PAN 2 vs Hi3D v1.0 : deux modèles qui refusent tous les deux de vous dire la taille de quoi que ce soit

Demandez à l’un ou l’autre de ces modèles un monde, et la première chose que vous perdez, c’est la règle. PAN 2 est le modèle du monde à poids ouverts de 29 milliards de paramètres de l’Institute of Foundation Models, disponible sur Hugging Face sous forme de checkpoint Apache-2.0 depuis le 7 octobre 2026, avec le code le 5 novembre et une prise en charge Day-0 de vLLM-Omni le 10 novembre : donnez-lui une image de départ et une action décrite, et il génère jusqu’à vingt secondes de vidéo en 704×1248 à 24 images par seconde montrant la conséquence. Hi3D v1.0, anciennement Sparc3D, est un raffineur de géométrie à poids ouverts annoncé le 23 octobre 2026 qui prend une image et un maillage grossier et en renvoie un plus dense, en géométrie uniquement, chaque résultat étant recentré et normalisé à un rayon unitaire. L’un produit une image en mouvement sans prétention métrique ; l’autre produit une forme statique dont l’échelle absolue est délibérément supprimée. Aucun des deux ne vous dira si l’objet devant vous mesure un mètre de large, et tous deux sont plus utiles une fois que vous cessez de l’attendre d’eux.

Cette omission commune est la base honnête d’une comparaison. La formulation habituelle — 3D contre vidéo, ou géométrie contre dynamique — est vraie et peu utile, parce qu’elle fait passer le choix pour une préférence. La formulation qui tranche vraiment, c’est ce que chaque modèle vous remet, ce qu’il sacrifie pour y parvenir et ce que vous êtes autorisé à faire du résultat ensuite.

Ce que chacun vous remet, élément par élément

Nommez l'objet de sortie avant de nommer une quelconque capacité, car les deux objets ne sont pas le même genre de chose.

• Entrée — PAN 2 accepte une première image facultative ainsi qu’une légende d’action structurée, affinée par une compétence de réécriture de prompt ; Hi3D v1.0 accepte une image et un maillage grossier du même objet.

• Sortie — PAN 2 renvoie un MP4 d’une durée maximale de vingt secondes ; Hi3D renvoie une géométrie de sommets et rien d’autre, sans couleur, sans texture, sans matériau et sans couleur de sommet.

• Temps — PAN 2 est conçu pour être exécuté vers l'avant, et chaque clip est la prédiction d'une conséquence ; Hi3D n'a aucun axe temporel et renverrait éternellement le même maillage pour les deux mêmes entrées.

• Échelle — PAN 2 ne formule aucune affirmation métrique à propos de quoi que ce soit qu’il rend ; Hi3D normalise chaque résultat à un rayon unitaire, écartant délibérément la taille absolue.

• Forme du lot — PAN 2 effectue le rendu d’un clip par appel ; Hi3D fonctionne avec une taille de lot de un.

• Résolution de la sortie — PAN 2 effectue un rendu en 704×1248 à 24 images par seconde pendant jusqu’à vingt secondes ; Hi3D affine jusqu’à une résolution effective de grille d’extraction éparse allant jusqu’à 1536°, qui correspond à une densité de sommets plutôt qu’à un nombre de pixels.

• Accès — PAN 2 représente 86,17 gigaoctets répartis sur soixante fichiers, en accès libre, sous Apache-2.0 ; Hi3D est téléchargeable sous sa propre Hi3D Open License, sans redevance pour une utilisation commerciale, avec une mention d’attribution « Powered by Hi3D 1.0 ».

• Matériel — La configuration par défaut documentée de PAN 2 est de huit H200 en BF16, avec une recette qui traite treize secondes de vidéo en environ 119 secondes sur quatre B300 ; Hi3D a été validé sur un seul H20 de 96 Go, sans chemin d’inférence CPU.

• Ce que vous pouvez vérifier vous-même — la fiche de PAN 2 décrit son banc d’évaluation assez en détail pour être contestée : 300 cas à action unique répartis en six catégories de capacités, 100 tâches multi-étapes évaluées sur l’achèvement des étapes et du plan complet sur trois graines, et une étude comparative en aveugle par paires avec treize évaluateurs ; la fiche de Hi3D indique que le code d’entraînement et le banc d’évaluation de l’article ne sont pas inclus dans la publication, si bien que ses affirmations de qualité ne peuvent pas être reproduites à partir du téléchargement.

Ces neuf lignes constituent l’intégralité de la décision d’achat, et huit d’entre elles décrivent ce que chaque outil accepte et renvoie plutôt que d’affirmer sa qualité.

Le nombre que les deux modèles suppriment, et pourquoi

La normalisation de Hi3D est documentée et passe facilement inaperçue : chaque maillage raffiné est recentré et normalisé à un rayon unitaire. C’est une pratique standard en apprentissage géométrique, car un réseau qui doit régresser des coordonnées absolues gaspille de la capacité sur une échelle qu’on pourrait lui indiquer, et parce que les ensembles d’entraînement constitués de scans et d’assets s’accordent rarement sur les unités. Cela signifie aussi qu’un maillage issu de Hi3D ne peut pas être intégré à une scène à sa taille réelle sans que vous réappliquiez un facteur d’échelle que vous devez connaître par ailleurs. La géométrie raffinée est dépourvue de métrique par construction.

