ל-PAN 2 היה נתיב הגשה עוד לפני שהוכרז

בשעה 16:03 UTC ב-10 בנובמבר 2026, בקשת Pull Request שהוסיפה תמיכת Day-0 ביצירת וידאו מטקסט ומתמונה של PAN 2 סיימה להתמזג אל vLLM-Omni. בשעה 20:55 UTC באותו יום, בקשת Pull Request שנייה הוסיפה את עמוד המתכון שמסביר כיצד להגיש אותו. PAN 2 הוא טרנספורמר דיפוזיה לווידאו בן 29 מיליארד פרמטרים מהמכון למודלי יסוד ב-MBZUAI, והסיבה ששני המיזוגים האלה הם הסיפור היא הסדר שבו הם הגיעו. מאגר Hugging Face מתוארך ל-7 באוקטובר 2026 ומאגר GitHub ל-5 בנובמבר, כך שבמשך חמישה שבועות העקבות הפומביות היחידות של המודל היו מטא-נתוני המאגר. ההצהרה הראשונה ממקור ראשון שאוכל למצוא היא פוסט בודד מחשבון ה-X של המעבדה עצמה, @IFM_AI, עם חותמת זמן של 17:00 UTC ב-10 בנובמבר — חמישים ושש דקות לאחר המיזוג אל vLLM-Omni וכמעט ארבע שעות לפני המתכון. הוא אומר "מציגים את PAN 2: מודל עולם-בסיס פתוח לאינטליגנציה פיזית", כולל וידאו, ואינו מקשר לשום דבר מעבר לעצמו. אין רשומת בלוג, אין כתובת URL למאמר, אין endpoint מתארח, אין עמוד תמחור, אין הודעה לעיתונות. אז מסלול ההגשה אכן קדם להכרזה, וההכרזה, כשהופיעה, הייתה קטנה מהמיזוג: כמה מאות לייקים וצמד פסקאות. מה שקיים הוא 86.17 GB של checkpoint ברישיון Apache-2.0, אינטגרציה למסגרת עבודה, וציוץ אחד.

מה בעצם נכנס, ובאיזה סדר

ארבעה דברים נפרדים קרו, וערבוב ביניהם הוא הסיבה לכך שהפצה שקטה נחשבת בטעות להשקה.

• המשקולות — IFM/PAN2 ב-Hugging Face, המאגר נוצר ב-7 באוקטובר 2026 בשעה 23:42 UTC, שונה לאחרונה ב-9 בנובמבר 2026 בשעה 21:52 UTC עם קומיט שהוסיף תמיכה בבודק בטיחות כרכיב פייפליין מודולרי של Diffusers. שישים קבצים, 86.17 GB, ללא הגבלת גישה, Apache-2.0.

• הקוד — github.com/ifm-ai/PAN2, נוצר ב-5 בנובמבר 2026, עם קומיט בודד שנדחף בשעה 20:13 UTC באותו יום. לא סתם מאגר מחקרי עם README מת: יש בו סקריפטים לאינפרנס, נעיצות סביבה, קונפיגורציות אימון, סקיל לשכתוב פרומפטים ותיעוד לפריסה, אימון ואינפרנס.

• מסלול ההגשה — vLLM-Omni PR #8602 לתמיכת Day-0 בטקסט-לווידאו ובתמונה-לווידאו, מוזג ב-10 בנובמבר בשעה 16:03 UTC, וכן PR #10126 של המתכון של vLLM, מוזג באותו ערב בשעה 20:55 UTC.

• ההצהרה — @IFM_AI ב-X, 10 בנובמבר בשעה 17:00 UTC: "מציגים את PAN 2: מודל עולם בסיס פתוח לאינטליגנציה פיזית." שתי פסקאות, סרטון, ללא קישור לפוסט, למאמר או לדף.

סדר הדברים הזה יוצא דופן, וההכרזה היא הפריט שהופך אותו למוזר יותר ולא לרגיל יותר. בדרך כלל מעבדה מכריזה, מפרסמת משקלים, ותמיכת פריימוורקים מחלחלת לאורך השבועות הבאים בזמן שמשתמשים פותחים בעיות. כאן המיזוג לפריימוורק הגיע ראשון, ההכרזה הגיעה חמישים ושש דקות לאחר מכן, והמתכון הגיע ארבע שעות אחרי זה. הפריט הציבורי המשמעותי ביותר בחייו הקצרים של המודל הוא עדיין בקשת משיכה (pull request), מה שאומר לך משהו על איך שהשחרור הזה נוהל: כהפצת ארטיפקטים לאנשים שקוראים מאגרים, עם פוסט ברשת חברתית שצורף כמעט כמחשבה שנייה.

