PAN 2 vs Agora-2 : L’un simule les conséquences, l’autre fait tourner un monde.

Vingt personnes dans un même monde, cela ressemble davantage à plusieurs personnes imaginant la suite qu’à une seule. C’est là toute la confusion entre PAN 2 et Agora-2, et il vaut la peine de la démêler avant que quiconque ne les compare au moyen de benchmarks. Agora-2 est l’aperçu de recherche jouable d’Odyssey, publié le 21 septembre 2026, qui prend en charge vingt participants dans un environnement simulé partagé — quatre d’entre eux étant des contrôleurs humains, seize des politiques apprises — et maintient la cohérence de leur monde même lorsqu’un joueur détourne le regard. PAN 2 est le simulateur à poids ouverts de 29 milliards de paramètres d’IFM, publié sous la forme d’un checkpoint Apache-2.0 de 86,17 gigaoctets, qui prend une image et une action décrite et renvoie jusqu’à vingt secondes de vidéo prédisant la conséquence. L’un est un serveur pour un monde. L’autre est une question que l’on pose à un monde. Le recouvrement du vocabulaire est presque total et le recouvrement des fonctions est proche de zéro, ce qui explique précisément pourquoi cette comparaison continue d’être faite si mal.

Le nombre qui circule n’est pas celui qui compte.

La couverture d’Agora-2 met en avant les vingt, et le propre billet d’Odyssey y encourage. La composition est plus intéressante que le nombre. Quatre opérateurs humains simultanés fournissent les entrées de mouvement et d’action ; seize entités autonomes sont pilotées par des politiques de monstres et de compagnons qu’Odyssey a entraînées sur le même corpus que celui à partir duquel le monde a été appris — des captures de Diablo II. Ainsi, la session n’est pas vingt personnes dans une pièce. C’est un problème de rendu avec une très petite machine à états en son centre, déguisé en serveur de jeu.

Cette architecture est ce qui fait d’Agora-2 un objet d’un autre type que PAN 2. Odyssey sépare ce qui décide de ce qui se passe de ce qui décide de son apparence, et l’écart de taille entre les deux est le chiffre le plus frappant du rapport : le modèle de simulation compte 4 457 777 paramètres — environ 4,5 millions, quatre couches de large, quatorze branches de mouvement, une fenêtre d’historique de quatre pas — tandis que le moteur de rendu est un transformateur à flow matching d’environ un milliard de paramètres exécutant cinq étapes de solveur par mise à jour, conditionné par un préfixe de 342 tokens décrivant la carte, les entités, les effets transitoires, la caméra et la liste des agents.

PAN 2 fait l'inverse. {{1}}Il consacre presque toute sa capacité à la perception : un transformateur de diffusion multimodal de 29B prédit les images, et la partie qui décide de ce qui se passe n'est pas du tout un simulateur appris, mais un modèle de langage qui rédige une légende structurée et ancrée dans le temps des événements, des actions et des mouvements de caméra.{{/1}} {{2}}Agora-2 place son intelligence dans une minuscule représentation d'état explicite. PAN 2 place son intelligence dans le moteur de rendu et délègue le raisonnement au texte.{{/2}}

• Décide ce qui se passe — Agora-2 : un modèle de simulation appris de 4,46 M de paramètres avec un état d’entité explicite ; PAN 2 : tout modèle de langage capable de suivre des instructions rédigeant une légende de l’état du monde.

• Effectue le rendu — Agora-2 : un moteur de rendu flow-matching d’environ 1 Md, à cinq étapes de solveur par mise à jour ; PAN 2 : un transformateur de diffusion de 29 Md à cinquante étapes, avec guidage à chaque étape.

• Horizon temporel — Agora-2 : une session ouverte qui persiste ; PAN 2 : jusqu’à 20 secondes par clip, au plus une image de départ, avec une dérive d’un clip à l’autre.

• Entrée — Agora-2 : commandes de mouvement et d'action provenant de contrôleurs ainsi que de politiques apprises ; PAN 2 : une première image facultative ainsi qu'une description structurée de l'action sous forme de texte.

• Participants — Agora-2 : 4 humains et 16 politiques dans un même état partagé ; PAN 2 : aucun, c'est un générateur par lots.

• Accès — Agora-2 : pas de poids, pas de dépôt, pas de licence et pas de prix ; PAN 2 : poids sous Apache-2.0, sans restriction d'accès, avec le code sur GitHub et une recette vLLM.

