PAN 2 vs SKY-001: uno simula lo que sucede después, el otro dibuja lo que hay que construir

Kimi K3 aparece en ambos documentos de lanzamiento, en la misma quincena, haciendo trabajos opuestos. En el informe técnico de PAN 2 es el razonador conceptual: el modelo de lenguaje que lee una solicitud y escribe la descripción estructurada y anclada en el tiempo que un transformador de difusión de 29 mil millones de parámetros convierte en vídeo. En las tablas SKY-001 de Skyfall es un competidor de referencia al que se le pide dibujar por sí mismo un ensamblaje CAD, donde reproduce el 9,5 % de la geometría de referencia según la intersección sobre unión. Un lanzamiento utiliza un modelo de lenguaje de frontera para escribir el plan. El otro mide modelos de lenguaje de frontera que fallan en el dibujo. Esa división es una mejor guía para estos dos modelos que la etiqueta que comparten. PAN 2 es el modelo del mundo del Institute of Foundation Models en MBZUAI, con pesos Apache-2.0 en Hugging Face desde el 7 de octubre de 2026, código desde el 5 de noviembre y un anuncio oficial el 10 de noviembre, y predice hasta veinte segundos de vídeo de 704×1248 a partir de un primer fotograma opcional más una acción descrita en texto. SKY-001 es el modelo de ingeniería de Skyfall AI, anunciado el 19 de octubre de 2026, todavía detrás de una lista de espera con despliegue comercial previsto para principios de 2027, y predice la secuencia ordenada de operaciones de dibujo que produce una pieza CAD o un plano de planta.

Ninguna de las dos fechas es hoy, y nada de lo que sigue se presenta como un lanzamiento. Lo que sigue es lo que cada modelo calcula en realidad, en qué punto es débil cada uno según sus propios números y cuál de los dos es el que tu problema necesita.

Se están prediciendo dos cosas diferentes.

La cadena de PAN 2 incluye un modelo de lenguaje. Un razonador conceptual —cualquier modelo que siga instrucciones— lee la observación y las acciones solicitadas y escribe el siguiente estado del mundo como una descripción estructurada: eventos en orden, acciones vinculadas a actores, movimiento de cámara. Un codificador de texto congelado Qwen3.5-9B mapea esa descripción a características de condicionamiento. Un transformador de difusión multimodal de 29B, entrenado desde cero con vídeo anotado en el mismo formato, predice los latentes que la descripción deja abiertos, condicionado por ella y por el latente VAE del fotograma inicial, y un decodificador Wan 2.2 los renderiza. El muestreador predeterminado es de 50 pasos con desplazamiento de flujo 9 y guiado libre de clasificador de 2,5 en cada paso, y el checkpoint es de 86,17 GB repartidos en sesenta archivos.

La cadena de SKY-001, en cambio, contiene una jerarquía. Un Hierarchical Composer toma una intención de diseño —una imagen, texto o una envolvente de edificio con un encargo—, genera el diseño completo y luego lo divide nivel por nivel y refina cada hoja en paralelo. Un Construction World Model predice entonces la secuencia ordenada de estados visuales que construyen cada hoja: en CAD, una cadena de estados sólidos 3D con el boceto 2D dibujado entre cada par consecutivo; en BIM, un plano de planta dibujado trazo a trazo. El dibujo se ejecuta como difusión en dos pasadas, un despliegue grueso en un espacio latente comprimido de un autoencoder de estilo Matryoshka y luego un refinador que restaura la resolución completa. Ambas etapas son transformadores de difusión; ninguna predice tokens. Skyfall no ha publicado recuentos de parámetros, pesos, licencia ni API.

• Qué se predice — PAN 2 predice la siguiente observación como píxeles, dada una acción; SKY-001 predice el siguiente estado de construcción como un sólido o un trazo, dada una intención.

• Cómo entra el tiempo: PAN 2 funciona con un reloj físico, 241 fotogramas (unos diez segundos) por defecto y hasta 481 (veinte segundos) a 24 fps; SKY-001 funciona con un orden procedimental de aproximadamente 100 pasos de dibujo por componente CAD y 70 por plano de planta, sin ningún reloj físico en ninguna parte.

