PAN 2 מול Odyssey 3: מודל העולם היחיד כאן עם תג מחיר גם מפרסם את המספר הגרוע ביותר שלו

שתי טענות על הסקה פיזיקלית, שפורסמו בהפרש של שלושה שבועות, וההבדל ביניהן אינו הציון. PAN 2 הוא מודל העולם במשקלים פתוחים בעל 29 מיליארד פרמטרים של Institute of Foundation Models — משקלים ברישיון Apache-2.0 ב-7 באוקטובר 2026, קוד ב-5 בנובמבר, ותמיכת Day-0 ב-vLLM-Omni ב-10 בנובמבר — אשר מרנדר עד עשרים שניות של וידאו ב-704×1248 בקצב של 24 פריימים לשנייה, מתוך פריים התחלתי ופעולה מתוארת. Odyssey 3 הוא טרנספורמר הדיפוזיה האוטורגרסיבי בעל כ-14 מיליארד פרמטרים מבית Odyssey, שיצא כתצוגת מחקר חינמית ב-8 באוקטובר 2026 במחיר של כ-0.139 דולר לסרטון שנוצר במסלול הבסיסי ו-0.267 דולר ב-Pro. האחד הוא צ'קפוינט להורדה ללא מחיר. האחר הוא מוצר מחויב לפי שימוש ללא משקלים. והסיבה שהציוות הזה שווה מאמר ולא פסקה היא שהמוצר בתשלום פרסם הסתייגות בנוגע לבנצ'מרק שרוב המעבדות היו קוברות, בעוד שהאחד החינמי כלל לא נבחן בבנצ'מרק על ידי אף אחד.

ההיפוך הזה הוא החלק השימושי. האינסטינקט הוא לקרוא ל„משקלים פתוחים” כ„שקוף יותר” ול„API מסחרי” כ„שיווקי יותר”. כאן זה עובד בכיוון ההפוך, וההבנה מדוע מלמדת אותך יותר על הערכת מודלי עולם ב-2026 מאשר כל מיקום בטבלת דירוג.

מה שפרסמה Odyssey, כולל החלק שעולה לה בנקודה

Odyssey 3 Pro דיווח 66.1 ב-Physics-IQ Verified, בנצ'מרק להסקה פיזיקלית מווידאו לווידאו, ותיאר זאת כרמת המתקדמת ביותר. השיטה שמאחורי המספר הזה היא החלק המעניין: הוא הגיע מהרצה בודדת תוך שימוש בבחירה מסוג best-of-eight, בעוד שכללי הבנצ'מרק עצמם דורשים ארבע הרצות עם סטיית תקן מדווחת. ללא בחירה, הממוצע של ארבע ההרצות היה 63.37.

שני המספרים הם של Odyssey. הפער של 2.73 נקודות ביניהם הוא המחיר של לבחור את הטוב מבין שמונה דגימות ולקרוא לזה הציון, והעובדה ששני המספרים קיימים בפומבי היא יותר שקיפות ממה שהקטגוריה בדרך כלל מציעה. לפי המדד של הבנצ'מרק עצמו לשיפור נטו לעומת ממוצע המסלול, Odyssey 3 Pro מדורג שני עם +11.15 נקודות אחוז, אחרי FLUX 3 [large] עם +12.27. ב-WorldMark, ההערכה העצמית של Odyssey, הוא ראשון בשלושה מתוך ארבעה קטגוריות — 77.2 גוף ראשון מסוגנן, 79.0 גוף שלישי אמיתי, 76.3 גוף שלישי מסוגנן — ושלישי בגוף ראשון אמיתי עם 80.6, אחרי Lyra 2.0 עם 84.4 ו-AlayaWorld עם 83.0.

קראו את המספרים האלה כפי שקונה צריך לקרוא אותם, ושלושה דברים נובעים מכך. ראשית, המודל באמת תחרותי: מקום שני במדד השיפור של הבנצ'מרק עצמו אינו תוצר שיווקי. שנית, הוא לא מנצח בקטגוריה שבה הוא משווק, וההערכה שלו עצמו אומרת זאת באחד מארבעה מסלולים. שלישית, והשימושי ביותר, הנכונות של הספק לפרסם מספר נבחר ולצידו את הממוצע הלא־נבחר היא אות לגבי איך לקרוא את כל השאר שהוא מפרסם.

