PAN 2 vs ABot-Earth 0.7: Due modelli del mondo, separati da un asse

Entrambi si chiamano modelli del mondo. Entrambi sono usciti negli ultimi due mesi del 2026. Entrambi ti mostreranno un luogo in cui non sei mai stato. E non sono sostituti l'uno dell'altro in nessun senso che interessi a un acquirente, perché PAN 2 prevede ciò che accadrà dopo in una scena nell'arco dei venti secondi successivi, mentre ABot-Earth 0.7 genera una città di scala chilometrica che puoi attraversare a piedi per tutto il tempo che vuoi. Uno è un modello delle conseguenze. L'altro è un modello dei luoghi. Se stai scegliendo tra i due per un progetto, il primo passo onesto è notare che la domanda «quale sia migliore» non ha risposta, mentre la domanda utile — quale dei due serve davvero alla tua pipeline, e puoi procurartelo? — una risposta ce l'ha.

La seconda domanda è dove i due divergono nettamente, e non è una questione di gusti. PAN 2 viene distribuito come 86,17 gigabyte di pesi Apache-2.0 con il supporto per il serving integrato in vLLM-Omni; puoi scaricarlo oggi pomeriggio ed eseguirlo sulle tue GPU. ABot-Earth 0.7 è un sistema di produzione all'interno dell'app consumer di Amap, senza API pubblica, senza pesi e con una whitelist per la sua funzione di generazione. Uno di questi è un artefatto che puoi tenere in mano. L'altro è una dimostrazione che puoi guardare.

Ciò che ognuno emette, precisamente

PAN 2 riceve un'osservazione — un primo fotogramma opzionale più una descrizione testuale — e un insieme di azioni descritte in testo, e restituisce un MP4. Internamente è una macchina a due stadi: un modello linguistico scrive una didascalia strutturata e ancorata al tempo dello stato del mondo, un encoder testuale congelato la mappa in feature di condizionamento, e un transformer di diffusione multimodale da 29B renderizza fino a venti secondi di video 704×1248 a 24 fotogrammi al secondo. L'output è breve, costoso e specifico: risponde a "cosa fa questa azione a questa scena", e la risposta è limitata a venti secondi perché ogni clip è simulata da al massimo un fotogramma iniziale.

ABot-Earth 0.7 prende un'immagine satellitare georeferenziata, oppure un prompt testuale, e restituisce una scena 3D Gaussian Splatting con strutture gerarchiche di livello di dettaglio, esportabile in Unreal Engine e Unity. Amap — la divisione cartografica di Alibaba — l'ha svelato alla serata di gala Street Stars di Hangzhou il 10 settembre 2026, descrivendolo come il primo modello nativo di mondo urbano 3D e sostenendo che bastano circa dieci minuti per generare un ambiente su scala chilometrica su una singola GPU consumer. L'output è un luogo, non un istante: lo si esplora, non lo si aspetta mentre si risolve.

Messe a confronto, la forma della discrepanza è evidente.

Output — {{1}}PAN 2{{/1}} restituisce un MP4 di 20 secondi a 704×1248 e 24 fps; {{2}}ABot-Earth 0.7{{/2}} restituisce una scena 3DGS con strutture LOD, esportabile in Unreal e Unity.

• Input — PAN 2 riceve un primo fotogramma più una didascalia d'azione strutturata; ABot-Earth 0.7 riceve un'immagine satellitare o un prompt testuale.

• Orizzonte temporale — PAN 2 simula alcuni secondi nel futuro e, oltre tale limite, va alla deriva tra le clip; ABot-Earth 0.7 è statico nel tempo, un'istantanea di un luogo che non evolve.

Dispositivo — La configurazione di servizio predefinita documentata di PAN 2 prevede otto H200 in BF16, con una ricetta a quattro B300 per tredici secondi in 119 secondi; ABot-Earth 0.7 viene dichiarato su una GPU di livello consumer per un chilometro in dieci minuti.

• Accesso — PAN 2 è Apache-2.0 su Hugging Face, senza restrizioni, con il codice su GitHub; ABot-Earth 0.7 non ha pesi, né un'API pubblica, e presenta una funzione di generazione solo su invito.

• Valutazione indipendente — nessuno dei due ne ha una. Entrambi i set di numeri provengono dai laboratori che hanno costruito i modelli.

Tempo e spazio non sono lo stesso asse.

La distinzione che sta alla base di tutto ciò merita di essere enunciata, perché cambia a cosa serve ciascun modello. ABot-Earth estende una scena nello spazio: da una singola tessera satellitare sintetizza gli edifici, le strade e gli interni che vedresti se ci volassi, e li mantiene coerenti mentre passi dalla vista d'insieme della città al livello della strada. La sua promessa è copertura e fedeltà su scala.