L'omission de PAN 2 est plus subtile et reçoit moins d'attention qu'elle ne le mérite. Le modèle produit une conséquence physiquement cohérente — la démo de la fraise, où remplacer le fruit ou le liquide modifie l'éclaboussure, est la formulation la plus claire de cette idée que quiconque ait produite — et il y parvient sans jamais affirmer une distance. Le signal d'entraînement est de la vidéo, la sortie est de la vidéo, et la vidéo n'a pas d'échelle intrinsèque : un gros plan sur un dé à coudre et un plan large sur un seau sont le même tenseur. La liste de raccourcis de la fiche du modèle pointe elle-même vers le même manque depuis l'autre côté, avec des pâtes qui apparaissent dans la passoire avant d'être égouttées — une scène qui a progressé sans la physique qui aurait forcément dû se produire.

C’est la raison pour laquelle on ne peut pas construire un simulateur de conduite à partir de PAN 2, quelle que soit son amélioration dans le rendu des éclaboussures. Un réseau routier a besoin de largeurs de voies en mètres et de retours lidar en centimètres, et un modèle dont toute la représentation du monde est une vidéo latente n’a nulle part où placer ni les unes ni les autres. C’est aussi la raison pour laquelle Hi3D ne peut pas fournir ces mètres : il affine la forme d’un seul objet, à une échelle qu’il a normalisée, à partir d’une image qui ne contenait aucune profondeur.

Si votre pipeline doit produire une sortie métrique, la métrique doit entrer quelque part avant l’un ou l’autre des modèles — depuis un capteur de profondeur, un marqueur de taille connue dans l’image, un fichier CAO — et les deux modèles se situent en aval de cette décision plutôt que de la prendre. Cela mérite d’être dit clairement, car l’alternative est une équipe qui le découvre après une semaine d’intégration.

L'éditabilité est la différence qui survit au contact d'un projet

La vidéo générée est une impasse pour la révision. Si PAN 2 génère un plan dans lequel un tiroir s’ouvre et une tasse est renversée, et que vous voulez que le tiroir s’ouvre plus lentement, vous ne modifiez pas le clip ; vous réécrivez la légende et payez pour une centaine de passes avant supplémentaires à travers un transformer de 29B. La légende est la seule surface modifiable, et c’est véritablement une bonne surface — structurée, ancrée dans le temps, avec des actions liées aux acteurs et le mouvement de caméra explicité — mais elle opère au niveau de « ce qui se passe », pas de « où va ce sommet ».

Un maillage raffiné est le type d’artefact inverse. Le résultat de Hi3D s’ouvre dans un modeleur, subit une retopologie, est texturé ailleurs, puis est placé. Le raffinement est une étape irréversible dans un pipeline par ailleurs rempli d’étapes réversibles, et c’est exactement ce que veut une équipe de contenu : un outil qui améliore un blockout puis s’efface.

Voici la composition qui existe, énoncée sans exagération. Un blockout grossier affiné par Hi3D devient un accessoire détaillé ; un outil de construction de scène place l’accessoire ; un modèle du monde de style PAN 2 rend ce qui se produit lorsqu’un élément agit dessus. Les deux sont des étapes adjacentes, pas des concurrents. Ce qui n’existe pas, c’est une boucle : Hi3D ne peut pas prendre une image PAN 2 et vous restituer la géométrie, car une seule image vidéo sans profondeur et à l’échelle inconnue n’est pas un problème de maillage que Hi3D a été conçu pour résoudre.

Dans ce pipeline, la couche de routage justifie sa place par le travail linguistique de liaison, plutôt que par l’un ou l’autre des modèles. Légender un rendu pour qu’un simulateur puisse le prendre comme condition, rédiger la description structurée de l’état du monde que consomme l’encodeur de texte de PAN 2, avec un budget de 1 480 tokens en limite souple et de 1 536 en limite stricte, évaluer si une image générée correspond au brief — ce sont des appels de modèle ordinaires facturés à l’usage, et ils entourent les deux outils. OrcaRouter propose plus de 200 modèles derrière une seule API, avec 0 % de marge sur le prix catalogue du fournisseur, avec bascule automatique entre fournisseurs, afin qu’un rédacteur de légendes et un critique de rendu puissent partager une clé et un chemin de repli. Ni PAN 2 ni Hi3D v1.0 ne figurent dans ce catalogue, et rien ici ne suggère le contraire : le moteur de rendu est votre nœud, le raffineur est votre GPU, et ce que nous routons, c’est la colle.

Deux licences qui vous indiquent qui le client est censé être

Les deux modèles sont suffisamment ouverts pour être téléchargés, et leurs conditions d’utilisation divergent d’une manière plus instructive que les poids eux-mêmes.