כעת נפנה את אותה עדשה אל PAN 2. IFM פרסמה היקף הערכה גדול בהרבה מרוב פרסומי מודלי הווידאו — 300 מקרים של פעולה בודדת על פני שש קטגוריות יכולות; 100 משימות רב-שלביות אגוצנטריות שהוצגו בשני האופנים, 200 פרומפטים ו-456 שלבים, שנוקדו לפי השלמת שלב והשלמת תוכנית מלאה על פני שלושה זרעים; Physics-IQ Verified בהגדרת image-to-video, בנרמול כזה שהשונות בין שני צילומים אמיתיים שווה ל-100; PhyGround לפי סולם של חמש נקודות שנשפט על ידי Qwen3.8-27B; RBench כממוצע לא משוקלל על פני חמש קטגוריות משימה וארבע קטגוריות התגלמות; ומחקר אנושי עיוור בהשוואה זוגית על 140 פרומפטים, עם שלושה-עשר סוקרים שהפיקו 1,400 השוואות, כאשר Elo הותאם בשיטת Bradley–Terry וממורכז ב-1500. מה ש-IFM לא פרסמה הוא הסתייגות בנוגע לבחירה, כי ככל שמופיע בכרטיס לא היה ממה לבחור: המספרים מדווחים כפלט של ה-harness.

שניהם ללא ביקורת. רק אחד מהם ניתן להשוות למשהו אחר, כי Odyssey הריצה בנצ'מרק ציבורי והנתונים המרכזיים של PAN 2 מגיעים מהרנס פרטי. ההבחנה הזו — בנצ'מרק מול הרנס — שווה יותר מהציונים עצמם.

שני מוצרים, שני סוגי חיכוך

המחיר הוא המקום שבו הכי קל להצהיר על ההשוואה והכי קשה לפעול לפיה.

• מחיר ליחידה — Odyssey 3 עולה בסביבות $0.139 לכל סרטון מיוצר ברזולוציית 832×480 במסלול הבסיסי, וכ-$0.267 ברזולוציית 1280×720 במסלול Pro; ל-PAN 2 אין מחיר ליחידה מכיוון שאין שירות מתארח, אלא רק משקלים וחשבון GPU.

• העלות האמיתית — המחיר של Odyssey 3 הוא העלות המלאה של קליפ; זה של PAN 2 הוא המכונה: שלוש־עשרה שניות של וידאו ב־704×1248 נמשכות בערך 119 שניות על ארבעה B300s, כאשר שמונה H200s ב־BF16 הן ברירת המחדל המתועדת.

• חיכוך בגישה — ל-Odyssey 3 יש דמו דפדפן חינמי שכל אחד יכול לפתוח, וגישה ל-API באמצעות טופס יצירת קשר ללא מפתחות בשירות עצמי וללא מחירון מפורסם; PAN 2 הוא 86.17 גיגה-בייט על פני שישים קבצים תחת Apache-2.0, ללא שער גישה וללא צורך בשיחה.

• משקלים — Odyssey 3 אינה מפרסמת כלל משקלים ואין לה רישיון לקרוא אותם; המשקלים של PAN 2 הם ברישיון Apache-2.0 ללא דרישת ייחוס, ללא סף משתמשים וללא הגבלת תחום שימוש.

• מהירות בהרנס — Odyssey 3 פועל ב-16 פריימים לשנייה ב-832×480, מזוקק לכמה צעדים כך שאדם יכול לנווט בזמן אמת; PAN 2 פועל ב-24 פריימים לשנייה לאורך חמישים צעדי דגימה בהנחיה 2.5.

