PAN 2 vs Qwen3.8-27B : l’adversaire est déjà à l’intérieur du modèle

La plupart des comparaisons de modèles ont une frontière nette : deux checkpoints, deux fournisseurs, on en choisit un. Ce n’est pas le cas ici, car Qwen intervient dans la plomberie de PAN 2 à trois endroits à la fois. PAN 2 charge Qwen3.5-9B comme encodeur de texte gelé, le composant qui transforme une légende structurée d’état du monde en caractéristiques de conditionnement que consomme son transformateur de diffusion à 29 milliards de paramètres. Les scores PhyGround dans le rapport technique de PAN 2 lui-même sont évalués par Qwen3.8-27B, le modèle auquel cette page le compare nominalement. Et Qwen3.8-Flash est l’un des quatre raisonneurs conceptuels sur lesquels le rapport s’appuie pour établir des références afin d’écrire les légendes de PAN 2, dès le départ. Donc la formulation honnête n’est pas PAN 2 contre Qwen3.8-27B. C’est un modèle de monde vidéo de l’Institute of Foundation Models de MBZUAI, publié discrètement et jamais lancé officiellement, qui repose sur des composants Qwen, est en partie noté par un juge Qwen, et est comparé à un modèle vision-langage de 27 milliards de paramètres d’Alibaba qui est un produit complet à lui seul. La question intéressante est de savoir laquelle de ces relations vous devriez prendre en compte lorsque vous choisissez ce qu’il faut déployer.

Ce que l’ADN partagé signifie et ne signifie pas

Cela ne signifie pas que les deux modèles sont comparables. PAN 2 produit de la vidéo ; Qwen3.8-27B produit du texte. Rien dans l’encodeur partagé ne change cela, et aucun benchmark ne permet de les classer l’un par rapport à l’autre. Toute personne qui présente un score en confrontation directe présente une impression.

Ce que cela signifie, c’est que la comparaison est inhabituellement instructive quant à la provenance. Lorsque PAN 2 lit votre légende, il la lit via un encodeur Qwen que MBZUAI a téléchargé sans modification depuis son propre dépôt, et la fiche modèle précise explicitement que les poids de Qwen3.5-9B sont utilisés tels que publiés et n’ont pas été affinés par MBZUAI. Le budget de tokens imposé par le validateur de prompt — un plafond souple de 1 480 tokens, un plafond dur de 1 536 — est celui de Qwen3.5-9B, pas celui de PAN 2. Et lorsque le rapport avance un chiffre PhyGround, ce chiffre a été produit en demandant à Qwen3.8-27B de noter une vidéo générée sur une échelle en cinq points. Le juge est le rival.

Ce n’est pas un scandale. Utiliser un modèle ouvert performant comme évaluateur automatisé est une pratique courante, et le divulguer est mieux que ce que font la plupart des laboratoires. Mais cela signifie que la chaîne de preuves de PAN 2 passe par la famille de modèles d’Alibaba à trois endroits distincts, et si vous évaluez PAN 2, vous devez savoir lesquels de ses chiffres sont des mesures de PAN 2 et lesquels sont des mesures de PAN 2 tel que vu par Qwen.

Qwen3.8-27B, selon ses propres termes

Le modèle d'Alibaba est un type d'objet tout à fait différent : un modèle de langage causal de 27 milliards de paramètres doté d'un encodeur visuel, construit sur l'architecture Qwen3.5 avec une disposition hybride — seize répétitions de trois blocs Gated DeltaNet suivis d'un bloc Gated Attention, 64 couches au total, une dimension cachée de 5 120 et un vocabulaire de 248 320 jetons avec remplissage. Le contexte natif est de 262 144 jetons, extensible à un million. Il est sous licence Apache-2.0, a été mis en ligne sur Hugging Face le 5 août 2026 et totalise 7,4 millions de téléchargements mensuels.

Les chiffres du fournisseur sont solides et la fiche est l’une des plus complètes du domaine des modèles à poids ouverts : GPQA Diamond 89.2, HLE 30.8, LiveCodeBench v6 90.3, SWE-bench Pro 61.7, Terminal-Bench 2.1 à 73.0, OSWorld-Verified 84.3, OmniDocBench 1.5 à 91.1, CharXiv reasoning 83.7, IFBench 79.5, CoWorkBench 70.7. Sur MathVision, il annonce 90.0 sans chaîne de raisonnement et 94.6 avec. Il s’agit des propres évaluations d’Alibaba par rapport aux propres références d’Alibaba, ce qui constitue la même réserve que celle qui s’applique à chaque tableau de fournisseur sur ce site, y compris celui de PAN 2.

