PAN 2 vs. Qwen3.8-27B: Der Gegner steckt bereits im Modell

Die meisten Modellvergleiche haben eine klare Grenze: zwei Checkpoints, zwei Anbieter, eins auswählen. Dieser hier nicht, denn Qwen läuft an drei Stellen gleichzeitig durch die Infrastruktur von PAN 2. PAN 2 lädt Qwen3.5-9B als eingefrorenen Textencoder – die Komponente, die eine strukturierte Weltzustands-Caption in die Konditionierungsfeatures umwandelt, die sein Diffusions-Transformer mit 29 Milliarden Parametern verbraucht. Die PhyGround-Werte im eigenen technischen Bericht von PAN 2 werden von Qwen3.8-27B bewertet, dem Modell, mit dem diese Seite ihn nominell vergleicht. Und Qwen3.8-Flash ist einer von vier konzeptionellen Reasonern, die der Bericht benchmarkt, um überhaupt die Captions für PAN 2 zu schreiben. Die ehrliche Einordnung lautet also nicht PAN 2 gegen Qwen3.8-27B. Es ist ein Video-Weltmodell vom Institute of Foundation Models der MBZUAI, still veröffentlicht und nie mit einem Launch bedacht, das auf Qwen-Komponenten aufbaut, teilweise von einem Qwen-Judge bewertet wird und mit einem 27 Milliarden Parameter umfassenden Vision-Language-Modell von Alibaba verglichen wird, das für sich genommen ein vollständiges Produkt ist. Die interessante Frage ist, welche dieser Beziehungen für Sie relevant sein sollten, wenn Sie entscheiden, was Sie deployen.

Was die gemeinsame DNA bedeutet und was nicht

Das heißt nicht, dass die beiden Modelle vergleichbar sind. PAN 2 gibt Video aus; Qwen3.8-27B gibt Text aus. Nichts am gemeinsamen Encoder ändert das, und es gibt keinen Benchmark, der sie im direkten Vergleich bewertet. Wer eine Direktvergleichsbewertung präsentiert, präsentiert einen Eindruck.

Was es bedeutet, ist, dass der Vergleich ungewöhnlich aufschlussreich hinsichtlich der Provenienz ist. Wenn PAN 2 Ihre Bildunterschrift liest, liest es sie durch einen Qwen-Encoder, den MBZUAI unverändert aus seinem eigenen Repository heruntergeladen hat, und die Modellkarte stellt ausdrücklich klar, dass die Qwen3.5-9B-Gewichte so verwendet werden, wie sie veröffentlicht wurden, und von MBZUAI nicht feinabgestimmt wurden. Das Token-Budget, das der Prompt-Validator durchsetzt – weiche 1.480 Token, hart 1.536 –, ist das Budget von Qwen3.5-9B, nicht das von PAN 2. Und wenn der Bericht eine PhyGround-Zahl angibt, wurde diese Zahl erzeugt, indem Qwen3.8-27B gebeten wurde, generiertes Video auf einer Fünf-Punkte-Skala zu bewerten. Der Richter ist der Rivale.

Das ist kein Skandal. Ein starkes offenes Modell als automatisierten Bewerter zu verwenden, ist gängige Praxis, und es offenzulegen, gelingt besser als den meisten Laboren. Aber es bedeutet, dass die Beweiskette für PAN 2 an drei getrennten Stellen durch Alibabas Modellfamilie verläuft, und wenn Sie PAN 2 bewerten, sollten Sie wissen, welche seiner Zahlen Messungen von PAN 2 sind und welche Messungen von PAN 2 aus Sicht von Qwen sind.

