PAN 2 vs Hi3D v1.0: Dua Model yang Sama-sama Menolak Memberi Tahu Seberapa Besar Ukuran Apa Pun

Mintalah dunia kepada salah satu model ini dan hal pertama yang hilang adalah penggaris. PAN 2 adalah model dunia berbobot terbuka berparameter 29 miliar dari Institute of Foundation Models, tersedia di Hugging Face sebagai checkpoint Apache-2.0 sejak 7 Oktober 2026 dengan kode pada 5 November dan dukungan vLLM-Omni Day-0 pada 10 November: beri ia frame awal dan aksi yang dijelaskan, dan ia merender hingga dua puluh detik video 704×1248 pada 24 frame per detik yang menunjukkan konsekuensinya. Hi3D v1.0, sebelumnya Sparc3D, adalah penyempurna geometri berbobot terbuka yang diumumkan pada 23 Oktober 2026 yang menerima satu gambar plus mesh kasar dan mengembalikan mesh yang lebih padat, hanya dalam geometri, dengan setiap hasil dipusatkan ulang dan dinormalisasi ke radius satuan. Yang satu menghasilkan gambar bergerak tanpa klaim metrik; yang lain menghasilkan bentuk statis dengan skala absolutnya sengaja dihapus. Keduanya tidak akan memberi tahu Anda apakah benda di depan Anda lebarnya satu meter, dan keduanya lebih berguna setelah Anda berhenti mengharapkan hal itu.

Ketiadaan bersama itulah dasar yang jujur untuk sebuah perbandingan. Kerangka yang biasa dipakai — 3D versus video, atau geometri versus dinamika — benar tetapi tidak membantu, karena membuat pilihan itu terdengar seperti sekadar preferensi. Kerangka yang benar-benar menentukan segalanya adalah apa yang diberikan masing-masing model kepada Anda, apa yang dibuangnya untuk sampai ke sana, dan apa yang boleh Anda lakukan dengan hasilnya setelah itu.

Apa yang diberikan masing-masing kepada Anda, satu per satu

Namai objek keluaran sebelum menamai kemampuan apa pun, karena kedua objek itu bukan jenis hal yang sama.

• Input — PAN 2 menerima satu frame pertama opsional plus keterangan aksi terstruktur yang disempurnakan oleh skill prompt-rewriter; Hi3D v1.0 menerima satu gambar dan mesh kasar dari objek yang sama.

• Keluaran — PAN 2 mengembalikan MP4 berdurasi hingga dua puluh detik; Hi3D mengembalikan geometri verteks dan tidak ada yang lain, tanpa warna, tanpa tekstur, tanpa material, dan tanpa warna verteks.

• Waktu — PAN 2 ada untuk dijalankan ke depan, dan setiap klip adalah prediksi atas suatu konsekuensi; Hi3D sama sekali tidak memiliki sumbu waktu dan akan selamanya mengembalikan mesh yang sama untuk dua input yang sama.

• Skala — PAN 2 tidak membuat klaim metrik apa pun tentang apa yang direndernya; Hi3D menormalkan setiap hasil ke radius satuan, dengan sengaja membuang ukuran absolut.

• Bentuk batch — PAN 2 merender satu klip per panggilan; Hi3D menjalankan ukuran batch satu.

• Resolution of the output — PAN 2 renders 704×1248 at 24 frames per second for up to twenty seconds; Hi3D refines to an effective sparse extraction-grid resolution of up to 1536°, which is a density of vertices rather than a pixel count.

• Akses — PAN 2 berukuran 86,17 gigabyte dalam enam puluh file, tanpa pembatasan akses, Apache-2.0; Hi3D dapat diunduh berdasarkan Hi3D Open License miliknya sendiri, bebas royalti untuk penggunaan komersial dengan atribusi "Powered by Hi3D 1.0".

• Perangkat keras — default terdokumentasi PAN 2 adalah delapan H200 dalam BF16, dengan resep yang memproses video berdurasi tiga belas detik menjadi sekitar 119 detik pada empat B300; Hi3D divalidasi pada satu H20 96GB tanpa jalur inferensi CPU.