• Modalité — Qwen3.8-27B : entrée texte, image et vidéo ; sortie texte. PAN 2 : une première image facultative accompagnée d'une légende structurée en entrée ; sortie MP4.

• Taille — Qwen3.8-27B : 27B dense, 64 couches, environ 27,8 milliards de paramètres safetensors. PAN 2 : un transformateur de diffusion de 29B à 67,37 Go en BF16, plus un encodeur Qwen3.5-9B gelé à 15,87 Go et un VAE Wan 2.2.

• Contexte — Qwen3.8-27B : 262 144 tokens natifs, jusqu'à un million. PAN 2 : une légende unique plafonnée à 1 536 tokens d'encodeur de texte, et une image de départ.

• Licence — Qwen3.8-27B : Apache-2.0. PAN 2 : Apache-2.0 sur ses propres poids, avec des composants tiers soumis à leurs propres conditions.

• Service — Qwen3.8-27B : Transformers, vLLM, SGLang, TokenSpeed, et un point de terminaison Qwen Cloud hébergé qu'Alibaba annonce comme disponible prochainement. PAN 2 : Diffusers, vLLM-Omni et le generate.py propre au dépôt, sur votre matériel, et rien d'hébergé nulle part.

Pourquoi le choix de l’encodeur est la ligne la plus déterminante de la carte du PAN 2

Geler un encodeur de texte de 9B et n’entraîner que le backbone de diffusion est une décision d’ingénierie défendable, et c’est la raison pour laquelle la moitié diffusion de PAN 2 fait 29B plutôt que 40. Cela plafonne aussi strictement ce que l’on peut dire à PAN 2. Le raisonneur conceptuel rédige une légende ; Qwen3.5-9B la convertit en caractéristiques ; le modèle de diffusion effectue le rendu à partir de ces caractéristiques. Tout ce que Qwen3.5-9B ne peut pas représenter, PAN 2 ne peut pas le simuler, quelle que soit la qualité de la légende.

Cela explique une limite que la fiche énonce clairement et que la plupart des lecteurs passent sous silence : le modèle est sensible à la formulation des prompts, les exemples hors de la distribution d’entraînement reposaient sur des prompts affinés à la main, et les actions textuelles ne spécifient la manipulation dextre que grossièrement. Ce ne sont pas trois problèmes distincts. C’est le même problème vu de trois manières — l’interface entre une description en langage naturel et un encodeur de texte fixe, avec un budget de 1 536 tokens et un vocabulaire figé d’un côté.

Comparez cela à la façon dont Qwen3.8-27B gère la même tâche. Il est à la fois le raisonneur et l’encodeur au sein d’un même objet, avec une fenêtre de 262 144 tokens, un contrôle natif de la réflexion pouvant être désactivé par requête, un réglage reasoning_effort et preserve_thinking pour conserver le contexte de raisonnement d’un tour à l’autre. Si votre tâche consiste à décrire une scène et un plan avec suffisamment de détails pour que quelque chose en aval puisse agir dessus, Qwen3.8-27B est conçu pour cela et PAN 2 est conçu pour consommer la sortie. Ils ne sont pas concurrents pour le même rôle ; l’un est en amont de l’autre.

L'asymétrie de déploiement que personne ne met dans le tableau comparatif

Qwen3.8-27B est un grand modèle qui se comporte comme un grand modèle ordinaire. Vingt-sept milliards de paramètres en BF16 représentent environ 55 Go de poids, ce qui tient sur un accélérateur de 80 Go avec de la place pour un cache KV, et la fiche répertorie quatre piles de service, plus un point de terminaison hébergé compatible OpenAI à venir. Vous pouvez le mettre à répondre aux requêtes dès l’après-midi même où vous décidez de l’utiliser.

PAN 2 totalise 86,17 Go répartis sur soixante fichiers, et les calculs de service s’expriment en minutes-nœuds. Cinquante étapes d’échantillonnage avec guidage sans classifieur à chaque étape représentent cent passes avant dans un transformateur de 29 B par clip. La recette vLLM annonce treize secondes de vidéo en 704×1248 en environ 119 secondes sur quatre GPU B300, avec le guidage parallélisé sur deux rangs et le parallélisme de séquence Ulysses sur deux autres ; sa configuration par défaut est composée de huit H200 en BF16, avec un parallélisme de patchs VAE sur quatre rangs en mode tuile. Le script d’inférence propre au dépôt est plus simple et plus gourmand : un worker par GPU, chacun détenant une copie complète du transformateur de 67,37 Go, chacun prenant chaque N-ième prompt.