• Si se declara que hay física — {{1}}PAN 2{{/1}} se evalúa directamente según su verosimilitud física; {{2}}los materiales de SKY-001{{/2}} no afirman nada sobre dinámica, porque lo que dibuja es un diseño, no un movimiento.

• Lo que obtienes — un MP4 que puedes ver, frente a una geometría que puntúas por IoU contra una forma de referencia.

• Pesos — una descarga Apache-2.0 para PAN 2; nada publicado para SKY-001.

• Precio — tiempo de GPU que puedes dimensionar para PAN 2; una lista de espera para SKY-001.

Ambos son de dos etapas, y el cuello de botella está en lugares diferentes.

La apuesta de ingeniería compartida es que divides el trabajo. Una etapa se compromete con la estructura —una descripción ordenada de lo que debería ocurrir— y una segunda etapa rellena el detalle que esa descripción deja abierto. PAN 2 lo hace con un caption y un backbone de difusión. SKY-001 lo hace con una jerarquía de subobjetivos y un modelo de construcción por hoja. Pon los dos lanzamientos uno al lado del otro y la pregunta interesante deja de ser qué arquitectura es mejor y pasa a ser qué etapa te está costando realmente.

Para PAN 2, que es el planificador, y el informe lo dice dos veces. En Physics-IQ Verified, un benchmark de imagen a vídeo normalizado de modo que la dispersión entre dos tomas reales de la misma escena puntúe 100, PAN 2 alcanza 93,2 ± 0,8 con Claude Opus 5.5 escribiendo las descripciones y 90,9 ± 0,4 con su configuración predeterminada del sistema, sobre las semillas 123 a 126. Cambiar el modelo de lenguaje que escribe la descripción mueve la puntuación 2,3 puntos en una escala de cien puntos donde una puntuación perfecta significa indistinguible de metraje real. El mismo patrón aparece en las limitaciones de la ficha del modelo: aproximadamente dos de cada tres planes simulados contienen al menos un paso que no se lleva a cabo, los estudios de caso de agentes se basaron en indicaciones refinadas manualmente, las acciones diestras, como dónde entra en contacto cada dedo con un objeto, solo se especifican de forma gruesa en el texto, y las descripciones se validan con un límite flexible de 1.480 y una capacidad máxima de 1.536 tokens. El renderizador no es el problema señalado. La frase que describe la escena sí lo es.

Para SKY-001, el planificador no se mide como una etapa separada, por lo que el cuello de botella reportado es el renderizador. En el benchmark de construcción CAD de Skyfall —1.000 componentes muestreados de objetos como un Jaguar E-Type Roadster, un brazo de soldadura FANUC ArcMate 100iB y un helicóptero Bell 222, cada uno con aproximadamente 100 pasos de dibujo—, SKY-001 reproduce el 79,7 % de la geometría de referencia según el IoU medio, frente al 79,1 % de GPT-6 Astra y el 76,9 % de Gemini 4. En el benchmark BIM, 1.000 planos de planta de aproximadamente 70 pasos de dibujo cada uno, alcanza el 43,6 % frente al 42,3 % de Gemini 3.8 Flash y el 40,6 % de GPT-6 Astra. Seis décimas de punto y 1,3 puntos son las ventajas arquitectónicas. Menos de medio plano de planta es la cifra absoluta.

Leídos en conjunto, y considerando solo la magnitud relativa dentro del informe propio de cada proveedor, el planificador es la mayor palanca en cualquiera de los dos documentos. Cambiar el redactor de subtítulos de PAN 2 lo desplaza más que toda la ventaja arquitectónica de SKY-001 sobre su rival más cercano. Los benchmarks son distintos y las puntuaciones no son comparables; la cuestión es dónde reside la varianza propia de cada equipo.

Los benchmarks no comparten ningún harness, ningún juez ni ninguna política de referencia.