PAN 2 estende una scena nel tempo: da un singolo fotogramma e un'azione descritta predice i fotogrammi che seguono, e ciò che cerca di riprodurre correttamente è la catena causale — lo spruzzo cambia quando cambia l'oggetto, perché sono cambiate la massa e l'area superficiale, e il modello ha appreso quella relazione invece di memorizzare uno spruzzo. La prospettiva di IFM è che un modello linguistico predice la parola successiva e PAN 2 predice il mondo successivo, e la demo diffusa l'11 novembre 2026 lo rende concreto: fai cadere una fragola in una ciotola, poi trasformala in una papera di gomma, poi cambia il liquido, e le tre simulazioni differiscono in modi che derivano dalla fisica.

Un'applicazione che ha bisogno dell'uno raramente ha bisogno dell'altro. Un team di robotica che valuta prese candidate ha bisogno dell'asse di PAN 2. Un prodotto di mappatura, un'implementazione di gemelli digitali o uno studio di videogiochi che costruisce un ambiente ha bisogno di quello di ABot-Earth. La sovrapposizione è una fascia ristretta in cui qualcuno vuole collocare una città generata all'interno di una simulazione e poi animare ciò che accade al suo interno — e lì, i due si comporrebbero anziché competere, se la seconda metà fosse ottenibile.

Il confronto che fa davvero presa: riesci a eseguirlo?

Sul piano delle capacità i due sono incomparabili e nessuno ha provato a confrontarli. Sul piano degli appalti sono il giorno e la notte.

La storia dell'accesso a PAN 2 è insolitamente completa per una release di ricerca. I pesi sono stati resi disponibili il 7 ottobre 2026 con una model card, le configurazioni e una skill di riscrittura dei prompt; il repository GitHub con gli script di inferenza e addestramento è seguito il 5 novembre; vLLM-Omni ha integrato il supporto Day-0 text-to-video e image-to-video il 10 novembre e la stessa sera è arrivata una pagina recipe, che documenta la configurazione con quattro B300 e quella predefinita con otto H200. IFM ha pubblicato il proprio annuncio su X alle 17:00 UTC del 10 novembre — cinquantasei minuti dopo il merge del framework — con il testo "Presentiamo PAN 2: un world model di base aperto per l'intelligenza fisica." Nessun post sul blog, nessun link al paper, nessun endpoint ospitato, nessun prezzo. Ma il modello stesso è scaricabile e la licenza ne consente l'uso commerciale.

La storia dell'accesso ad ABot-Earth 0.7 è l'opposto. Il sito di esperienza è online, ma la generazione è solo su invito: l'interfaccia descrive la creazione come in beta e offre una richiesta di whitelist. Non ci sono prezzi pubblicati, né un listino, né documentazione per sviluppatori che descriva come un sistema esterno potrebbe chiamarlo. La release 0.5 di giugno ha pubblicato un rapporto tecnico su arXiv e un repository su GitHub, e quel repository ospitava il rapporto anziché un'implementazione; nulla di quanto annunciato con la 0.7 suggerisce che i pesi siano stati aperti. Il sito è inoltre interamente in cinese semplificato, senza selettore di lingua, quindi valutarlo in inglese significa basarsi sui materiali stampa di Amap.

Per la maggior parte dei team, questo chiude il confronto prima ancora che si parli di capacità. Un modello che non puoi invocare non è un candidato; è un benchmark per ciò che la categoria sarà quando diventerà indirizzabile.

Cosa ha Amap che IFM non ha, e perché non è trasferibile

Il motivo per cui ABot-Earth 0.7 merita di essere preso sul serio nonostante il problema di accesso è che non è una demo da laboratorio. Alimenta Flying Street View 2.0, la funzionalità per i consumatori che ha sostituito i sorvoli a percorso fisso con uno spazio 3D liberamente esplorabile, e Amap afferma che più di 880 milioni di persone hanno usato la superficie Street Stars che la ospita. Sono in corso test per location selezionate in città tra cui Pechino e Hangzhou, con casi d'uso che l'azienda cita concretamente: verificare la linea di visuale da uno specifico posto a teatro, orientarsi all'interno di un centro commerciale, valutare il terreno prima di un viaggio.

Dietro tutto questo c'è una posizione sui dati che nessun laboratorio di modelli può replicare rapidamente: Amap dichiara quasi un miliardo di utenti attivi mensili, chiamate giornaliere di posizionamento Beidou che nei picchi si avvicinano a un trilione e decenni di dati spaziotemporali accumulati che coprono reti stradali, punti di interesse e traffico in tempo reale. L'architettura 3DGS è un lavoro pubblicato. Il corpus che ne sta alla base no.

Niente di tutto ciò aiuta uno sviluppatore esterno, ed è proprio questo l’aspetto che la copertura del lancio tende a sorvolare. Le cifre di punta di Amap — dieci minuti per chilometro quadrato, fino a 1.000 volte più veloce della ricostruzione tradizionale a circa 1/100 del costo, oltre 196 Paesi e regioni, un output 3DGS pronto per Unreal e Unity — sono tutte dichiarate dal fornitore, nessuna riprodotta in modo indipendente, e fornite insieme a una whitelist anziché a un endpoint. Il lancio al pubblico è di per sé una forma di prova che il sistema funziona su scala. Non è la prova che tu possa eseguirlo.

