PAN 2 vs SKY-001 : l'un simule ce qui va se passer, l'autre dessine ce qu'il faut construire.

Kimi K3 apparaît dans les deux documents de lancement, au cours de la même quinzaine, pour des tâches opposées. Dans le rapport technique de PAN 2, c’est le raisonneur conceptuel — le modèle de langage qui lit une requête et rédige la légende structurée et ancrée dans le temps qu’un transformer de diffusion de 29 milliards de paramètres transforme en vidéo. Dans les tableaux SKY-001 de Skyfall, c’est un concurrent de référence, chargé de dessiner lui-même un assemblage CAD, où il reproduit 9,5 % de la géométrie de référence selon l’intersection sur union. Un lancement utilise un modèle de langage de pointe pour rédiger le plan. L’autre mesure l’échec de modèles de langage de pointe au dessin. Ce clivage est un meilleur guide pour ces deux modèles que l’étiquette qu’ils partagent. PAN 2 est le modèle du monde de l’Institute of Foundation Models à MBZUAI, avec des poids Apache-2.0 sur Hugging Face depuis le 7 octobre 2026, le code depuis le 5 novembre et une annonce officielle le 10 novembre, et il prédit jusqu’à vingt secondes de vidéo en 704×1248 à partir d’une première image facultative et d’une action décrite en texte. SKY-001 est le modèle d’ingénierie de Skyfall AI, annoncé le 19 octobre 2026, encore derrière une liste d’attente avec un déploiement commercial visé pour début 2027, et il prédit la séquence ordonnée d’opérations de dessin qui produit une pièce CAD ou un plan d’étage.

Aucune des deux dates n’est aujourd’hui, et rien ci-dessous n’est présenté comme un lancement. Ce qui suit décrit ce que chaque modèle calcule réellement, où chacun est faible selon ses propres chiffres, et lequel des deux votre problème demande.

Deux choses différentes sont prédites

La chaîne de PAN 2 contient un modèle de langage. Un raisonneur conceptuel — tout modèle capable de suivre des instructions — lit l’observation et les actions demandées, puis écrit l’état du monde suivant sous forme de légende structurée : les événements dans l’ordre, les actions liées aux acteurs, le mouvement de caméra. Un encodeur de texte Qwen3.5-9B figé transforme cette légende en caractéristiques de conditionnement. Un transformateur de diffusion multimodal de 29B, entraîné à partir de zéro sur des vidéos annotées dans le même format, prédit les latents que la légende laisse ouverts, conditionné par celle-ci et par le latent VAE de l’image de départ, et un décodeur Wan 2.2 les synthétise. L’échantillonneur par défaut effectue 50 pas avec un décalage de flux de 9 et un guidage sans classificateur de 2,5 à chaque pas, et le checkpoint pèse 86,17 GB répartis sur soixante fichiers.

La chaîne de SKY-001 comporte plutôt une hiérarchie. Un composeur hiérarchique prend une intention de conception — une image, un texte ou une enveloppe de bâtiment accompagnée d’un cahier des charges —, génère l’ensemble de la conception, puis la découpe niveau par niveau et affine chaque feuille en parallèle. Un modèle du monde de construction prédit ensuite la séquence ordonnée d’états visuels qui permet de construire chaque feuille : en CAO, une chaîne d’états solides 3D avec le croquis 2D dessiné entre chaque paire consécutive ; en BIM, un plan d’étage dessiné trait par trait. Le dessin s’exécute comme une diffusion en deux passes : un déploiement grossier dans un espace latent compressé issu d’un autoencodeur de type Matriochka, puis un raffineur qui restaure la pleine résolution. Les deux étapes font appel à des transformateurs de diffusion ; aucune ne prédit de jetons. Skyfall n’a publié ni nombre de paramètres, ni poids, ni licence, ni API.

• Ce qui est prédit — PAN 2 prédit la prochaine observation sous forme de pixels, à partir d’une action ; SKY-001 prédit le prochain état de construction sous forme de solide ou de trait, à partir d’une intention.

• Comment le temps entre en jeu — PAN 2 repose sur une horloge physique, 241 images (environ dix secondes) par défaut et jusqu’à 481 (vingt secondes) à 24 images/s ; SKY-001 repose sur un ordre procédural d’environ 100 étapes de dessin par composant CAO et 70 par plan d’étage, sans qu’aucune horloge physique n’intervienne.