• What you can check yourself — PAN 2's card describes its harness in enough detail to argue with: 300 single-action cases across six capability categories, 100 multi-step tasks scored on step and full-plan completion over three seeds, and a blind pairwise study with thirteen reviewers; Hi3D's card states that training code and the paper's evaluation harness are not included in the release, so its quality claims cannot be re-run from the download.

Those nine rows are the whole purchase decision, and eight of them are descriptions of what each tool accepts and returns rather than claims about how good it is.

Angka yang dihapus kedua model, dan alasannya

Normalisasi Hi3D didokumentasikan dan mudah terlewat: setiap mesh yang telah disempurnakan dipusatkan ulang dan dinormalisasi ke radius satuan. Itu praktik standar dalam pembelajaran geometri, karena jaringan yang harus meregresi koordinat absolut membuang kapasitas pada skala yang sebenarnya bisa diberitahukan, dan karena set pelatihan yang dirakit dari hasil pemindaian dan aset jarang memiliki satuan yang sama. Ini juga berarti mesh yang dihasilkan Hi3D tidak dapat langsung dimasukkan ke dalam scene pada ukuran dunia nyata tanpa Anda menerapkan kembali faktor skala yang harus Anda ketahui dari sumber lain. Geometri yang telah disempurnakan bersifat tanpa metrik berdasarkan konstruksinya.

Penghilangan dalam PAN 2 lebih halus dan kurang mendapat perhatian daripada yang semestinya. Model itu menghasilkan konsekuensi yang koheren secara fisik — demo stroberi, di mana mengganti buah atau cairannya mengubah cipratan, adalah pernyataan paling jelas tentang gagasan itu yang pernah dihasilkan siapa pun — dan ia melakukannya tanpa pernah menegaskan jarak apa pun. Sinyal pelatihannya adalah video, keluarannya adalah video, dan video tidak memiliki skala intrinsik: close-up sebuah bidal dan bidikan lebar sebuah ember adalah tensor yang sama. Daftar pintasan milik kartu model itu sendiri menunjuk celah yang sama dari sisi lain, dengan pasta muncul di saringan sebelum ditiriskan — sebuah adegan yang berlangsung tanpa fisika yang seharusnya terjadi.

Inilah alasan simulator berkendara tidak dapat dibangun dari PAN 2, seberapa pun bagusnya ia dalam menghasilkan cipratan. Jaringan jalan membutuhkan lebar lajur dalam meter dan pantulan lidar dalam sentimeter, dan model yang seluruh representasi dunianya adalah video laten tidak punya tempat untuk menaruh keduanya. Ini juga alasan Hi3D tidak dapat menyediakan meter tersebut: ia menyempurnakan bentuk satu objek, pada skala yang telah dihilangkannya lewat normalisasi, dari gambar yang tidak memiliki kedalaman.

Jika pipeline Anda memerlukan keluaran metrik, metrik tersebut harus masuk di suatu titik sebelum salah satu model — dari sensor kedalaman, penanda berukuran diketahui dalam frame, file CAD — dan kedua model berada di hilir keputusan itu, bukan membuat keputusan tersebut. Itu layak dikatakan secara terus terang karena alternatifnya adalah tim baru menyadarinya setelah seminggu integrasi.

Kemudahan untuk diedit adalah pembeda yang bertahan saat berhadapan dengan sebuah proyek

Video yang dihasilkan adalah jalan buntu untuk revisi. Jika PAN 2 merender sebuah rencana di mana laci terbuka dan cangkir tertumpah, dan Anda ingin laci terbuka lebih lambat, Anda tidak mengedit klipnya; Anda menulis ulang caption dan membayar seratus forward pass lagi melalui transformer 29B. Caption adalah satu-satunya permukaan yang dapat diedit, dan itu benar-benar baik — terstruktur, berlandaskan waktu, dengan aksi yang terikat pada aktor dan gerakan kamera diuraikan — tetapi caption beroperasi pada tingkat "apa yang terjadi", bukan "ke mana verteks ini pergi".