PAN 2 se reporta de cuatro maneras, y tres de ellas implican el juicio de otra persona. Physics-IQ Verified es un benchmark público con configuración de tabla de clasificación, y la entrada de PAN 2 usa Claude Opus 5.5 como razonador, mientras que la columna predeterminada del sistema ejecuta el pipeline propio de cada competidor tal como lo ejecutó IFM. PhyGround es una escala de cinco puntos evaluada por Qwen3.8-27B, es decir, la opinión de otro modelo en lugar de una medición física; PAN 2 obtiene 3,98 y 4,11 en las dos configuraciones que recoge el informe. RBench es una media no ponderada de cinco categorías de tareas y cuatro de encarnación multiplicada por 100, donde PAN 2 obtiene 83,7 y 73,5. Las líneas base de modelos cerrados llevan una daga porque se generaron una sola vez cada una en lugar de con varias semillas. También hay un estudio humano a ciegas: 140 prompts, 13 revisores, 1.400 comparaciones por pares, ajustado a un modelo Bradley–Terry con Elo centrado en 1500 e intervalos de confianza del 95 %. Y también está el harness propio de IFM: 300 casos de prueba de una sola acción, divididos en 201 de imagen a vídeo y 99 de texto a vídeo entre seis capacidades, además de 100 tareas egocéntricas de varios pasos planteadas como 200 prompts y 456 pasos, e informadas como media ± desviación estándar sobre tres semillas.

SKY-001 se reporta de dos maneras, ambas de Skyfall, ambas puntuadas mediante IoU frente a una forma de referencia, y ambas con los modelos rivales impulsados por Skyfall con prompting de una sola muestra. No hay barras de error en nada de esto, y ningún tercero ha reproducido una cifra. Leer las tablas con atención revela tres cosas que conviene saber antes de citarlas.

En primer lugar, las propias páginas del proveedor se contradicen entre sí. El panel de CAD 3D de la página del producto muestra a SKY-001 con un 76,1 % frente a GPT-6 Astra con un 73,4 %, con Claude Opus 5.5 al 61,8 %, Gemini 3.8 Flash al 45,9 %, Qwen 3.8 Max al 26,6 % y Kimi K3 al 6,5 %. El benchmark de construcción reporta un 79,7 % frente a un 79,1 %. Tareas distintas, puntuaciones distintas, los mismos nombres de modelo en ambos, y Claude Opus 5.5, que es el razonador que eleva la cifra de Physics-IQ de PAN 2, aparece solo en uno de ellos.

En segundo lugar, el multiplicador de velocidad se indica de tres maneras en tres documentos publicados el mismo día: 51× en el gráfico del blog, 49× en la página del producto y 100× en el comunicado de prensa. La aritmética lo resuelve —199 segundos divididos entre 3,9 son 51,0—, pero revela que los números principales los escribieron personas distintas que no compararon su trabajo.

Tercero, la columna de costos no está explicada. Skyfall informa $0.005 por caso de CAD y $0.0024 por plan, y no dice si se trata de un precio de lista, de tiempo de GPU alquilado o de inferencia autoalojada amortizada. Son tres afirmaciones distintas, y la diferencia importa sobre todo para los modelos que Skyfall ejecutó por sí mismo en lugar de invocar.

Nada de eso hace que la historia de eficiencia de SKY-001 sea incorrecta. Una ventaja de velocidad de 51 veces y una ventaja de coste de 150 veces frente al mejor rival, con una precisión que empata, es una afirmación real sobre una carga de trabajo real. Lo que hace es dejarla sin verificar, que es algo distinto.

Cuánto cuesta operarlo y cuánto de eso puede saberse

El cómputo de PAN 2 se publica como una receta que puedes valorar tú mismo. El despliegue predeterminado es de ocho H200 en BF16, con el guiado sin clasificador dividido entre dos ranks y el paralelismo de secuencia Ulysses entre dos, y la decodificación VAE repartida en cuatro tiles. La receta de servicio reporta trece segundos de vídeo de 704×1248 en aproximadamente 119 segundos en cuatro B300. No hay un precio de lista por segundo porque IFM no opera un endpoint alojado; la cifra que te importa es lo que tu proveedor cobra por las GPU, multiplicado por los segundos por clip que realmente generas.

El cómputo de SKY-001 no se publica en ninguna forma que puedas valorar. No hay recuento de parámetros, descripción de hardware, cifra de rendimiento ni endpoint. Lo que existe es un costo del proveedor por caso cuya composición no se divulga y un formulario de lista de espera.

