PAN 2 vs. SKY-001: Das eine simuliert, was als Nächstes passiert, das andere zeichnet, was zu bauen ist.

Kimi K3 taucht in beiden Launch-Dokumenten auf, im selben Zweiwochenzeitraum, mit gegensätzlichen Aufgaben. Im technischen Bericht zu PAN 2 ist es der konzeptionelle Reasoner – das Sprachmodell, das eine Anfrage liest und die strukturierte, zeitlich verankerte Bildbeschreibung schreibt, die ein Diffusionstransformer mit 29 Milliarden Parametern in Video verwandelt. In Skyfalls SKY-001-Tabellen ist es ein Baseline-Konkurrent, der selbst eine CAD-Baugruppe zeichnen soll und dabei 9,5 % der Referenzgeometrie über Intersection-over-Union reproduziert. Die eine Markteinführung setzt ein Frontier-Sprachmodell ein, um den Plan zu schreiben. Die andere misst, wie Frontier-Sprachmodelle beim Zeichnen scheitern. Diese Trennung ist ein besserer Leitfaden für diese beiden Modelle als das Etikett, das sie teilen. PAN 2 ist das Weltmodell des Institute of Foundation Models an der MBZUAI – Apache-2.0-Gewichte auf Hugging Face seit dem 7. Oktober 2026, Code seit dem 5. November und eine eigene Ankündigung am 10. November – und es sagt bis zu zwanzig Sekunden 704×1248-Video aus einem optionalen Erstbild plus einer im Text beschriebenen Aktion voraus. SKY-001 ist das Engineering-Modell von Skyfall AI, angekündigt am 19. Oktober 2026, noch hinter einer Warteliste, wobei die kommerzielle Einführung für Anfang 2027 angestrebt wird, und es sagt die geordnete Abfolge von Zeichenoperationen voraus, die ein CAD-Teil oder einen Grundriss erzeugt.

Keines der beiden Daten ist heute, und nichts im Folgenden ist als Launch gerahmt. Im Folgenden steht, was jedes Modell tatsächlich berechnet, wo jedes für sich genommen anhand seiner eigenen Zahlen schwach ist und welches der beiden Ihr Problem verlangt.

Es werden zwei verschiedene Dinge vorhergesagt.

Die Kette von PAN 2 enthält ein Sprachmodell. Ein konzeptueller Reasoner – jedes instruktionsfolgende Modell – liest die Beobachtung und die angeforderten Aktionen und schreibt den nächsten Weltzustand als strukturierte Beschreibung: Ereignisse in Reihenfolge, Aktionen an Akteure gebunden, Kamerabewegung. Ein eingefrorener Qwen3.5-9B-Textencoder bildet diese Beschreibung auf Konditionierungsmerkmale ab. Ein 29B-multimodaler Diffusionstransformer, von Grund auf auf Videos trainiert, die im selben Format annotiert sind, sagt die Latents voraus, die die Beschreibung offenlässt, konditioniert auf sie und auf das VAE-Latent des Startframes, und ein Wan 2.2-Decoder rendert sie. Der Standard-Sampler verwendet 50 Schritte bei Flow-Shift 9 mit Classifier-Free-Guidance 2.5 bei jedem Schritt, und der Checkpoint umfasst 86.17 GB über sechzig Dateien.

Die Kette von SKY-001 enthält stattdessen eine Hierarchie. Ein Hierarchical Composer nimmt eine Entwurfsabsicht entgegen – ein Bild, Text oder eine Gebäudehülle mit Briefing –, erzeugt den gesamten Entwurf, teilt ihn dann Ebene für Ebene auf und verfeinert jedes Blatt parallel. Ein Construction World Model sagt dann die geordnete Abfolge visueller Zustände voraus, die jedes Blatt aufbaut: in CAD eine Kette von 3D-Volumenkörper-Zuständen, wobei zwischen jedem aufeinanderfolgenden Paar die 2D-Skizze gezeichnet wird; in BIM ein Grundriss, Strich für Strich gezeichnet. Das Zeichnen läuft als Diffusion in zwei Durchgängen: ein grober Rollout in einem komprimierten latenten Raum aus einem Autoencoder im Matryoshka-Stil und dann ein Refiner, der die volle Auflösung wiederherstellt. Beide Stufen sind Diffusions-Transformer; keine von beiden sagt Tokens voraus. Skyfall hat weder Parameterzahlen noch Gewichte noch eine Lizenz noch eine API veröffentlicht.

