bedeuten hundert Forward-Passes durch einen 29B-Transformer pro Clip, weshalb Guidance über Ranks hinweg parallelisiert werden muss, statt sequenziell ausgeführt zu werden. Ein Planer, der bei einer zehnstufigen Aufgabe pro Schritt fünf Kandidatenaktionen evaluiert, verlangt nach fünfzig Clips, was in der veröffentlichten Konfiguration mit vier B300 bedeutet, dass ein Knoten den größeren Teil von zwei Stunden beschäftigt ist, bevor irgendetwas aus der Ausgabe gelernt wurde. Simulatives Reasoning ist nicht teuer, weil das Modell groß ist. Es ist teuer, weil die Idee eine Schleife ist.

Output, Kontrolle und was jedes von beiden über die Dauer nicht sagen will

Sechs Dimensionen tragen den Vergleich, und vier davon haben überhaupt nichts mit Qualität zu tun.

• Ausgabe — PAN 2 liefert pro Aufruf bis zu zwanzig Sekunden Video mit 704×1248 bei 24 Bildern pro Sekunde; Genie 4 liefert eine live gerenderte, dauerhafte Szene, deren Auflösung, Bildrate und Dauer Google nicht veröffentlicht hat.

• Steuerung — PAN 2 benötigt ein Startbild plus eine strukturierte Aktionsbeschreibung, die durch einen Prompt-Rewriter-Skill verfeinert wird; Genie 4 benötigt einen Text-Prompt und anschließend kontinuierliche Tastatureingaben für Bewegung und Kamera.

• Audio – PAN 2 bietet nichts davon; Genie 4 erzeugt Ambient-Sound, musikähnliches Audio und interaktive Charakterdialoge zusammen mit den visuellen Inhalten, was Google als Premiere für ein Echtzeit-Weltmodell beschreibt.

• Schleifenverhalten — PAN 2 ist ein Batch-Orakel ohne Rückmeldung innerhalb eines Aufrufs; Genie 4 ist eine geschlossene Schleife, bei der Ihre Eingabe in Sekunde drei Sekunde vier verändert.

• Kostenbasis — PAN 2s dokumentierter Standard sind acht H200 in BF16, wobei ein Rezept dreizehn Sekunden 704×1248-Video auf vier B300 in rund 119 Sekunden verarbeitet; Genie 4 hat keinen Preis, da es keinen Self-Serve-Zugang gibt.

• Zugang — {{1}}Die Gewichte von PAN 2 umfassen 86,17 Gigabyte verteilt auf sechzig Dateien unter Apache-2.0 und sind nicht zugangsbeschränkt{{/1}}; Genie 4 ist eine Forschungsvorschau für vertrauenswürdige Tester mit einem angegebenen Weg für AI Ultra-Abonnenten über eine Warteliste sowie für Early-Access-Partner über die Gemini API und Google AI Studio.

Die Zeile zur Dauer ist diejenige, die die meisten realen Entscheidungen bestimmt, und sie ist die Zeile, in der die beiden am wenigsten vergleichbar sind. PAN 2 liefert Ihnen genau zwanzig Sekunden und sagt, dass es über Clips hinweg driftet, weil jeder aus höchstens einem Startframe plus Text simuliert wird. Genie 4 liefert Ihnen eine Sitzung unbestimmter Länge, räumt ein, dass Kohärenz nur über kurze Sitzungen hinweg Bestand hat, und bezeichnet langfristige Konsistenz als offenes Forschungsproblem. Keines der beiden nennt Ihnen die Dauer, ab der die Ausgabe nicht mehr vertrauenswürdig ist, und genau diese Zahl – nicht ein Benchmark-Score – ist es, was eine Pipeline tatsächlich braucht.

Was würde daraus einen echten Vergleich machen?

Eine Sache: eine gemeinsame Aufgabe. Niemand hat PAN 2 und Genie 4 auf dieselbe Frage angesetzt, und es ist nicht offensichtlich, dass sie es könnten – das eine erzeugt Clips fester Länge aus einer Bildbeschreibung, das andere eine interaktive Sitzung aus einem Prompt und einer Tastatur. Am nächsten käme einem gemeinsamen Maß die Befolgung von Aktionen unter einem beschriebenen Plan, und nur PAN 2 hat dafür einen Harness veröffentlicht: 300 Einzelaktionsfälle in sechs Fähigkeitskategorien, 100 mehrstufige Aufgaben, gestellt als 200 Prompts und 456 Schritte, bewertet nach Schritt-Abschluss und Vollplan-Abschluss über drei Seeds. Dreizehn Gutachter erzeugten die Zahlen zur menschlichen Präferenz zu 140 Prompts in einer verblindeten paarweisen Studie, indem sie das Modell der Autoren gegen die Baselines der Autoren beurteilten. Das ist nicht unabhängig. Es ist nachvollziehbar, und das ist das Nächstbeste, und es ist mehr, als die andere Seite bietet.

Die Entscheidung also, so nüchtern formuliert, wie es die Belege zulassen. Wenn du ein Weltmodell brauchst, das du herunterladen, prüfen, feinabstimmen und im Batch abfragen kannst – und dir ein Multi-GPU-Knoten gehört oder du ihn mieten kannst –, ist PAN 2 die vollständigste offene Veröffentlichung in dieser Kategorie, und der eigene Abschnitt zu ihren Einschränkungen ist die wertvollste Seite darin. Wenn du eine Welt brauchst, in der eine Person herumlaufen kann, mit Ton, und bereit bist, auf eine Warteliste zu warten und für eine API zu entwickeln, die kein Datum und keinen Preis hat, ist Genie 4 das beeindruckendere System und dasjenige, hinter dem ein Verbreitungsweg steht.

Die Diskrepanz, die es zu vermeiden gilt, besteht darin, eines der beiden als Ersatz für das andere zu behandeln. Die Breite von Genie 4 ist kein Beleg dafür, dass es einen Plan bewerten kann; die herunterladbaren Gewichte von PAN 2 sind kein Beleg dafür, dass es eine Szene zusammenhält, während du steuerst. Was sie wirklich gemeinsam haben, ist die Architektur, zu der beide Unternehmen unabhängig voneinander gelangt sind – ein Sprachmodell, das entscheidet, ein Diffusionsmodell, das zeichnet – und die Tatsache, dass man 2026 immer noch nur in eines der beiden hineinsehen kann.