Qwen3.8-27B, zu seinen eigenen Bedingungen

Alibabas Modell ist eine völlig andere Art von Objekt: ein kausales Sprachmodell mit 27 Milliarden Parametern und einem Vision-Encoder, aufgebaut auf der Qwen3.5-Architektur mit einem hybriden Layout – sechzehn Wiederholungen von drei Gated-DeltaNet-Blöcken, gefolgt von einem Gated-Attention-Block, insgesamt 64 Schichten, einer verborgenen Dimension von 5.120 und einem auf 248.320 Tokens aufgefüllten Vokabular. Der native Kontext umfasst 262.144 Tokens und ist auf eine Million erweiterbar. Es steht unter Apache-2.0, wurde am 5. August 2026 auf Hugging Face veröffentlicht und verzeichnet 7,4 Millionen monatliche Downloads.

Die Herstellerzahlen sind stark, und die Modellkarte ist eine der vollständigeren im Bereich der offenen Gewichte: GPQA Diamond 89,2, HLE 30,8, LiveCodeBench v6 90,3, SWE-bench Pro 61,7, Terminal-Bench 2.1 mit 73,0, OSWorld-Verified 84,3, OmniDocBench 1.5 mit 91,1, CharXiv Reasoning 83,7, IFBench 79,5, CoWorkBench 70,7. Bei MathVision meldet es 90,0 ohne Chain-of-Thought und 94,6 damit. Das sind Alibabas eigene Bewertungen gegenüber Alibabas eigenen Baselines – derselbe Vorbehalt, der für jede Herstellertabelle auf dieser Website gilt, einschließlich der von PAN 2.

• Modalität — Qwen3.8-27B: Text, Bild und Video als Eingabe; Text als Ausgabe. PAN 2: ein optionales erstes Einzelbild plus eine strukturierte Bildbeschreibung als Eingabe; MP4 als Ausgabe.

Größe — Qwen3.8-27B: 27B dense, 64 Schichten, etwa 27,8 Milliarden Safetensors-Parameter. PAN 2: ein 29B-Diffusionstransformer mit 67,37 GB in BF16, plus ein eingefrorener Qwen3.5-9B-Encoder mit 15,87 GB und ein Wan-2.2-VAE.

• Kontext — Qwen3.8-27B: 262.144 Token nativ, bis zu einer Million. PAN 2: eine einzelne Caption, begrenzt auf 1.536 Text-Encoder-Token, und ein Startframe.

• Lizenz — Qwen3.8-27B: Apache-2.0. PAN 2: Apache-2.0 für die eigenen Gewichte, wobei Drittanbieter-Komponenten unter ihren eigenen Bedingungen stehen.

• Serving — Qwen3.8-27B: Transformers, vLLM, SGLang, TokenSpeed und ein gehosteter Qwen-Cloud-Endpunkt, den Alibaba als „demnächst verfügbar“ listet. PAN 2: Diffusers, vLLM-Omni und das repositoryeigene generate.py, auf Ihrer Hardware und nichts irgendwo gehostet.

Warum die Wahl des Encoders die folgenreichste Zeile in PAN 2s Karte ist

Das Einfrieren eines 9B-Textencoders und das Trainieren ausschließlich des Diffusions-Backbones ist eine vertretbare Engineering-Entscheidung, und sie ist der Grund, warum die Diffusion-Hälfte von PAN 2 29B statt 40B umfasst. Sie setzt außerdem eine harte Obergrenze dafür, was PAN 2 mitgeteilt werden kann. Der konzeptionelle Reasoner schreibt eine Bildbeschreibung; Qwen3.5-9B bildet sie auf Features ab; das Diffusionsmodell rendert aus diesen Features. Was auch immer Qwen3.5-9B nicht repräsentieren kann, kann PAN 2 nicht simulieren, egal wie gut die Bildbeschreibung ist.

Das erklärt eine Einschränkung, die die Karte schlicht benennt und die die meisten Leser überspringen: Das Modell reagiert empfindlich auf die Prompt-Formulierung, Beispiele außerhalb der Trainingsverteilung stützten sich auf von Hand verfeinerte Prompts, und Textaktionen spezifizieren geschickte Manipulation nur grob. Das sind keine drei getrennten Probleme. Es ist dasselbe Problem aus drei Blickwinkeln — die Schnittstelle zwischen einer Sprachbeschreibung und einem festen Textencoder, mit einem 1.536-Token-Budget und einem eingefrorenen Vokabular auf der einen Seite.