• Was vorhergesagt wird — PAN 2 sagt bei gegebener Aktion die nächste Beobachtung als Pixel voraus; SKY-001 sagt bei gegebener Absicht den nächsten Konstruktionszustand als Volumenkörper oder Strich voraus.

• Wie Zeit ins Spiel kommt — PAN 2 läuft auf einer physischen Uhr, standardmäßig 241 Frames (etwa zehn Sekunden) und bis zu 481 (zwanzig Sekunden) bei 24 fps; SKY-001 läuft nach einer prozeduralen Reihenfolge von ungefähr 100 Zeichenschritten pro CAD-Komponente und 70 pro Grundriss, ohne dass darin irgendwo eine physische Uhr vorkommt.

• Ob Physik beansprucht wird — PAN 2 wird direkt an physikalischer Plausibilität bewertet; die Materialien von SKY-001 erheben überhaupt keinen Dynamikanspruch, denn was es zeichnet, ist ein Design, keine Bewegung.

• Was Sie erhalten – ein MP4, das Sie sich ansehen können, gegenüber Geometrie, die Sie per IoU gegen eine Referenzform bewerten.

• Gewichte — ein Apache-2.0-Download für PAN 2; für SKY-001 wurde nichts veröffentlicht.

• Preis — GPU-Zeit, die Sie für PAN 2 dimensionieren können; eine Warteliste für SKY-001.

Beide sind zweistufig, und der Engpass liegt an unterschiedlichen Stellen.

Die gemeinsame Ingenieursannahme ist, dass man die Aufgabe aufteilt. Eine Stufe legt sich auf die Struktur fest – eine geordnete Beschreibung dessen, was geschehen soll –, und eine zweite Stufe füllt die Details aus, die diese Beschreibung offenlässt. PAN 2 macht das mit einer Bildunterschrift und einem Diffusions-Backbone. SKY-001 macht das mit einer Hierarchie von Teilzielen und einem Konstruktionsmodell pro Blatt. Stellt man die beiden Markteinführungen nebeneinander, ist die interessante Frage nicht mehr, welche Architektur besser ist, sondern welche Stufe tatsächlich die Kosten verursacht.

Bei PAN 2, dem Planer, ist das so, und der Bericht sagt es zweimal. Auf Physics-IQ Verified, einem Image-to-Video-Benchmark, der so normalisiert ist, dass der Abstand zwischen zwei echten Aufnahmen derselben Szene 100 Punkte ergibt, erreicht PAN 2 93,2 ± 0,8, wenn Claude Opus 5.5 die Captions schreibt, und 90,9 ± 0,4 mit seiner Systemvoreinstellung, über die Seeds 123 bis 126. Ein Wechsel des Sprachmodells, das die Caption schreibt, verschiebt den Score um 2,3 Punkte auf einer Hundert-Punkte-Skala, auf der eine perfekte Punktzahl bedeutet, nicht von echtem Filmmaterial unterscheidbar zu sein. Dasselbe Muster zeigt sich in den Einschränkungen der Model Card: etwa zwei von drei simulierten Plänen enthalten mindestens einen Schritt, der nicht ausgeführt wird, die Agent-Fallstudien stützten sich auf von Hand verfeinerte Prompts, feinmotorische Aktionen wie die Stelle, an der jeder Finger ein Objekt berührt, werden im Text nur grob angegeben, und Captions werden gegen eine weiche Obergrenze von 1.480 und eine harte Kapazität von 1.536 Tokens validiert. Der Renderer ist nicht das gemeldete Problem. Der Satz, der die Szene beschreibt, ist es.