• Si la physique est revendiquée — PAN 2 est évalué directement sur la plausibilité physique ; les éléments de SKY-001 ne formulent aucune revendication de dynamique, car ce qu’ils représentent est un design, pas un mouvement.

• Ce que vous obtenez en sortie — un MP4 que vous pouvez regarder, par opposition à une géométrie que vous évaluez par IoU par rapport à une forme de référence.

• Poids — un téléchargement sous Apache-2.0 pour PAN 2 ; rien de publié pour SKY-001.

• Prix — temps de GPU que vous pouvez dimensionner pour PAN 2 ; une liste d’attente pour SKY-001.

Les deux se déroulent en deux étapes, et le goulot d’étranglement se situe à des endroits différents.

Le pari d’ingénierie commun est de diviser le travail. Une étape s’engage sur la structure — une description ordonnée de ce qui doit se produire — et une seconde étape remplit les détails que cette description laisse ouverts. PAN 2 y parvient avec une légende et un backbone de diffusion. SKY-001 y parvient avec une hiérarchie de sous-objectifs et un modèle de construction par feuille. Mettez les deux lancements côte à côte, et la question intéressante cesse d’être de savoir quelle architecture est meilleure pour devenir celle de savoir quelle étape vous coûte réellement.

Pour PAN 2, c’est le planificateur, et le rapport le dit deux fois. Sur Physics-IQ Verified, un benchmark image-to-video normalisé de sorte que l’écart entre deux prises réelles de la même scène donne un score de 100, PAN 2 atteint 93,2 ± 0,8 avec Claude Opus 5.5 qui rédige les légendes et 90,9 ± 0,4 sur sa configuration système par défaut, sur les graines 123 à 126. Le fait de changer le modèle de langage qui écrit la légende déplace le score de 2,3 points sur une échelle de cent points où un score parfait signifie être indiscernable de séquences réelles. Le même schéma apparaît dans les limites de la fiche de modèle : environ deux plans simulés sur trois contiennent au moins une étape qui n’est pas exécutée, les études de cas d’agents reposaient sur des prompts affinés manuellement, les actions de dextérité — comme l’endroit où chaque doigt entre en contact avec un objet — ne sont spécifiées que grossièrement dans le texte, et les légendes sont validées par rapport à une limite souple de 1 480 et une capacité stricte de 1 536 tokens. Le moteur de rendu n’est pas le problème signalé. La phrase qui décrit la scène l’est.

Pour SKY-001, le planificateur n’est pas mesuré comme une étape distincte, le goulot d’étranglement signalé est donc celui du moteur de rendu. Sur le benchmark de construction CAD de Skyfall — 1 000 composants échantillonnés à partir d’objets tels qu’une Jaguar E-Type Roadster, un bras de soudage FANUC ArcMate 100iB et un hélicoptère Bell 222, chacun nécessitant environ 100 étapes de dessin — SKY-001 reproduit 79,7 % de la géométrie de référence en IoU moyen, contre 79,1 % pour GPT-6 Astra et 76,9 % pour Gemini 4. Sur le benchmark BIM, 1 000 plans d’étage à environ 70 étapes de dessin chacun, il atteint 43,6 % contre 42,3 % pour Gemini 3.8 Flash et 40,6 % pour GPT-6 Astra. Six dixièmes de point et 1,3 point constituent les avances architecturales. Le chiffre absolu est inférieur à la moitié d’un plan d’étage.

Lus ensemble, et lus uniquement pour l'ampleur relative au sein des rapports de chaque fournisseur, le planner est le levier le plus important dans l'un comme dans l'autre document. Changer le rédacteur de légendes de PAN 2 le fait progresser davantage que tout l'avantage architectural de SKY-001 sur son concurrent le plus proche. Les benchmarks sont différents et les scores ne sont pas comparables ; l'essentiel est de savoir où se situe la variance propre à chaque équipe.

Les benchmarks ne partagent ni harnais, ni juge, ni politique de référence.