Vergleichen Sie das damit, wie Qwen3.8-27B dieselbe Aufgabe erledigt. Er ist Reasoner und Encoder in einem Objekt, mit einem Kontextfenster von 262.144 Tokens, nativer Denksteuerung, die sich pro Anfrage deaktivieren lässt, einem reasoning_effort-Regler und preserve_thinking, um den Reasoning-Kontext über Turns hinweg zu erhalten. Wenn Ihre Aufgabe darin besteht, eine Szene und einen Plan detailliert genug zu beschreiben, dass etwas Nachgelagertes darauf reagieren kann, ist Qwen3.8-27B dafür gebaut, und PAN 2 ist dafür gebaut, die Ausgabe zu konsumieren. Sie konkurrieren nicht um denselben Platz; das eine ist dem anderen vorgelagert.

Die Deployment-Asymmetrie, die niemand in die Vergleichstabelle schreibt

Qwen3.8-27B ist ein großes Modell, das sich wie ein normales großes Modell betreiben lässt. 27 Milliarden Parameter in BF16 sind rund 55 GB Gewichte, was auf einen 80-GB-Beschleuniger passt, mit Platz für einen KV-Cache, und die Karte listet vier Serving-Stacks sowie einen gehosteten, OpenAI-kompatiblen Endpoint, der noch kommt. Sie können es noch am selben Nachmittag, an dem Sie sich für die Nutzung entscheiden, Anfragen beantworten lassen.

PAN 2 umfasst 86,17 GB verteilt auf sechzig Dateien, und die Serving-Arithmetik wird in Knotenminuten gerechnet. Fünfzig Sampler-Schritte mit classifier-free Guidance bei jedem Schritt sind hundert Forward-Passes durch einen 29B-Transformer pro Clip. Die Schlagzeile des vLLM-Rezepts lautet: dreizehn Sekunden 704×1248-Video in etwa 119 Sekunden auf vier B300-GPUs, wobei die Guidance über zwei Ranks parallelisiert wird und Ulysses-Sequenzparallelismus über zwei weitere; seine Standardkonfiguration sind acht H200s in BF16 mit VAE-Patch-Parallelismus über vier Ranks im Tile-Modus. Das eigene Inferenzskript des Repositorys ist einfacher und hungriger: ein Worker pro GPU, jeder mit einer vollständigen Kopie des 67,37-GB-Transformers, jeder nimmt jeden N-ten Prompt.

Stellt man beides nebeneinander, ist der praktische Schluss alles andere als knapp. Ein Aufruf von Qwen3.8-27B ist eine Anfrage. Ein Clip mit PAN 2 ist ein Batch-Job mit angehängter GPU-Reservierung. Wenn du einmalig ein zwanzigsekündiges Video produzieren willst, sind das bei PAN 2 ein Nachmittag Einrichtung und drei Minuten Rendern. Wenn du tausend Pläne simulieren willst, kaufst du Rechenzeit auf einem Node, und der entscheidende Vergleich ist der mit anderen Video-World-Models, nicht der mit einem Sprachmodell.

Der eine Ort, an dem die beiden wirklich aufeinandertreffen

Die vorgesehene Verwendung von PAN 2 ist das simulationsbasierte Schlussfolgern: Ein Agent stellt sich das Ergebnis jeder infrage kommenden Aktion vor und entscheidet sich dann für die beste. Diese Schleife benötigt einen Planer, der Kandidatenaktionen generiert, und einen Simulator, der deren Konsequenzen darstellt. Qwen3.8-27B ist ein glaubwürdiger Planer – starke Anweisungsbefolgung mit 79,5 auf IFBench, langfristige Büroarbeit mit 70,7 auf CoWorkBench, agentisches Terminal-Coding mit 73,0 auf Terminal-Bench 2.1 – und er ist bereits in der Schleife, da MBZUAI ihn als einen von vier Caption-Autoren zur Bewertung von PhyGround und Qwen3.8-Flash einsetzte.