Bei SKY-001 wird der Planner nicht als separate Stufe gemessen, daher ist der angegebene Engpass der Renderer. Im CAD-Konstruktionsbenchmark von Skyfall – 1.000 Komponenten, entnommen aus Objekten wie einem Jaguar E-Type Roadster, einem FANUC ArcMate 100iB Schweißroboter und einem Bell 222 Hubschrauber, wobei jede etwa 100 Zeichnungsschritte erfordert – reproduziert SKY-001 79,7 % der Referenzgeometrie nach mittlerem IoU, gegenüber 79,1 % für GPT-6 Astra und 76,9 % für Gemini 4. Im BIM-Benchmark, 1.000 Grundrisse mit jeweils etwa 70 Zeichnungsschritten, erreicht es 43,6 % gegenüber 42,3 % für Gemini 3.8 Flash und 40,6 % für GPT-6 Astra. Die Vorsprünge im Architekturbereich betragen sechs Zehntelpunkte und 1,3 Punkte. Die absolute Zahl liegt bei weniger als einem halben Grundriss.

Zusammen gelesen – und ausschließlich auf die relative Größenordnung innerhalb der jeweiligen Berichterstattung des einzelnen Anbieters bezogen – ist der Planner in beiden Dokumenten der größere Hebel. Eine Änderung am Caption-Writer von PAN 2 bewegt mehr als der gesamte Architekturvorteil von SKY-001 gegenüber seinem nächsten Rivalen. Die Benchmarks sind unterschiedlich und die Scores nicht vergleichbar; entscheidend ist, wo die eigene Varianz jedes Teams liegt.

Die Benchmarks haben weder eine gemeinsame Testumgebung noch einen gemeinsamen Bewertungsmechanismus noch eine gemeinsame Ausgangsrichtlinie.

PAN 2 wird auf vier Arten berichtet, und drei davon beinhalten das Urteil von jemand anderem. Physics-IQ Verified ist ein öffentlicher Benchmark mit einem Leaderboard-Setting, und der Eintrag von PAN 2 verwendet Claude Opus 5.5 als Reasoner, während die Spalte Systemstandard die eigene Pipeline jedes Wettbewerbers so ausführt, wie IFM sie gefahren hat. PhyGround ist eine Fünf-Punkte-Skala, bewertet von Qwen3.8-27B, also die Meinung eines anderen Modells statt einer physikalischen Messung; PAN 2 erzielt 3,98 und 4,11 auf den beiden im Bericht genannten Konfigurationen. RBench ist ein ungewichteter Mittelwert über fünf Aufgabenkategorien und vier Embodiment-Kategorien, multipliziert mit 100, wobei PAN 2 83,7 und 73,5 erzielt. Die Closed-Model-Baselines tragen ein Dagger-Symbol, weil sie jeweils nur einmal statt über Seeds hinweg generiert wurden. Außerdem gibt es eine blinde Humanstudie: 140 Prompts, 13 Reviewer, 1.400 Paarvergleiche, angepasst an ein Bradley–Terry-Modell mit Elo zentriert bei 1500 und 95%-Konfidenzintervallen. Und es gibt IFMs eigenen Harness — 300 Single-Action-Testfälle, aufgeteilt in 201 Image-to-Video- und 99 Text-to-Video-Fälle über sechs Fähigkeiten hinweg, plus 100 mehrstufige egozentrische Aufgaben, gestellt als 200 Prompts und 456 Schritte, berichtet als Mittelwert ± Standardabweichung über drei Seeds.

SKY-001 wird auf zwei Arten angegeben, beide von Skyfall, beide mit IoU gegen eine Referenzform bewertet, beide mit den Konkurrenzmodellen, die von Skyfall per One-Shot-Prompting gesteuert wurden. Nirgends sind Fehlerbalken angegeben, und kein Dritter hat eine der Zahlen reproduziert. Wer die Tabellen sorgfältig liest, stößt auf drei Dinge, die man kennen sollte, bevor man sie zitiert.

Zunächst einmal widersprechen sich die eigenen Seiten des Anbieters gegenseitig. Das 3D-CAD-Panel auf der Produktseite zeigt SKY-001 bei 76,1 % gegenüber GPT-6 Astra bei 73,4 %, mit Claude Opus 5.5 bei 61,8 %, Gemini 3.8 Flash bei 45,9 %, Qwen 3.8 Max bei 26,6 % und Kimi K3 bei 6,5 %. Der Konstruktions-Benchmark meldet 79,7 % gegenüber 79,1 %. Unterschiedliche Aufgaben, unterschiedliche Werte, dieselben Modellnamen in beiden — und Claude Opus 5.5, der Reasoner, der die Physics-IQ-Zahl von PAN 2 anhebt, kommt nur in einem der beiden vor.