Esa asimetría decide más de esta comparación que las diferencias entre los benchmarks. Uno de estos modelos se puede evaluar con tus propios datos esta tarde, en tu propio hardware, a un coste que puedes prever. Del otro solo se puede leer.

La única parte de cualquiera de los dos stacks que puedes alquilar hoy

Ni PAN 2 ni SKY-001 están en OrcaRouter, y ninguno de los dos puede enrutarse a través de él: PAN 2 es un checkpoint de 86 GB que despliegas tú mismo, y SKY-001 no tiene ninguna API a la que llamar. La parte del pipeline de PAN 2 que es un modelo alojado normal es la primera: el razonador conceptual que convierte tu solicitud en una descripción del estado del mundo. IFM evaluó cuatro de ellos en orden de finalización del plan completo: Claude Opus 5.5, GPT-6 Astra con esfuerzo medio, Kimi K3 y Qwen3.8-Flash, y señala que se puede usar cualquier modelo que siga instrucciones. Qwen3.8-Flash está en el catálogo de OrcaRouter, lo que significa que la etapa de descripción de un despliegue de PAN 2 puede funcionar con una sola clave con los precios de lista del proveedor repercutidos con un 0 % de margen, y con conmutación por error automática si un proveedor se degrada en mitad de un lote de planes. Merece la pena configurarlo antes de la etapa de difusión, no después: el planificador es donde está la varianza medida, así que es la etapa en la que vale la pena probar un modelo más barato y un segundo proveedor el uno contra el otro con tus propios prompts.

¿Qué problema estás sosteniendo en realidad?

Si lo que necesitas es una predicción de lo que una acción hace a una escena, en píxeles, durante los próximos segundos —para un agente que quiera imaginar resultados antes de elegir, o para una canalización de vídeo en la que la física deba mantenerse—, PAN 2 es el que, de estos dos, está hecho para ello, y puedes tenerlo ahora. Presupuesta la etapa de subtitulado y la barrera de seguridad: IFM distribuye un repositorio independiente de barrera de seguridad que filtra la solicitud con Qwen3Guard-Gen-4B antes de la generación y la salida con un clasificador de fotogramas Q16 después, y en su evaluación interna esa combinación redujo la proporción de solicitudes dañinas de texto a vídeo que producían vídeo inseguro del 33,9 % al 1,5 %, a la vez que detenía el 11,5 % de solicitudes benignas de texto a vídeo y el 3,3 % de solicitudes benignas de imagen a vídeo. Una capa de seguridad que te cuesta una solicitud benigna de cada nueve es un coste de producción real, no una nota al pie.

Si lo que necesitas es convertir una intención de diseño en geometría CAD o BIM, SKY-001 es el único de los dos orientado a ello, y no puedes tenerlo. El sustituto honesto disponible hoy es un modelo de lenguaje de frontera integrado en tu cadena de herramientas CAD, que es precisamente la configuración que miden las propias tablas de SKY-001, con un IoU de entre el 9,5 % y el 42,3 % según el modelo y la tarea. Por eso la lista de espera está haciendo un trabajo real y no trabajo de marketing: la alternativa no es un competidor, es un número peor.

Si lo que necesitas es un motor de física, ninguno de los dos. Las simulaciones de PAN 2 son predicciones, su ficha lo dice con todas las palabras, y su propia lista de limitaciones incluye simulaciones que avanzan mientras violan restricciones físicas —pasta que aparece en el colador antes de escurrirla. SKY-001 dibuja diseños y no hace ninguna afirmación sobre dinámica en ningún sitio. Llamar a cualquiera de los dos un modelo del mundo es exacto en el sentido en que los dos equipos usan el término, y engañoso en el sentido en que lo usa un motor de juegos.

Lo que hay que observar no es el próximo benchmark. Es si alguien fuera de estas dos empresas reproduce una cifra: si Skyfall publica el protocolo de IoU y la contabilidad de costes que respalda sus cifras por caso, y si la brecha de rendimiento entre el pipeline predeterminado de PAN 2 y su mejor razonador sobrevive al contacto con prompts que nadie ha refinado a mano. Ambas son preguntas sobre la misma etapa — la que decide qué debería ocurrir, antes de que se dibuje nada.