חברו את חמש השורות האלה יחד ותראו ששני המוצרים מכוונים לקונים שונים. Odyssey 3 מתומחר עבור מי שרוצה קליפים ולא רוצה להחזיק דאטה סנטר — צוות תוכן, קבוצת מחקר שמריצה כמה אלפי יצירות, כל מי שהכלכלה היחידתית שלו היא לפי פלט. PAN 2 מתומחר עבור מי שכבר יש לו את הצומת, כי עבור כל השאר העובדה שהרישיון חינמי היא הדבר הכי פחות חשוב בו.

המספר החסר בשני הצדדים הוא אותו מספר, והוא אינו המחיר. אף אחד משני הספקים אינו מפרסם שיעור הצלחה עבור הדבר שבאמת חשוב לקונים. Odyssey הריצה מדיניות נהיגה, זרוע רובוטית והומנואיד בתוך העולמות שהיא מייצרת, והפרטים של אותן הדגמות ראויים לקריאה מדוקדקת — אך המספר שהקונה זקוק לו אינו נמצא באף אחת מהן: אין שיעור הצלחה במשימת הנהיגה, אין קו בסיס מול אימון בעולם האמיתי, ואין אבלציה שמראה איזה חלק מהעולם המיוצר עשה את העבודה.

המספר המקביל של PAN 2 גרוע יותר ופומבי. כרטיס המודל שלו קובע שכשני שלישים מהתוכניות המדומות מכילות לפחות שלב אחד שאינו מבוצע. זהו נתון מרשיע לכל מי שמקווה למסור את הפלט לרובוט, וזה גם המשפט השימושי ביותר בכל אחד משני הפרסומים, מפני שהוא מספר לך את שיעור הכשל של הדבר שעליו אתה עומד לבנות. ספק שמפרסם שיעור כשל של שניים משלושה וספק שאינו מפרסם שיעור כלל אינם אינפורמטיביים באותה מידה, ומי שמציג את המספר הרע הוא זה שאפשר לתכנן לפיו.

מה כל אחד מהם למעשה מייצר, ומדוע ההבדל הוא ארכיטקטוני

Odyssey 3 הוא טרנספורמר דיפוזיה אוטורגרסיבי בעל כ-14 מיליארד פרמטרים, שאומן על וידאו אינטרנט, צילומי משחק עם קלט מיושר בזמן ואינטראקציות מדומות של גופים קשיחים, ואז עבר זיקוק למודל של כמה צעדים כך שאדם יכול לנווט בפלט בזמן אמת: אתה נותן פרומפט לסביבה, נע בה בגוף ראשון או שלישי עם שליטה עצמאית במצלמה, ומפעיל אירועים תוך כדי. השכבות נבדלות רק במה שאפשר לראות — 832×480 בשכבה הבסיסית בכ-$0.139 לסרטון ו-1280×720 ב-Pro בכ-$0.267 — עם גרסת Flash מאחורי ההדגמה החינמית בדפדפן שכל אחד יכול לפתוח בלי חשבון.

PAN 2 הוא מרנדר אצווה שמודל שפה נמצא בתוכו. מנמק מושגי כותב את מצב העולם הבא כתיאור מובנה ומעוגן בזמן, מקודד טקסט קפוא של Qwen3.5-9B הופך אותו לתכונות התניה, שנאי דיפוזיה בגודל 29B משלים את הפרט התפיסתי, ו-VAE מסוג Wan 2.2 מפענח עשרים שניות בגודל 704×1248 בקצב של 24 פריימים לשנייה. אין לולאה אינטראקטיבית: קריאה אחת, קליפ אחד, בלי משוב בתוך הקריאה. מה שיש במקום זה הוא חוזה — מיומנות משכתב הפרומפטים, פרומפט שלילי קבוע ומאמת שבודק כתוביות מול תקציב המקודד של 1,480 טוקנים ברכות ו-1,536 בקשיחות, כשכרטיס הדגם מודה שמקרי הבוחן של הסוכן הסתמכו על פרומפטים שעובדו ביד.