{{1}}Zweitens{{/1}} wird der Geschwindigkeitsmultiplikator in drei am selben Tag veröffentlichten Dokumenten auf drei verschiedene Arten angegeben: {{2}}51×{{/2}} im Blog-Diagramm, {{3}}49×{{/3}} auf der Produktseite, {{4}}100×{{/4}} in der Pressemitteilung. Die Rechnung schafft Klarheit – {{5}}199 Sekunden geteilt durch 3,9 ergibt 51,0{{/5}} –, aber sie verrät, dass die Schlagzeilen-Zahlen von verschiedenen Leuten geschrieben wurden, die ihre Arbeit nicht abgeglichen haben.

Drittens ist die Kostenspalte unerklärt. Skyfall gibt 0,005 USD pro CAD-Fall und 0,0024 USD pro Plan an und sagt nicht, ob es sich dabei um einen Listenpreis, gemietete GPU-Zeit oder amortisierte selbst gehostete Inferenz handelt. Das sind drei unterschiedliche Aussagen, und der Unterschied ist am wichtigsten für die Modelle, die Skyfall selbst betrieben statt sie aufzurufen.

Nichts davon macht die Effizienzgeschichte von SKY-001 falsch. Ein 51-facher Geschwindigkeitsvorteil und ein 150-facher Kostenvorteil gegenüber dem besten Konkurrenten bei gleichwertiger Genauigkeit ist eine echte Aussage über eine echte Arbeitslast. Das macht sie unverifiziert, was etwas anderes ist.

Was es kostet, es zu betreiben, und wie viel davon sich wissen lässt

Die Rechenleistung von PAN 2 wird als Rezept veröffentlicht, das Sie selbst kalkulieren können. Das Standard-Deployment sind acht H200s in BF16, wobei classifier-free guidance auf zwei Ranks und Ulysses-Sequenzparallelität auf zwei Ranks aufgeteilt sind und die VAE-Dekodierung auf vier Tiles gepatcht ist. Das Serving-Rezept meldet dreizehn Sekunden 704×1248-Video in ungefähr 119 Sekunden auf vier B300s. Es gibt keinen Listenpreis pro Sekunde, weil IFM keinen gehosteten Endpoint betreibt; die Zahl, die Sie interessiert, ist das, was Ihr Anbieter für die GPUs berechnet, multipliziert mit den Sekunden pro Clip, die Sie tatsächlich generieren.

Die Rechenleistung von SKY-001 ist in keiner Form veröffentlicht, die sich bepreisen lässt. Es gibt keine Parameteranzahl, keine Hardwarebeschreibung, keine Durchsatzangabe und keinen Endpoint. Vorhanden sind lediglich Anbieterkosten pro Fall, deren Zusammensetzung nicht offengelegt ist, sowie ein Wartelistenformular.

Diese Asymmetrie entscheidet mehr über diesen Vergleich als die Unterschiede bei den Benchmarks. Eines dieser Modelle lässt sich noch heute Nachmittag mit Ihren eigenen Daten auf Ihrer eigenen Hardware benchmarken – zu Kosten, die Sie vorhersagen können. Über das andere kann man nur lesen.