La persistance est ce qu'Agora-2 a réellement résolu

Si l’on écarte le cadre multijoueur, la véritable contribution d’Agora-2 tient à une phrase dans l’article d’Odyssey : parce que les propriétés des entités sont conservées indépendamment de toute vue particulière, elles restent disponibles lorsqu’une entité sort du champ. Un générateur vidéo qui ne se conditionne que sur les images récentes perd le monstre dès que l’on se retourne. Un modèle du monde qui conserve un état explicite, lui, ne le perd pas. C’est la décision de conception qui distingue Agora-2 de tous les modèles vidéo ayant des ambitions multijoueurs, et c’est pourquoi vingt participants relève de la gestion d’état plutôt que du rendu.

PAN 2 ne prétend rien de tel, et sa fiche modèle l’indique. Chaque clip est simulé à partir d’au plus une image de départ, plus du texte, de sorte que l’apparence dérive d’un clip à l’autre lors d’interactions longues, et la fiche désigne la mémoire perceptuelle maintenue parallèlement à l’état textuel comme ce qu’il faudrait pour corriger cela. Autrement dit : PAN 2 sait qu’il a le problème d’Agora-2 et ne l’a pas résolu, et Agora-2 en a résolu une version en gardant le monde suffisamment petit pour tenir dans un tenseur explicite.

Lues ensemble, les deux conceptions délimitent le domaine. Si votre monde peut être décrit par 4,5 millions de paramètres — une grille de carte, une liste d’entités, un ensemble de branches de déplacement —, la persistance est traitable et vous obtenez une session. Si votre monde relève de conséquences physiques en domaine ouvert, il vous faut un moteur de rendu qui comprend les matériaux et les contacts, et la persistance devient un problème de recherche ouvert dès que la caméra bouge.

Combien coûte une session, et combien coûte une simulation

Aucun des deux nombres n’est publié comme prix, car aucun des deux modèles n’est vendu. Les deux sont publiés comme matériel, ce qui est plus utile.

Le plan de service d’Odyssey pour une session à quatre joueurs repose sur quatre cartes NVIDIA RTX PRO 4500 : un moteur de rendu par GPU, l’un de ces GPU hébergeant également le modèle de simulation et les politiques d’agents, avec pour cible quinze mises à jour latentes par seconde pour trente images affichées par seconde. Le rapport reconnaît franchement que ces deux chiffres sont des objectifs, et non des mesures — la section 8 classe la fréquence d’images soutenue et la latence entre l’entrée et l’affichage pendant une interaction multi-agents en direct parmi les éléments non évalués quantitativement. La facture d’entraînement est également détaillée : soixante mille mises à jour sur 4 232 000 segments, puis soixante mille de plus sur 4 332 800, exécutées sur 32 GPU B200.

L’équivalent de PAN 2 est la recette vLLM : treize secondes de vidéo en 704×1248 en environ 119 secondes sur quatre GPU B300, avec une configuration par défaut documentée de huit H200 en BF16. Cinquante étapes d’échantillonnage avec guidage sans classificateur à chaque étape — soit cent passes avant dans un transformateur de 29B par clip — expliquent pourquoi le guidage est parallélisé sur deux rangs et le parallélisme de séquence sur deux autres.

Les deux configurations sont d’échelle similaire, et c’est là que la ressemblance s’arrête. Quatre cartes achètent une session qui continue de tourner. Quatre cartes, sur PAN 2, achètent deux minutes par treize secondes de conséquence rendue, et le coût d’un plan est le coût de chaque candidat que le planificateur a considéré. Le chiffre d’Odyssey est un plancher de débit pour une expérience. Celui d’IFM est un prix par question.

Un seul de ces éléments peut être construit aujourd’hui.

C'est ici que la comparaison cesse d'être architecturale.

Agora-2 est un aperçu de recherche avec une démo jouable à l'adresse d'Odyssey elle-même et un rapport technique. Il n'y a ni poids, ni dépôt, ni licence, ni API d'inférence, ni prix. Odyssey présente comme travail futur la trajectoire vers l'interaction multi-agents au sein de modèles du monde fondamentaux, avec PROWL comme fil de recherche et Odyssey-3 comme destination finale. Concrètement : vous pouvez y jouer, mais vous ne pouvez pas construire dessus, et aucun tiers ne peut non plus vous le servir.