PAN 2 est rapporté de quatre manières, et trois d’entre elles impliquent le jugement de quelqu’un d’autre. Physics-IQ Verified est un benchmark public doté d’un classement, et l’entrée de PAN 2 utilise Claude Opus 5.5 comme raisonneur, tandis que la colonne « par défaut du système » exécute le pipeline propre à chaque concurrent tel qu’IFM l’a piloté. PhyGround est une échelle en cinq points jugée par Qwen3.8-27B, c’est-à-dire l’opinion d’un autre modèle plutôt qu’une mesure physique ; PAN 2 obtient 3,98 et 4,11 sur les deux configurations rapportées dans le rapport. RBench est une moyenne non pondérée sur cinq catégories de tâches et quatre catégories d’embodiment multipliée par 100, où PAN 2 obtient 83,7 et 73,5. Les références de modèles fermés portent un dagger parce qu’elles ont été générées une seule fois chacune plutôt que sur plusieurs graines. Il y a aussi une étude humaine en aveugle : 140 prompts, 13 évaluateurs, 1 400 comparaisons par paires, ajustées à un modèle de Bradley–Terry avec un Elo centré sur 1500 et des intervalles de confiance à 95 %. Et il y a le propre banc d’essai d’IFM — 300 cas de test à action unique répartis en 201 image-vers-vidéo et 99 texte-vers-vidéo sur six capacités, plus 100 tâches égocentriques à plusieurs étapes posées sous forme de 200 prompts et 456 étapes, rapportés en moyenne ± écart-type sur trois graines.

SKY-001 est présenté de deux façons, toutes deux provenant de Skyfall, toutes deux évaluées par l’IoU par rapport à une forme de référence, et toutes deux avec les modèles concurrents pilotés par Skyfall via un prompting one-shot. Il n’y a aucune barre d’erreur sur l’ensemble, et aucun tiers n’a reproduit le moindre chiffre. Une lecture attentive des tableaux met en évidence trois points à connaître avant de les citer.

Premièrement, les propres pages du fournisseur se contredisent. Le panneau de CAO 3D de la page produit affiche SKY-001 à 76,1 % contre GPT-6 Astra à 73,4 %, avec Claude Opus 5.5 à 61,8 %, Gemini 3.8 Flash à 45,9 %, Qwen 3.8 Max à 26,6 % et Kimi K3 à 6,5 %. Le benchmark de construction indique 79,7 % contre 79,1 %. Des tâches différentes, des scores différents, les mêmes noms de modèles dans les deux — et Claude Opus 5.5, le moteur de raisonnement qui fait grimper le chiffre Physics-IQ de PAN 2, n’apparaît que dans l’un des deux.

Deuxièmement, le multiplicateur de vitesse est indiqué de trois manières différentes dans trois documents publiés le même jour : 51× dans le graphique du blog, 49× sur la page produit, 100× dans le communiqué de presse. L’arithmétique tranche — 199 secondes divisées par 3,9 donnent 51,0 — mais cela montre que les chiffres principaux ont été rédigés par des personnes différentes qui n’ont pas comparé leur travail.

Troisièmement, la colonne des coûts n’est pas expliquée. Skyfall indique 0,005 $ par cas de CAO et 0,0024 $ par plan, sans préciser s’il s’agit d’un prix catalogue, de temps de GPU loué ou d’une inférence auto-hébergée amortie. Ce sont trois affirmations différentes, et la différence compte surtout pour les modèles que Skyfall a exécutés lui-même plutôt qu’appelés.

Rien de tout cela ne rend faux le récit d'efficacité de SKY-001. Un avantage de vitesse de 51 fois et un avantage de coût de 150 fois sur le meilleur concurrent, avec une précision identique, est une affirmation bien réelle portant sur une charge de travail bien réelle. Cela le rend non vérifié, ce qui est une autre affaire.

Combien cela coûte à exploiter, et quelle part de ce coût est connaissable

La puissance de calcul de PAN 2 est publiée sous forme de recette que vous pouvez chiffrer vous-même. Le déploiement par défaut comprend huit H200 en BF16, avec le guidage sans classifieur réparti sur deux rangs et le parallélisme de séquence Ulysses réparti sur deux, et le décodage VAE découpé en quatre tuiles. La recette de serving indique treize secondes de vidéo en 704×1248 en environ 119 secondes sur quatre B300. Il n’y a pas de prix catalogue à la seconde, car IFM n’exploite pas de point de terminaison hébergé ; le chiffre qui vous intéresse est ce que votre fournisseur facture pour les GPU, multiplié par le nombre de secondes par clip que vous générez réellement.

La puissance de calcul de SKY-001 n’est publiée sous aucune forme permettant d’en établir le prix. Il n’existe ni nombre de paramètres, ni description matérielle, ni chiffre de débit, ni point de terminaison. Ce qui existe, c’est un coût fournisseur par cas dont la composition n’est pas divulguée, ainsi qu’un formulaire de liste d’attente.