Der eine Teil beider Stacks, den Sie heute mieten können

Weder PAN 2 noch SKY-001 sind auf OrcaRouter verfügbar, und keines von beiden lässt sich darüber routen: PAN 2 ist ein 86-GB-Checkpoint, den Sie selbst bereitstellen, und SKY-001 hat keine API, die aufgerufen werden kann. Der Teil der Pipeline von PAN 2, der ein normales gehostetes Modell ist, ist der erste – der konzeptionelle Reasoner, der Ihre Anfrage in eine Weltzustandsbeschreibung umwandelt. IFM hat vier davon in der Reihenfolge der Fertigstellung vollständiger Pläne bewertet: Claude Opus 5.5, GPT-6 Astra mit mittlerem Aufwand, Kimi K3 und Qwen3.8-Flash, und merkt an, dass jedes Modell, das Anweisungen befolgt, verwendet werden kann. Qwen3.8-Flash ist im OrcaRouter-Katalog enthalten, was bedeutet, dass die Caption-Phase einer PAN-2-Bereitstellung mit einem einzigen Schlüssel laufen kann, mit Anbieter-Listenpreisen, die mit 0 % Aufschlag durchgereicht werden, und mit automatischem Failover, falls die Leistung eines Anbieters mitten in einem Batch von Plänen nachlässt. Die Konfiguration lohnt sich vor der Diffusionsphase, nicht danach: Der Planer ist der Ort, an dem die gemessene Varianz liegt, also die Phase, in der es sich lohnt, ein günstigeres Modell und einen zweiten Anbieter mit Ihren eigenen Prompts gegeneinander zu testen.

Welches Problem hältst du eigentlich?

Wenn Sie eine Vorhersage darüber brauchen, was eine Aktion in Pixeln über die nächsten paar Sekunden mit einer Szene macht – für einen Agenten, der Folgen vor der Entscheidung durchspielen will, oder für eine Video-Pipeline, in der die Physik stimmen muss –, dann ist PAN 2 von diesen beiden derjenige, der dafür gebaut wurde, und Sie können ihn jetzt bekommen. Planen Sie die Caption-Phase und den Guardrail ein: IFM liefert ein separates Guardrail-Repository, das die Anfrage vor der Generierung mit Qwen3Guard-Gen-4B und die Ausgabe danach mit einem Q16-Frame-Classifier prüft; in seiner internen Evaluation senkte diese Kombination den Anteil schädlicher Text-to-Video-Anfragen, die unsichere Videos erzeugten, von 33,9 % auf 1,5 %, während sie zugleich 11,5 % der harmlosen Text-to-Video-Anfragen und 3,3 % der harmlosen Image-to-Video-Anfragen stoppte. Eine Sicherheitsschicht, die Sie jede neunte harmlose Anfrage kostet, sind echte Produktionskosten, keine Fußnote.

Wenn es darum geht, eine Designabsicht in CAD- oder BIM-Geometrie zu verwandeln, ist SKY-001 von den beiden das einzige, das darauf ausgerichtet ist, und Sie können es nicht bekommen. Der ehrliche Ersatz ist heute ein Frontier-Sprachmodell, das in Ihre CAD-Toolchain eingebunden ist – genau das Setup, das SKY-001s eigene Tabellen messen, mit 9,5 % bis 42,3 % IoU je nach Modell und Aufgabe. Deshalb leistet die Warteliste echte Arbeit statt Marketingarbeit: Die Alternative ist kein Wettbewerber, sondern eine schlechtere Zahl.

Wenn Sie eine Physik-Engine brauchen, dann keine von beiden. Die Simulationen von PAN 2 sind Vorhersagen; auf seiner Karte steht das ausdrücklich, und seine eigene Liste der Einschränkungen umfasst Simulationen, die fortschreiten, während sie physikalische Randbedingungen verletzen – Nudeln, die im Sieb erscheinen, bevor sie abgegossen werden. SKY-001 entwirft Designs und erhebt nirgends Anspruch auf Dynamik. Eine von beiden als Weltmodell zu bezeichnen ist korrekt in dem Sinne, in dem die beiden Teams den Begriff verwenden, und irreführend in dem Sinne, in dem eine Spiel-Engine ihn verwendet.

Worauf man achten muss, ist nicht der nächste Benchmark. Es ist die Frage, ob jemand außerhalb dieser beiden Unternehmen eine Zahl reproduziert: ob Skyfall das IoU-Protokoll und die Kostenrechnung hinter seinen Pro-Fall-Zahlen veröffentlicht und ob der Leistungsabstand zwischen PAN 2s Standard-Pipeline und seinem besten Reasoner den Kontakt mit Prompts übersteht, die niemand von Hand verfeinert hat. Beide sind Fragen zur selben Phase – derjenigen, die entscheidet, was geschehen soll, bevor irgendetwas gezeichnet wird.