La configuration de PAN 2 est l’inverse. Poids sur Hugging Face depuis le 7 octobre 2026, sans restriction d’accès, Apache-2.0 pour son propre code et ses poids ; dépôt GitHub avec scripts d’inférence et d’entraînement depuis le 5 novembre ; prise en charge vLLM-Omni Day-0 fusionnée le 10 novembre ; un garde-fou distribué sous forme de dépôt séparé avec ses propres chiffres de faux positifs. L’annonce d’IFM était un unique post sur son propre compte X — « Présentation de PAN 2 : un modèle du monde de fondation ouvert pour l’intelligence physique » — sans article de blog, lien vers l’article, point de terminaison hébergé ni page de tarification. C’est une annonce mince enveloppant un artefact substantiel, l’inverse du post soigné d’Agora-2 autour d’une démo fermée.

Si votre question est « que puis-je mettre en production ce trimestre », la réponse est : aucun des deux, mais pour des raisons différentes. Agora-2 n’a aucun chemin de la démo au déploiement qu’Odyssey ait décrit. PAN 2 en a un — les poids et la recette — ainsi qu’une limitation qui détermine si vous devriez l’emprunter : environ deux plans simulés sur trois contiennent au moins une étape qui n’est pas exécutée, selon la section des limitations de la fiche de modèle elle-même.

L'hybride qu'aucun des deux laboratoires n'a construit

La question d’ingénierie intéressante n’est pas de savoir quel modèle gagne. C’est à quoi ressemble un système qui utilise chacun pour ce qu’il sait bien faire, et aucun des deux fournisseurs ne le propose.

Imaginez un agent qui doit planifier à l’intérieur d’un monde persistant. La conception d’Agora-2 montre comment maintenir ce monde stable : un état explicite, un préfixe de conditionnement structuré, des politiques assez petites pour tourner aux côtés d’un moteur de rendu. La conception de PAN 2 montre comment répondre à la question « que se passe-t-il si » à propos d’une interaction physique : confier la question à un modèle de langage, obtenir une légende structurée, rendre la conséquence, la regarder. Une pile logicielle qui conserverait l’état d’Agora-2 et demanderait à PAN 2 la physique fine à l’intérieur d’une cellule de cet état serait strictement meilleure que l’une ou l’autre, et exigerait que les deux laboratoires ouvrent quelque chose qu’ils n’ont pas ouvert.

Ce que vous pouvez faire dès aujourd’hui, c’est la moitié qui n’a besoin d’aucun des deux modèles. Le planificateur de PAN 2 est défini comme tout modèle de langage capable de suivre des instructions, et IFM en a classé quatre selon l’achèvement du plan complet : Claude Opus 5.5, GPT-6 Astra en effort moyen, Kimi K3, Qwen3.8-Flash. Tous les quatre sont sur OrcaRouter, donc l’étape de légendage d’un pipeline PAN 2 peut passer par un seul point de terminaison avec basculement automatique et le prix catalogue de chaque fournisseur répercuté à 0 % de marge, que l’on change selon l’expérience plutôt que selon le contrat. OrcaRouter n’héberge pas PAN 2 et ne peut pas l’acheminer — le moteur de rendu 29B reste sur vos GPU — et il ne peut certainement pas héberger Agora-2, ce que personne ne peut. Ce qu’un routeur peut faire, c’est garder la moitié raisonnement élastique tandis que la moitié simulation est épinglée au matériel que vous possédez déjà.

Comment décider

Si vous développez un jeu, un environnement d’entraînement pour des agents qui doivent opérer dans un espace partagé, ou quoi que ce soit où le monde doit rester cohérent pendant que plusieurs acteurs s’y déplacent, Agora-2 est le travail de recherche le plus pertinent et le moins accessible. Lisez le rapport, testez l’aperçu et considérez les vingt participants comme une affirmation sur la conception des états plutôt que comme une capacité que vous pouvez louer.

Si vous devez évaluer des conséquences physiques — cette prise va-t-elle tenir, ce versement va-t-il déborder, ce plan survit-il au contact de la scène — Agora-2 n’a rien pour vous et PAN 2 est téléchargeable, documenté et honnête sur le fait qu’il omet une étape dans la plupart des plans. Budgétez les GPU avant de budgéter l’ingénierie : quatre B300 pendant deux minutes par treize secondes fixent le coût de chaque candidat que votre planificateur envisage.

Les deux seront comparés pendant un moment, car « modèle du monde » est actuellement une étiquette appliquée à tout ce qui prédit quelque chose de visuel. L’étiquette ne fait aucun travail ici. L’un de ces systèmes est un lieu qui reste en place pendant que les gens le traversent. L’autre est une question sur ce qui se passe ensuite, à laquelle on répond à la demande, la réponse étant limitée à vingt secondes. Les confondre coûte un quart du temps d’ingénierie ; les distinguer coûte un après-midi.