ההבדל הזה קובע למה השניים מתאימים הרבה יותר מאשר המחיר. Odyssey 3 בנוי עבור אדם בסביבה: ליצור, להסתכל סביב, להתאים, ליצור שוב. PAN 2 בנוי עבור מכונה ששואלת שאלה: אם אעשה כך, מה יקרה, והאם בודק היה מעדיף אפשרות אחרת. הדוגמים מקודדים את הכוונה — שמונה צעדים מזוקקים לאחד, חמישים צעדים עם הנחיה של 2.5 בכל צעד לאחר — וכך גם הכשל שכל אחד מהם מתעד.

את ההדגמה אף אחת משתי החברות לא הפכה למדידה.

שתי ההשקות נשענות על ראיות וידאו של מדיניות הלומדת בתוך עולם שנוצר, ואף אחת מהן לא פרסמה את הנתון שיהפוך את הראיות לבעלות משקל.

Odyssey אימנה מדיניות נהיגה על כ-20 שעות של נתוני כבישים הודיים אמיתיים עם עמוד שדרה קפוא בתוך העולמות שהיא מייצרת, ובנפרד הציגה מניפולציה של זרוע רובוטית שנלמדה מעשרות שעות של הדגמות, כולל התנהגויות התאוששות שלא היו בנתוני האימון, מדיניות הומנואידיות שנבנו עם Flexion, ניווט רחפן, ומדיניות שאומנה על GTA V שעוברת ל-Red Dead Redemption 2. המעבר ממשחק למשחק הוא הטיעון החזק ביותר בעד מודל עולם וידאו כללי כמצע אימון, משום שאם מדיניות יכולה ללמוד מצילומי משחק אחד ולעבוד באחר, המודל קלט משהו על דינמיקה ולא על פיקסלים. מה שחסר הוא כל שיעור הצלחה שפורסם במשימת הכביש ההודי, כל בסיס השוואה מול אימון בעולם האמיתי, וכל אבלציה שמראה איזה חלק מהעולם שנוצר עשה את העבודה.

ל-PAN 2 אין הדגמת מדיניות מסוג זה, ויש בו משהו שאין ל-Odyssey: שיעור כשל מפורסם. כשניים מכל שלושה תוכניות מדומות מכילות לפחות שלב אחד שאינו מבוצע. הכרטיס שלו גם מודה בכך שדימוי תוכניות שאמורות להיכשל הוא, בלשונו, טרם נמדד — וזה חשוב עבור מצע אימון, מפני שעולם שמציג רק הצלחה מלמד מדיניות שכל דבר עובד.

הציבו את שתי ההודאות האלה זו מול זו והפער בקטגוריה נעשה גלוי. חברה אחת הדגימה העברה ולא מדדה מהימנות. האחרת מדדה אופן כשל ולא הדגימה העברה. אף אחד מהשניים אינו המחקר שדרוש לקונה, כלומר שני המודלים על משימה אחת עם מדיניות אחת ומדד אחד, שרץ מספיק פעמים כדי שסטיית התקן תהיה קטנה מהפער.

מה נתיבי הגישה גובים ממך בזמן ולא בכסף

החיכוך של Odyssey 3 הוא שיחה. יש תצוגה מקדימה ציבורית חינמית של המחקר בדפדפן, גישה ל-API דרך טופס יצירת קשר, ללא מפתחות בשירות עצמי, ללא כרטיס תעריפים מפורסם לפי טוקן או לפי קליפ מעבר לנתוני השכבות, ללא משקלים פתוחים וללא רישיון לקרוא. עבור צוות שרוצה לבחון מודל מול עומס העבודה שלו אחר הצהריים, זהו מכשול שונה ממחיר: אפשר לנסות את ההדגמה ואפשר לדבר עם המכירות, ואף אחד מהם לא נותן לך סביבת בדיקה ניתנת לשחזור.

החיכוך של PAN 2 הוא מכונה. המשקולות הן 86.17 ג'יגה־בייטים על פני שישים קבצים תחת Apache-2.0, ללא שער, ללא צורך בשיחה — ואז מגלים שתצורת ההגשה המתועדת היא צומת, שהדוגם דורש מאה מעברי פורוורד לכל קליפ, ושקליפ של עשרים שניות ב־704×1248 הוא בעיית פענוח בפני עצמה לפני שאפילו דנים במקביליות. הרישיון בחינם והחומרה לא, וזו אותה עסקה שכל קטגוריית המשקולות הפתוחות עורכת, וזו שהקונים הכי często טועים בה.