מה שהמאגר יספר לך

יותר מרוב פוסטי ההשקה. PAN 2 הוא מודל עולם, לא מחולל וידאו עם נטייה קינמטית — ההבחנה היא ארכיטקטונית ולא רטורית. הוא מיישם את תבנית ה-Generative Latent Prediction המתוארת בביקורת על מודלים עולמיים (arXiv 2507.05169) ומפצל את המשימה לשניים. מנוע הסקה מושגי, שהוא כל מודל שפה העוקב אחר הוראות, קורא את התצפית ואת הפעולות המבוקשות וכותב את מצב העולם הבא ככיתוב מובנה ומעוגן בזמן: אירועים לפי הסדר, פעולות הקשורות לשחקנים, תנועת מצלמה. מקודד טקסט קפוא ממפה את הכיתוב הזה לתכונות התניה. לאחר מכן, שנאי דיפוזיה רב-מודלי בנפח 29B, שאומן מאפס על מאות מיליוני סרטונים שתויגו באותו פורמט, חוזה את הפרטים התפיסתיים שהכיתוב מותיר פתוחים. ה-VAE של Wan 2.2 מפענח את הלטנטים, ומה שמתקבל הוא וידאו של עד 20 שניות ב-704×1248 ובקצב של 24 פריימים לשנייה.

התצורה שפורסמה מפורטת מספיק כדי לתמחר אותה. תצורת ה-Transformer מפרטת 44 שכבות, 32 ראשי קשב ב-128 ממדים כל אחד, גודל patch של 1×2×2, 97 ערוצי קלט ו-48 ערוצי פלט. הדוגם (sampler) בברירת מחדל הוא 50 צעדים ב-flow shift של 9 עם הנחיה נטולת מסווג (classifier-free guidance) של 2.5 בכל צעד. אורך ברירת המחדל הוא 241 פריימים, כעשר שניות; התקרה היא 481 פריימים. מקודד הטקסט הוא Qwen3.5-9B, קפוא וללא שינוי, וה-VAE הוא של Wan 2.2. שניהם מורדים מהמאגרים שלהם — MBZUAI אינה מפיצה אותם מחדש, וכרטיס המודל מקפיד לציין זאת.

יש גם סקיל של משכתב־פרומפטים שמגיע עם הריפו, עם פרומפט מערכת, פרומפט שלילי קבוע וולידטור שבודק את הכיתובים מול תקציב הטוקנים של מקודד הטקסט: מגבלה רכה של 1,480 טוקנים וקיבולת קשיחה של 1,536. זהו הפריט הבודד השימושי ביותר בחבילה. הוא מספר לך שהמודל לא ממש מסתדר טוב עם טקסט חופשי, ושהצוות יודע את זה.

מה זה לא יגיד לך

כמעט כל מה שקונה היה שואל. אין מחיר, כי אין API. אין נקודת קצה מתארחת מ-MBZUAI. אין מבחן עצמאי: המספרים בכרטיס המודל הם של הצוות עצמו, שנמדדו במערכת הבדיקה שלהם, והכרטיס ער בצורה יוצאת דופן לגבי התנאים — Physics-IQ Verified מנורמל כך שהשונות בין שני טייקים אמיתיים שווה ל-100, PhyGround נוקד בסולם של חמש נקודות על ידי Qwen3.8-27B, ו-RBench כממוצע לא משוקלל על פני חמש קטגוריות משימה וארבע קטגוריות התגלמות. אלה בחירות ניתנות להגנה, ואף אחת מהן אינה אימות של צד שלישי.

ההערכה האנושית היא הראיה החזקה ביותר בשחרור, וגם המוגבלת ביותר. העדפה עיוורת בזוגות על פני 140 פרומפטים — 90 מטקסט לווידאו, 50 מתמונה לווידאו — שנשפטו לפי נאמנות לפעולה, פיזיקה ועקביות עולם על ידי 13 סוקרים לאורך 1,400 השוואות, כאשר Elo הותאם בשיטת Bradley–Terry ומרכזו ב-1500. שלושה עשר סוקרים הם פאנל קטן, והם שפטו את המודל של הצוות עצמו מול בסיסי השוואה. זה יותר ממה שרוב המעבדות מפרסמות. זה לא לוח דירוג.

וסעיף המגבלות בוטה יותר מהמקובל בז'אנר: כשניים מכל שלושה תכנונים מדומים כוללים לפחות שלב אחד שאינו מבוצע. המשפט הזה לבדו הוא המספר החשוב ביותר בהודעה, והוא זה שפוסט השקה היה מטמין.

נתון התפוקה במתכון הוא הסיפור האמיתי

תמיכת פריימוורק חשובה בגלל מה שהמתכון טוען, לא בגלל שנוסף לוגו. דף המתכון של vLLM מציין ש-PAN 2 מייצר 13 שניות של וידאו ב-704×1248 בכ-119 שניות על ארבעה GPUs מסוג B300, תוך שימוש במקביליות classifier-free-guidance על פני שני ranks ומקביליות רצף של Ulysses על פני שניים. תצורת ברירת המחדל היא שמונה כרטיסי H200 ב-BF16, ופקודת ה-serve המתועדת מוסיפה מקביליות patch של VAE על פני ארבעה ranks במצב tile — פרט שמשנה רק מפני שפענוח קליפ של 20 שניות ב-704×1248 הוא בעיית זיכרון בפני עצמה.