Mesh yang disempurnakan adalah jenis artefak yang berlawanan. Keluaran Hi3D dibuka di aplikasi pemodelan, di-retopologi, diberi tekstur di tempat lain, lalu ditempatkan. Penyempurnaan itu adalah satu langkah ireversibel dalam pipeline yang selain itu penuh dengan langkah reversibel, dan itulah yang diinginkan tim konten: alat yang menyempurnakan blockout lalu menyingkir.

Inilah komposisi yang memang ada, dinyatakan tanpa berlebihan. Blockout kasar yang disempurnakan oleh Hi3D menjadi prop terperinci; pembangun scene menempatkan prop tersebut; model dunia bergaya PAN 2 merender apa yang terjadi ketika sesuatu bekerja padanya. Keduanya adalah tahap yang berdekatan, bukan pesaing. Yang tidak ada adalah loop: Hi3D tidak dapat mengambil frame PAN 2 dan mengembalikan geometri kepada Anda, karena satu frame video tanpa kedalaman dan dengan skala yang tidak diketahui bukanlah masalah mesh yang dirancang Hi3D untuk dipecahkan.

Tempat lapisan routing membuktikan nilainya dalam pipeline itu adalah pada kerja bahasa penghubung, bukan pada salah satu modelnya. Memberi caption pada sebuah render agar simulator dapat mengondisikannya, menulis deskripsi world-state terstruktur yang dikonsumsi encoder teks PAN 2 dengan anggaran 1.480 token soft dan 1.536 token hard, menilai apakah frame yang dihasilkan sesuai brief — semua itu adalah panggilan model biasa yang dihitung per pemakaian, dan semuanya berada di sekitar kedua alat tersebut. OrcaRouter membawa lebih dari 200 model di balik satu API dengan markup 0% atas harga daftar penyedia, dengan failover otomatis antarpengedia, sehingga penulis caption dan pengkritik render dapat berbagi satu key dan satu jalur fallback. Baik PAN 2 maupun Hi3D v1.0 tidak ada dalam katalog itu dan tidak ada apa pun di sini yang menyiratkan sebaliknya: renderer adalah node Anda, refiner adalah GPU Anda, dan yang kami rutekan hanyalah perekatnya.

Dua lisensi yang menunjukkan siapa pelanggan yang dimaksud

Kedua model cukup terbuka untuk diunduh, dan ketentuannya berbeda dengan cara yang lebih informatif daripada bobotnya.

PAN 2 adalah Apache-2.0: tidak ada persyaratan atribusi di luar teks lisensi, tidak ada ambang jumlah pengguna, tidak ada pemicu pendapatan, tidak ada pembatasan bidang penggunaan. Anda dapat menyempurnakannya, mengkuantisasinya, memasukkannya ke dalam produk, dan tidak mengatakan apa pun tentangnya. Bagi transformer difusi dengan 29 miliar parameter yang dilatih dari awal pada ratusan juta video oleh laboratorium yang berafiliasi dengan universitas, itu adalah pilihan yang luar biasa permisif, dan itu adalah perbedaan praktis terbesar antara PAN 2 dan model-model dunia tertutup yang biasanya dibandingkan dengannya.

Hi3D v1.0 bebas royalti untuk penggunaan komersial dengan atribusi "Powered by Hi3D 1.0", dan perjanjian terpisah berlaku di atas 200.000 pengguna aktif bulanan atau pendapatan bulanan $1 juta. Ambang batas itu adalah sidik jari: ini menunjukkan bahwa pelanggan yang dituju adalah studio, platform, atau vendor alat, dan menunjukkan bahwa para penulis mengharapkan model tersebut disematkan, bukan dipelajari. Di bawah ambang itu tidak ada biaya; di atasnya, Anda sedang bernegosiasi.

Kedua lisensi itu bukan jebakan. Keduanya adalah taruhan berbeda tentang untuk apa keterbukaan itu: milik PAN 2 adalah upaya untuk diadopsi sebagai infrastruktur, milik Hi3D adalah upaya untuk diadopsi dengan percakapan komersial yang menyertainya begitu Anda cukup besar untuk memilikinya.