אף אחד משני החיכוכים אינו פגם. הם שני הצורות ששחרור מחקרי לובש ב-2026: מוצר עם מחיר וטופס, או צ'קפוינט עם רישיון וחשבון. לדעת איזו צורה אתם יכולים לספוג היא מסנן שימושי יותר מכל מיקום ב-benchmark, והוא המסנן שרוב הצוותים מיישמים אחרון במקום ראשון.

למה מיועד כל אחד מהם — מוצר של 16 פריימים לשנייה ומודל מחקר של 24 פריימים לשנייה

שתי החברות משתמשות בביטוי זמן אמת, ואף אחת מהן אינה מתכוונת לאותה כמות. Odyssey 3 ב-16 פריימים לשנייה הוא 62.5 אלפיות השנייה לפריים, מהר מספיק כדי שאדם שמכוון מצלמה לא ירגיש בהשהיה — זה מה שמוצר צריך, ולכן המודל מזוקק לכמה צעדים ולא לחמישים. עשרים השניות של PAN 2 ב-24 פריימים לשנייה אינן אינטראקטיביות כלל; זהו רינדור אצווה שעלותו נמדדת בדקות-צומת, ומטרתו להפיק קליפ שסוכן או חוקר בוחן לאחר מכן.

ההשלכה לכל מי שמתכנן עבודה היא שהשניים שמישים בלופים שונים. Odyssey 3 מתאים לתהליך עבודה שבו האדם נמצא בלופ: ליצור, להסתכל, להתאים, ליצור שוב — במחיר נמוך מספיק כדי שאיטרציה תהיה זולה. PAN 2 מתאים ללופ אוטומטי: ליצור חמש השלכות מועמדות, לתת להן ציון באמצעות בודק, לפעול לפי הטובה ביותר — במחיר גבוה מספיק כדי שתחשוב לפני שאתה מפעיל את האצווה. האחד מייעל עבור השהיה לכל קליפ, והשני עבור נאמנות לכל קליפ, והגדרות הדגימה הופכות את הפשרה למפורשת — חמישים צעדים עם guidance של 2.5 בכל צעד הם מאה מעברי forward דרך שנאי 29B, לעומת שמונה צעדים מזוקקים דרך מודל בדרגת 8 עד 14B.

קיים גם הבדל מבני באופן שבו ניתן להשתמש בפלט. העולמות המחוללים של Odyssey 3 שימשו לאימון מדיניות נהיגה וזרוע רובוטית, וזו הראיה הציבורית החזקה ביותר לכך שמודל עולם וידאו כללי יכול לשמש כמצע אימון לבקרה מגולמת. הפלט של PAN 2 לא עשה זאת, וכרטיס הדגם שלו מציין במפורש שסימולציה של תוכניות שאמורות להיכשל טרם נמדדה — וזה חשוב, משום שמצע אימון שמראה רק הצלחה מלמד מדיניות שהכול עובד. גם ההדגמות של Odyssey אינן פותרות זאת: מדיניות שאומנה בעולמות מחוללים ומעולם לא הוערכה מול בסיס השוואה מהעולם האמיתי היא תוצאה מבטיחה, לא שיטה מאומתת.