PAN 2 est sous Apache-2.0 : aucune exigence d'attribution au-delà du texte de la licence, aucun seuil d'utilisateurs, aucune clause de déclenchement liée au chiffre d'affaires, aucune restriction de domaine d'utilisation. Vous pouvez l'affiner, le quantifier, l'intégrer dans un produit et n'en dire mot. Pour un transformer de diffusion de 29 milliards de paramètres entraîné de zéro sur des centaines de millions de vidéos par un laboratoire rattaché à une université, c'est un choix inhabituellement permissif, et c'est la plus grande différence pratique entre PAN 2 et les modèles propriétaires fermés auxquels on le compare habituellement.

Hi3D v1.0 est libre de redevances pour une utilisation commerciale avec une attribution « Powered by Hi3D 1.0 », et un accord distinct s'applique au-delà de 200 000 utilisateurs actifs mensuels ou de 1 million de dollars de revenus mensuels. Ce seuil est une empreinte : il indique que le client visé est un studio, une plateforme ou un fournisseur d'outils, et il indique que les auteurs s'attendent à ce que le modèle soit intégré plutôt qu'étudié. En dessous de ce seuil, cela ne coûte rien ; au-dessus, vous négociez.

Aucune des deux licences n’est un piège. Ce sont des paris différents sur ce à quoi sert l’ouverture : celle de PAN 2 mise sur l’adoption comme infrastructure, celle de Hi3D mise sur l’adoption avec une conversation commerciale qui vient s’y greffer une fois que vous êtes assez gros pour en avoir une.

La facture du matériel, qui n’est pas proche

Les exigences de Hi3D sont strictes et peu coûteuses à satisfaire si vous possédez déjà la machine : Linux, Python 3.10, un GPU NVIDIA avec une capacité de calcul 8.0 ou supérieure, CUDA entre 12.0 et 12.5, flash-attn sans chemin de repli, pas d’inférence sur CPU, validé sur un seul H20 de 96 Go. Un poste de travail de studio y répond. Le mode de défaillance est l’épinglage de CUDA et l’absence de repli, pas la mémoire.

Les exigences de PAN 2 relèvent d’une autre catégorie. Huit H200 en BF16 constituent la configuration par défaut documentée, avec en plus un parallélisme de patchs VAE sur quatre tuiles, car décoder un clip de vingt secondes en 704×1248 pose à lui seul son propre problème de mémoire. Le chiffre de 119 secondes pour treize secondes sur quatre B300 provient de la recette vLLM, et c’est ce nombre qui transforme chaque question de conception en question arithmétique : cinquante étapes d’échantillonnage avec un décalage de flux de 9 et un guidage de 2,5 à chaque étape représentent cent passes avant dans le transformateur 29B par clip, et un planificateur qui évalue cinq actions candidates par étape d’une tâche en dix étapes veut cinquante clips.

Ainsi, la comparaison des coûts ne consiste pas à savoir « lequel est le moins cher ». Il s’agit du fait que l’un est un outil de station de travail et l’autre une charge de travail de cluster, et qu’une équipe qui peut se permettre le premier pourrait ne pas pouvoir faire tourner le second du tout. Cette asymétrie ne rend pas PAN 2 moins bon. Elle rend la décision facile pour quiconque dont le budget GPU se limite à une seule carte.

Quelle question posez-vous réellement ?

Si votre problème est qu’un blockout est trop grossier, ou qu’un accessoire scanné n’a pas de détails fins, Hi3D v1.0 est l’outil et PAN 2 n’a aucune importance — rien dans un générateur vidéo ne vous donnera des sommets. Budgétez la stack CUDA, vérifiez la dépendance flash-attn avant de promettre une date de livraison, et rappelez-vous que le maillage arrive avec un rayon unitaire.

Si votre problème est que vous devez voir ce que fait une action avant de vous engager — évaluation de plan, données contrefactuelles, un robot ou un agent qui prévisualise ses choix — PAN 2 est le seul des deux à répondre, et il répond en pixels avec une étape supprimée dans environ deux plans sur trois selon sa propre fiche. Intégrez un vérificateur dans la boucle, gardez vos prompts dans le budget de tokens et traitez chaque clip comme une hypothèse plutôt qu’une mesure.

Si vous avez besoin des deux, construisez le pipeline dans l’ordre dans lequel les artefacts circulent réellement : l’entrée métrique d’abord, la géométrie ensuite, la conséquence en troisième lieu, et un modèle de langage à chaque jonction où une représentation doit se transformer en une autre. Cela représente plus d’ingénierie que ne le laisse entendre l’annonce de l’un ou l’autre modèle, et c’est la forme que toute stack sérieuse de modèles du monde en 2026 a fini par prendre.

Ce qui changerait cette page, c'est un modèle qui génère une géométrie à l'échelle métrique et un axe temporel — une sortie 4D avec unités. Rien dans l'une ou l'autre des versions ne l'évoque. Tant que rien ne le fera, le résumé exact est que PAN 2 vous montre ce qui se passe et que Hi3D affine ce qui est là, qu'aucun des deux ne dira de quelle taille il s'agit, et que la seconde limite est celle qui décide discrètement lesquels de vos projets peuvent utiliser l'un ou l'autre.