קראו את המספרים האלה אל מול הגדרות הדגימה. חמישים צעדים עם הנחיה בכל צעד פירושם מאה מעברי קדימה דרך טרנספורמר 29B לכל קליפ. זו הסיבה שהמדריך מריץ את ההנחיה במקביל ולא ברצף. זו גם הסיבה שהשאלה המעשית לגבי PAN 2 אינה "עד כמה זה טוב" אלא "כמה עולה לי קליפ", והתשובה במתכון של הספק עצמו היא צומת עם ארבעה GPUs למשך שתי דקות לכל שלוש־עשרה שניות של וידאו. אף אחד לא פרסם תצורה זולה יותר, וברירת המחדל של המתכון עם שמונה H200 מרמזת שהמערך של ארבעה B300 הוא פתרון דחוק ולא בסיס נוח.

אם אתה רוצה לנסות את זה, המתכנן הוא החלק שאתה יכול לשכור

לעיצוב הדו-שלבי של PAN 2 יש השלכה מעשית מוזרה. החצי היקר — עמוד השדרה של הדיפוזיה עם 29B פרמטרים — הוא החצי שאתם חייבים לארח בעצמכם, משום שאיש אינו מציע אותו כשירות ו-MBZUAI לא בנתה אחד כזה. החצי הזול, המנמק המושגי שכותב את תיאור מצב-העולם המובנה, הוא מודל טקסט רגיל ויכול להיות כל מודל שעוקב אחר הוראות.

כאן נתב מוכיח את ערכו. דוח PAN 2 מעריך ארבעה מודלי חשיבה ומדרג אותם לפי השלמת תוכנית מלאה: Claude Opus 5.5 במקום הראשון, אחריו GPT-6 Astra במאמץ בינוני, אחריו Kimi K3, ולבסוף Qwen3.8-Flash. Qwen3.8-Flash זמין ב-OrcaRouter, כך שתוכלו להפעיל את שלב הכיתוב של PAN 2 דרך מפתח API אחד עם מעבר אוטומטי בין ספקים (failover) במקום להקים מודל מקומי נוסף לצד סטאק הדיפוזיה, ולשלם את מחיר המחירון של הספק עם 0% תוספת שעוברת הלאה. הרנדרר נשאר על ה-GPU שלכם; המתכנן לא חייב להישאר שם.

תהיה ברור לגבי מה זה כן ומה זה לא. OrcaRouter לא מארח את PAN 2 ולא יכול לנתב אליו — אין PAN 2 באירוח בשום מקום שאליו אפשר לנתב. מה שהוא כן יכול לעשות הוא להשאיר את החצי הלשוני של צינור מודל עולם על API מחויב לפי שימוש, בזמן שאתה מתאים את החצי הווידאו לחומרה שלך. אם תעדיף להריץ את שני השלבים מקומית, המאגר תומך גם בכך, וסקריפט משכתב הפרומפטים נכלל בדיוק למקרה הזה.

מה ייחשב להכרזה

שלושה דברים, בסדר עולה של חשיבות. פוסט, מאמר או עמוד מ-IFM או מ-MBZUAI שמזכיר את PAN 2 ומציין תאריך שחרור או גרסה — הציוץ מ-10 בנובמבר סיפק את החצי הראשון של זה ולא את השני. נקודת קצה מתארחת להסקה, שתאפשר השוואת עלויות מול מודלי וידאו סגורים ולא מול שכירות GPU. ובנצ'מרק עצמאי שהורץ על ידי מי שאינו מחבר המודל — Physics-IQ, PhyGround או RBench שקיבלו ניקוד מצד שלישי, על פרומפטים שהצוות לא בחר.

עד שלפחות הראשון מביניהם יגיע במלואו, התיאור הכנה של PAN 2 הוא זה: פריט מחקר ב-Apache-2.0 עם נתיב שירות עובד, פורמט פרומפט מתועד, סעיף מגבלות גלוי, פוסט אחד ברשת חברתית וללא הצעה מסחרית מאחוריו. זה יותר מאשר פריפרינט ופחות מאשר מוצר. תמיכת הפריימוורק שהגיעה ב-10 בנובמבר לא הפכה אותו להשקה. היא הפכה אותו למשהו שאנשים שאינם רוצים לתקן מאגר כדי לקבל פריים ראשון יכולים להריץ.

שורה תחתונה

PAN 2 הוא המקרה הנדיר שבו ההנדסה מקדימה את הניירת. אם אתם בונים סימולציית סוכנים, הערכת רובוטיקה או מחקר של חשיבה פיזית, ויש לכם צומת עם ארבעה GPUs, המשקלים נמצאים שם, המתכון נמצא שם, והתכנון הדו-שלבי מתועד מספיק כדי לשחזר אותו. אם אתם צריכים מחיר לכל קליפ, הסכם רמת שירות או ספק להתקשר אליו, שום דבר מזה עדיין לא קיים, והמיזוגים מ-10 בנובמבר לא יצרו אותו. המודל הושק בשקט, אם בכלל אפשר לקרוא לזה "השקה" כשמדובר במאגר, במיזוג ובפוסט בן שתי פסקאות. האם הוא אי פעם יוכרז במובן שקונה היה מזהה היא שאלה נפרדת מהשאלה אם הוא עובד, ורק לאחת מהן יש תשובה היום.