המקום שבו OrcaRouter משתלב בכל אחד מהשניים הוא שכבת ההערכה ולא שכבת היצירה, וכדאי להיות מדויקים. לא PAN 2 ולא Odyssey 3 נמצאים בקטלוג שלנו: האחד הוא מודל דיפוזיה של 29B שאתם מריצים על הצומת שלכם, השני הוא מוצר מתארח שנמכר דרך טופס יצירת קשר, ואף נתב לא יכול לשרת אף אחד מהם. מה שכן ניתן לנתב הוא המערך שסביבם, שבשני המקרים הוא המקום שבו ההוצאה האמיתית מצטברת — שופט חזותי-לשוני שמדרג קליפים שנוצרו לפי רובריקה, מתכנן שהופך שאלת מחקר למקבץ של פרומפטים, כותב כיתובים שמייצר את תיאורי מצב-העולם המובנים שמקודד הטקסט של PAN 2 צורך בתוך תקציב של 1,480 טוקנים ברכות ו-1,536 בקשיחות. אלה אלפי קריאות רגילות למודל שכל פלט שלו עולה לכם דקת GPU, וזה בדיוק סוג העומס שבו מפתח יחיד ליותר מ-200 מודלים, מחיר המחירון של הספקים מועבר הלאה במרווח של 0% ומעבר אוטומטי לגיבוי בין ספקים מפסיקים להיות נוחות ומתחילים להיות ההבדל בין אצווה שמסתיימת לבין אחת שמתה ב-80%.

איך לקרוא את הבא מבין אלה

שלוש שאלות, לפי הסדר, ואף אחת מהן אינה "מה הציון שהוא קיבל".

האם המספר מגיע מבנצ'מרק ציבורי או מהרנס פרטי? הממוצע של Odyssey על פני ארבע ריצות, 63.37, ניתן להשוואה לרשומות אחרות באותו מסלול. נתוני השלמת השלבים של PAN 2 לא ניתנים להשוואה לשום דבר, כי אף אחד אחר לא מריץ את ההרנס הזה. שניהם לגיטימיים; רק אחד מהם ניתן להעברה.

האם הציון נבחר? מספר "הטוב משמונה" וממוצע של ארבע ריצות מודדים דברים שונים, וספק שמפרסם את שניהם אמר לך איזה מהם לצטט. ספק שמפרסם רק את הראשון גם הוא אמר לך משהו.

מהו שיעור הכשל במשימה שחשובה לך? PAN 2 עונה על כך בכך ששתיים מכל שלוש תוכניות מדלגות על שלב. Odyssey לא עונה על כך לגבי ניסוי הכביש בהודו. ההיעדר אינו חוסר יושר — איש לא ערך את המחקר — אבל קונה שלא שואל קונה הדגמה.

כשמיישמים זאת על הבחירה שלפניך: Odyssey 3 הוא הכלי הנגיש. דמו חינמי בדפדפן, טופס יצירת קשר, מחיר לכל קליפ שאפשר להכפיל, ומספר בנצ׳מרק עם שיטה מתועדת מאחוריו. אם אתה צריך לנסות מודלי עולם השבוע והתקציב שלך הוא לפי קליפ, זה היחיד מבין השניים שאפשר להתחיל איתו, וההסתייגות היא ש"נגיש" פירושו שיחת מכירה ולא מפתח.

PAN 2 הוא הכלי הניתן לביקורת. משקלות, קוד, מתכון הגשה, חוזה כיתוב עם תקציב טוקנים, מעקה בטיחות עם נתוני חיובי-שווא מצורפים — 11.5% מבקשות תמימות של טקסט לווידאו ו-3.3% מבקשות תמימות של תמונה לווידאו נדחו, בעוד שפלט לא בטוח של טקסט לווידאו ירד מ-33.9% ל-1.5% — וקטע מגבלות שפותח בשיעור הכשל. אם יש לך את החומרה ואתה צריך לדעת איך הדבר עובד ולא רק שהוא עובד, זו המהדורה המלאה יותר בקטגוריה בפער ניכר.

מה שיכריע את ההשוואה הוא המחקר שאף אחת מהחברות לא ערכה: שני המודלים, משימה אחת, מדיניות אחת, מדד אחד, ומספיק הרצות כך שסטיית התקן תהיה קטנה מהפער. איש לא הציע אותו. עד שמישהו יעשה זאת, הסיכום המדויק הוא שהמודל בתשלום פרסם מספר מתועד היטב יותר והמודל החינמי פרסם מספר גרוע יותר, והמודל החינמי הוא זה שאפשר לבדוק.