Cette asymétrie pèse davantage sur cette comparaison que les écarts de benchmark. L’un de ces modèles peut être évalué sur vos propres données cet après-midi, sur votre propre matériel, à un coût que vous pouvez prévoir. L’autre ne peut faire l’objet que de lectures.

La seule partie de l’une ou l’autre pile que vous pouvez louer dès aujourd’hui

Ni PAN 2 ni SKY-001 ne figurent sur OrcaRouter, et aucun des deux ne peut y être routé : PAN 2 est un checkpoint de 86 Go que vous déployez vous-même, et SKY-001 ne dispose d'aucune API à appeler. La partie du pipeline de PAN 2 qui est un modèle hébergé classique est la première — le raisonneur conceptuel qui transforme votre requête en une légende de l'état du monde. IFM en a évalué quatre par ordre d'achèvement du plan complet : Claude Opus 5.5, GPT-6 Astra en effort moyen, Kimi K3 et Qwen3.8-Flash, et note que tout modèle capable de suivre des instructions peut être utilisé. Qwen3.8-Flash figure au catalogue d'OrcaRouter, ce qui signifie que l'étape de légende d'un déploiement de PAN 2 peut fonctionner avec une seule clé avec les tarifs catalogue des fournisseurs répercutés sans marge, et avec un basculement automatique si un fournisseur se dégrade au milieu d'un lot de plans. Cela vaut la peine d'être configuré avant l'étape de diffusion, pas après : le planificateur est là où se trouve la variance mesurée, c'est donc l'étape où un modèle moins cher et un second fournisseur méritent d'être testés l'un contre l'autre sur vos propres prompts.

Quel problème tenez-vous réellement ?

Si ce dont vous avez besoin est une prédiction de ce qu’une action fait à une scène, en pixels, au cours des prochaines secondes — pour un agent qui veut imaginer les résultats avant de choisir, ou pour un pipeline vidéo où la physique doit tenir —, PAN 2 est celui des deux conçu pour cela, et vous pouvez l’obtenir dès maintenant. Prévoyez un budget pour l’étape de légendage et pour le garde-fou : IFM fournit un dépôt de garde-fous distinct qui filtre la requête avec Qwen3Guard-Gen-4B avant la génération et la sortie avec un classificateur de trames Q16 après celle-ci, et dans son évaluation interne, ce couplage a fait passer la part des requêtes texte-vers-vidéo nuisibles produisant une vidéo non sûre de 33,9 % à 1,5 %, tout en bloquant 11,5 % des requêtes texte-vers-vidéo bénignes et 3,3 % des requêtes image-vers-vidéo bénignes. Une couche de sécurité qui vous coûte une requête bénigne sur neuf est un coût de production bien réel, pas une note de bas de page.

Si ce dont vous avez besoin est une intention de conception transformée en géométrie CAO ou BIM, SKY-001 est le seul des deux à viser cela, et vous ne pouvez pas l’obtenir. La solution de substitution honnête aujourd’hui est un modèle de langage de pointe intégré à votre chaîne d’outils CAO — précisément la configuration que mesurent les propres tableaux de SKY-001, avec un IoU de 9,5 % à 42,3 % selon le modèle et la tâche. C’est pourquoi la liste d’attente fait un travail réel plutôt que du marketing : l’alternative n’est pas un concurrent, c’est un chiffre moins bon.

Si ce qu’il vous faut est un moteur physique, aucun des deux. Les simulations de PAN 2 sont des prédictions, sa fiche le dit explicitement, et sa propre liste de limites inclut des simulations qui progressent tout en violant des contraintes physiques — des pâtes apparaissant dans la passoire avant d’être égouttées. SKY-001 dessine des conceptions et ne revendique nulle part une quelconque dynamique. Qualifier l’un ou l’autre de modèle du monde est exact au sens où les deux équipes emploient le terme, et trompeur au sens où un moteur de jeu l’emploie.

Ce qu’il faut surveiller, ce n’est pas le prochain benchmark. C’est de savoir si quelqu’un, en dehors de ces deux entreprises, reproduit un chiffre : si Skyfall publie le protocole IoU et la comptabilisation des coûts qui sous-tendent ses chiffres par cas, et si l’écart de performance entre le pipeline par défaut de PAN 2 et son meilleur raisonneur résiste au contact de prompts que personne n’a affinés à la main. Les deux sont des questions sur la même étape — celle qui décide de ce qui doit se produire, avant que quoi que ce soit ne soit dessiné.