Dove ognuno si guadagna il proprio posto in una build

Supponiamo per un momento che tu possa ottenere entrambi, dato che è la situazione verso cui si sta dirigendo la categoria. La separazione è netta.

PAN 2 è un filtro per le azioni candidate. Il suo design presuppone un agente già nel loop: il ragionatore concettuale è un qualsiasi modello linguistico che segue le istruzioni, e IFM ne ha classificati quattro in base al completamento dell'intero piano — Claude Opus 5.5, GPT-6 Astra con impegno medio, Kimi K3, Qwen3.8-Flash — il che indica che la forma prevista è un ragionatore che propone piani e un simulatore che ne rende le conseguenze, così che il ragionatore possa sceglierne uno. Il costo di quel loop è l'aspetto attorno a cui pianificare, non la qualità video: cinquanta passi del campionatore con guidance a ogni passo sono cento passaggi forward attraverso un transformer da 29B per clip, e un piano da cinque candidati e dieci passi equivale a cinquanta clip.

Quello slot del reasoner è l'unico elemento dello stack che non richiede alcun cluster GPU, e tutti e quattro i modelli classificati di IFM sono presenti nel catalogo OrcaRouter. Pilotare il riscrittore di prompt tramite una singola chiave API consente di cambiare planner per esperimento anziché per contratto, con il failover automatico che assorbe il degrado del provider e i prezzi di listino dei provider trasferiti con markup dello 0%, così che una variazione dei prezzi del fornitore sia attiva sull'endpoint il giorno stesso in cui avviene, anziché dopo un ciclo di approvvigionamento. OrcaRouter non ospita PAN 2 e non può instradarlo — la metà diffusion resta sul tuo hardware — ma la metà che decide cosa simulare è normale lavoro testuale a consumo, ed è lì che risiede davvero la varianza da esecuzione a esecuzione.

ABot-Earth è una fabbrica di ambienti. Il suo output naturale è un luogo in cui collocare le cose: un terreno di addestramento per agenti incarnati, un gemello digitale, dati di guida sintetici, un palcoscenico per una simulazione. Se mai rilascerà un'API, il flusso di lavoro che abilita è complementare a quello di PAN 2, non ridondante — generare il mondo una volta, poi simulare azioni al suo interno — e i formati di esportazione che Amap già pubblicizza sono il punto di congiunzione.

Cosa cambierebbe questa pagina

Per ABot-Earth 0.7, una cosa prima di tutto: un'API pubblicata con un prezzo. Quel singolo passo trasforma una whitelist in un candidato e rende significativo il confronto dei costi rispetto alla bolletta GPU di PAN 2. Dietro ci sono tre incognite minori — se un rapporto tecnico sulla 0.7 compaia affatto, dato che la 0.5 ne aveva uno nel giro di pochi giorni; se i pesi saranno aperti, il che lo renderebbe una proposta davvero diversa per i team di simulazione che Amap dice di stare corteggiando; e se qualcuno al di fuori di Amap riproduca l'affermazione dei dieci minuti per chilometro quadrato su hardware di sua proprietà.

Per PAN 2, il tassello mancante è uno studio sui fallimenti. La sua model card ammette che circa due piani simulati su tre contengono almeno un passaggio che non viene eseguito, e che non è ancora misurato quanto fedelmente simuli i piani che dovrebbero fallire. Un simulatore che non riesce a mostrarti un esito negativo è un filtro a metà. Sarebbe utile anche una valutazione indipendente dei numeri sulle capacità; ogni cifra nel rapporto di IFM proviene dal suo harness, con un panel di tredici revisori per lo studio umano.

Quale scegliere

Se hai bisogno di un luogo — una città, l'interno di un edificio, un terreno, qualunque cosa che altrimenti ricostruiresti con dati di rilievo — PAN 2 non può aiutarti e ABot-Earth 0.7 è il sistema più impressionante, ma non puoi ancora averlo, quindi la risposta pratica è restare sulla tua pipeline di ricostruzione attuale e tenere d'occhio un'API. Se hai bisogno di sapere cosa fa un'azione prima di compierla, ABot-Earth non può aiutarti affatto — una scena statica non contiene conseguenze — e PAN 2 è uno dei pochi modelli a pesi aperti che ci prova, con pesi, codice, ricetta di serving e tasso di errore tutti pubblicati.

Il confronto che la gente cerca, come se questi fossero prodotti rivali su uno scaffale, non esiste. Ciò che esiste è una categoria — i modelli del mondo — che si divide lungo un asse che gran parte della copertura non si è presa la briga di nominare. Un lato modella dove si trovano le cose. L'altro modella ciò che succede dopo. Alla fine del 2026, solo uno dei due arriva con un link per il download.