Wenn du diese Schleife baust, ist der Planner der Teil, den du tokenweise kaufen kannst, und der Simulator der Teil, den du nicht kaufen kannst. Qwen3.8-27B ist auf OrcaRouter verfügbar, sodass ein einziger API-Schlüssel dir einen Planner mit automatischem Failover, Routing-Regeln dafür, welche Anfragen wohin gehen, und den Listenpreis des Anbieters mit 0 % Aufschlag durchgereicht bekommst — einschließlich Alibabas eigener Preissenkungen an dem Tag, an dem sie wirksam werden. OrcaRouter hostet PAN 2 nicht und kann es nicht routen; niemand hostet PAN 2. Diese Trennung ist keine Einschränkung des Routers, sondern die Form des Markts: Gehostete Sprachmodelle sind eine Commodity, gehostete Video-Weltmodelle gibt es noch nicht.

Es gibt einen zweiten, leiseren Grund, das Routing zu verwenden, statt den Planner festzulegen. Der Bericht von PAN 2 ordnet vier Reasoner nach dem Vollplan-Abschluss ein, und die Rangfolge ist nicht die, die die meisten vermuten würden – Claude Opus 5.5 zuerst, GPT-6 Astra bei mittlerem Aufwand zweitens, Kimi K3 drittens, Qwen3.8-Flash viertens. Diese Reihenfolge wurde anhand der Prompts von MBZUAI gemessen, mit deren Caption-Richtlinie und deren Validator. Deine Reihenfolge wird abweichen. Die Möglichkeit, den Vergleich erneut auszuführen, ohne deinen Stack neu zu verdrahten, ist mehr wert als jede einzelne Modellentscheidung darin.

Was tun mit diesem Vergleich

Wenn Sie hierher gekommen sind, um sich für eines zu entscheiden, lautet die ehrliche Antwort, dass die Frage falsch gestellt ist. {{1}}Qwen3.8-27B{{/1}} ist ein allgemeines Vision-Language-Modell, das Sie heute auf einem Beschleuniger bereitstellen oder nächste Woche tokenweise mieten können. {{2}}PAN 2{{/2}} ist ein Forschungsartefakt, das Konsequenzen darstellt, einen Multi-GPU-Knoten benötigt, keinen gehosteten Endpunkt hat und Stand 11. November 2026 noch nie von seinen eigenen Autoren veröffentlicht wurde – ein einziger Beitrag mit zwei Absätzen auf dem X-Konto des Labors ist die gesamte Ankündigung. Sein {{3}}Hugging Face{{/3}}-Repository stammt vom 7. Oktober, sein {{4}}GitHub{{/4}}-Repository vom 5. November, und das substanziellste öffentliche Ereignis, das ihm widerfahren ist, ist die Day-0-Unterstützung von vLLM-Omni, die am 10. November gemergt wurde.

Der Vergleich, der sich lohnt, ist enger gefasst. Wenn Ihre Pipeline einen Planer benötigt, ist Qwen3.8-27B eine starke, gut dokumentierte Option unter Apache-2.0, und die Entscheidung ist eine Routing-Entscheidung. Wenn Ihre Pipeline sehen muss, was eine Aktion bewirkt, bevor sie sie ausführt, ist PAN 2 eines der sehr wenigen Open-Weight-Modelle, die das versuchen; es wird auf Qwen-Komponenten laufen, ob Sie es bemerken oder nicht, und die ehrliche Zusammenfassung seiner Fähigkeiten ist der Satz in seinem eigenen Abschnitt zu Einschränkungen: Etwa zwei von drei simulierten Plänen enthalten mindestens einen Schritt, der nicht ausgeführt wird. Das ist die Zahl, an der Sie Ihre Planung ausrichten sollten, und sie ist die einzige Zahl in diesem gesamten Vergleich, die kein Encoder, Judge oder Router für Sie verbessern kann.