Placez-les côte à côte et la conclusion pratique n’est pas serrée. Un appel à Qwen3.8-27B est une requête. Un clip PAN 2 est une tâche par lots à laquelle est rattachée une réservation de GPU. Si vous avez une vidéo de vingt secondes à produire une seule fois, PAN 2 représente un après-midi de configuration et trois minutes de rendu. Si vous avez mille plans à simuler, vous achetez du temps sur un nœud et la comparaison qui compte se fait avec d’autres modèles de monde vidéo, pas avec un modèle de langage.

Le seul endroit où les deux se rencontrent véritablement

L'utilisation prévue de PAN 2 est le raisonnement par simulation : un agent imagine le résultat de chaque action candidate, puis s'engage sur la meilleure. Cette boucle nécessite un planificateur qui génère des actions candidates et un simulateur qui en restitue les conséquences. Qwen3.8-27B est un planificateur crédible — un fort respect des instructions avec 79,5 sur IFBench, du travail de bureau sur longue durée avec 70,7 sur CoWorkBench, du codage agentique en terminal avec 73,0 sur Terminal-Bench 2.1 — et il est déjà dans la boucle, puisque MBZUAI l'a utilisé pour évaluer PhyGround et Qwen3.8-Flash comme l'un des quatre rédacteurs de légendes.

Si vous construisez cette boucle, le planificateur est la partie que vous pouvez acheter au token et le simulateur est la partie que vous ne pouvez pas. Qwen3.8-27B est disponible sur OrcaRouter, ainsi une seule clé API vous donne accès à un planificateur avec bascule automatique, des règles de routage déterminant où vont les requêtes, et le prix catalogue du fournisseur avec 0 % de marge répercutée — y compris les baisses de prix d'Alibaba le jour où elles sont appliquées. OrcaRouter n'héberge pas PAN 2 et ne peut pas le router ; personne n'héberge PAN 2. Cette séparation n'est pas une limitation du routeur, c'est la structure du marché : les modèles de langage hébergés sont une commodité, les modèles de monde vidéo hébergés n'existent pas encore.

Il existe une seconde raison, plus discrète, de router plutôt que d’épingler le planificateur. Le rapport de PAN 2 classe quatre raisonneurs selon l’achèvement du plan complet, et ce classement n’est pas celui que la plupart des gens devineraient — Claude Opus 5.5 en premier, GPT-6 Astra en effort moyen deuxième, Kimi K3 troisième, Qwen3.8-Flash quatrième. Cet ordre a été mesuré sur les prompts de MBZUAI, avec leur politique de légendes et leur validateur. Le vôtre différera. Pouvoir relancer la comparaison sans reconfigurer votre stack vaut plus que n’importe quel choix de modèle individuel qu’elle contient.

Que faire de cette comparaison ?

Si vous êtes venu ici pour en choisir un, la réponse honnête est que la question est mal posée. Qwen3.8-27B est un modèle vision-langage généraliste que vous pouvez servir dès aujourd’hui sur un seul accélérateur ou louer au token la semaine prochaine. PAN 2 est un artefact de recherche qui produit des conséquences, nécessite un nœud multi-GPU, n’a pas de point de terminaison hébergé et, au 11 novembre 2026, n’a jamais été lancé par ses propres auteurs — un seul post de deux paragraphes sur le compte X du laboratoire constitue toute l’annonce. Son dépôt Hugging Face date du 7 octobre, son dépôt GitHub du 5 novembre, et l’événement public le plus substantiel qui lui soit arrivé est la fusion du support Day-0 de vLLM-Omni le 10 novembre.

La comparaison qui vaut la peine d’être faite est plus étroite. Si votre pipeline a besoin d’un planificateur, Qwen3.8-27B est un choix solide, bien documenté et sous Apache-2.0, et la décision est une décision de routage. Si votre pipeline doit voir ce que fait une action avant de l’entreprendre, PAN 2 est l’un des très rares modèles à poids ouverts à s’y essayer, il fonctionnera sur des composants Qwen que vous le remarquiez ou non, et le résumé honnête de ses capacités est la phrase de sa propre section sur les limites : environ deux plans simulés sur trois contiennent au moins une étape qui n’est pas exécutée. C’est le chiffre autour duquel planifier, et c’est le seul chiffre de toute cette comparaison qu’aucun encodeur, juge ou routeur ne peut améliorer pour vous.