Tagihan perangkat keras, yang tidak dekat

Persyaratan Hi3D ketat dan murah untuk dipenuhi jika Anda sudah memiliki mesinnya: Linux, Python 3.10, GPU NVIDIA dengan compute capability 8.0 atau lebih tinggi, CUDA antara 12.0 dan 12.5, flash-attn tanpa jalur fallback, tanpa inferensi CPU, divalidasi pada satu H20 96GB. Workstation studio bisa memenuhinya. Mode kegagalannya adalah pin CUDA dan tidak adanya fallback, bukan memori.

Kebutuhan PAN 2 berada di kategori yang berbeda. Delapan H200 dalam BF16 adalah default yang terdokumentasi, dengan paralelisme patch VAE di empat tile sebagai tambahan, karena mendekode klip 704×1248 berdurasi dua puluh detik merupakan masalah memori tersendiri. Angka 119 detik untuk tiga belas detik pada empat B300 berasal dari resep vLLM, dan itulah angka yang mengubah setiap pertanyaan desain menjadi pertanyaan aritmetika: lima puluh langkah sampler pada flow shift 9 dengan guidance 2.5 pada setiap langkah berarti seratus forward pass melalui transformer 29B per klip, dan perencana yang mengevaluasi lima aksi kandidat per langkah dari tugas sepuluh langkah membutuhkan lima puluh klip.

Jadi perbandingan biayanya bukanlah "mana yang lebih murah". Melainkan bahwa salah satunya adalah alat workstation dan yang lainnya adalah beban kerja cluster, dan tim yang mampu membiayai yang pertama mungkin tidak bisa menjalankan yang kedua sama sekali. Asimetri itu tidak membuat PAN 2 lebih buruk. Itu justru membuat keputusan menjadi mudah bagi siapa pun yang anggaran GPU-nya hanya untuk satu kartu.

Pertanyaan mana yang sebenarnya Anda tanyakan

Jika masalah Anda adalah blockout yang terlalu kasar, atau prop hasil pemindaian tidak memiliki detail halus, Hi3D v1.0 adalah alatnya dan PAN 2 tidak relevan — tidak ada apa pun dalam generator video yang akan memberi Anda vertex. Anggarkan stack CUDA, periksa dependensi flash-attn sebelum Anda menjanjikan tanggal pengiriman, dan ingat bahwa mesh tiba pada radius unit.

Jika masalah Anda adalah Anda perlu melihat apa yang dilakukan suatu tindakan sebelum Anda berkomitmen padanya — evaluasi rencana, data kontrafaktual, robot atau agen yang mempratinjau pilihannya — PAN 2 adalah satu-satunya dari keduanya yang menjawab, dan ia menjawab dalam piksel dengan langkah yang dihilangkan pada sekitar dua dari tiga rencana menurut kartunya sendiri. Rancang pemeriksa ke dalam loop, jaga prompt Anda tetap dalam anggaran token, dan perlakukan setiap klip sebagai hipotesis, bukan pengukuran.

Jika Anda membutuhkan keduanya, bangun pipeline dalam urutan artefak benar-benar mengalir: input metrik lebih dulu, geometri kedua, konsekuensi ketiga, dan model bahasa di setiap sambungan tempat satu representasi harus menjadi representasi lain. Itu lebih banyak rekayasa daripada yang tersirat dari pengumuman masing-masing model, dan itulah bentuk yang telah dicapai setiap tumpukan world-model serius pada 2026.

Yang akan mengubah halaman ini adalah model yang menghasilkan geometri dengan skala metrik dan sumbu waktu — keluaran 4D dengan satuan. Tidak ada apa pun di kedua rilis itu yang mengarah ke sana. Sampai ada yang melakukannya, ringkasan yang akurat adalah bahwa PAN 2 memperlihatkan kepada Anda apa yang terjadi dan Hi3D mempertajam apa yang ada, bahwa keduanya tidak akan menyebutkan seberapa besar ukurannya, dan bahwa keterbatasan kedua itulah yang secara diam-diam menentukan proyek-proyek Anda mana yang dapat menggunakan salah satunya.