PAN 2 vs Hi3D v1.0: Due modelli che si rifiutano entrambi di dirti quanto è grande qualunque cosa

Chiedi a uno di questi modelli un mondo e la prima cosa che perdi è il righello. PAN 2 è il modello del mondo open-weight da 29 miliardi di parametri dell'Institute of Foundation Models, su Hugging Face come checkpoint Apache-2.0 dal 7 ottobre 2026, con codice il 5 novembre e supporto vLLM-Omni Day-0 il 10 novembre: dagli un fotogramma iniziale e un'azione descritta e renderizza fino a venti secondi di video 704×1248 a 24 fotogrammi al secondo che mostrano la conseguenza. Hi3D v1.0, precedentemente Sparc3D, è un raffinatore di geometria open-weights annunciato il 23 ottobre 2026 che prende un'immagine più una mesh grossolana e ne restituisce una più densa, solo in geometria, con ogni risultato ricentrato e normalizzato a raggio unitario. Uno restituisce un'immagine in movimento senza alcuna pretesa metrica; l'altro restituisce una forma statica con la sua scala assoluta deliberatamente eliminata. Nessuno dei due ti dirà se la cosa che hai davanti è larga un metro, ed entrambi sono più utili una volta che smetti di aspettarti che lo facciano.

Quella omissione condivisa è la base onesta di un confronto. L'impostazione consueta — 3D contro video, o geometria contro dinamica — è vera e poco utile, perché fa sembrare la scelta una preferenza. L'impostazione che decide qualcosa è ciò che ciascun modello ti consegna, ciò che scarta per arrivarci e ciò che ti è consentito fare con il risultato in seguito.

Cosa ti consegna ciascuno, voce per voce

Nomina l'oggetto di output prima di nominare qualsiasi capacità, perché i due oggetti non sono lo stesso tipo di cosa.

• Input — PAN 2 accetta un primo frame opzionale più una didascalia d'azione strutturata, perfezionata da una skill di riscrittura del prompt; Hi3D v1.0 accetta una singola immagine e una mesh grossolana dello stesso oggetto.

• Output — PAN 2 restituisce un MP4 di massimo venti secondi; Hi3D restituisce geometria dei vertici e nient'altro, senza colore, senza texture, senza materiale e senza colore dei vertici.

• Tempo — PAN 2 esiste per essere eseguito in avanti, e ogni clip è una previsione di una conseguenza; Hi3D non ha alcun asse temporale e restituirebbe per sempre la stessa mesh per gli stessi due input.

• Scala — PAN 2 non avanza alcuna affermazione metrica su qualsiasi cosa renderizzi; Hi3D normalizza ogni risultato al raggio unitario, scartando intenzionalmente la dimensione assoluta.

• Struttura del batch — PAN 2 esegue il rendering di una clip per chiamata; Hi3D lavora con batch size pari a uno.

• Risoluzione dell'output — PAN 2 esegue il rendering a 704×1248 a 24 fotogrammi al secondo per un massimo di venti secondi; Hi3D affina fino a una risoluzione effettiva della griglia di estrazione sparsa di 1536°, ovvero una densità di vertici anziché un conteggio di pixel.

• Accesso — PAN 2 è di 86,17 gigabyte distribuiti su sessanta file, senza restrizioni, Apache-2.0; Hi3D è scaricabile secondo la propria Hi3D Open License, esente da royalty per uso commerciale con un'attribuzione "Powered by Hi3D 1.0".

• Hardware — L'impostazione predefinita documentata di PAN 2 prevede otto H200s in BF16, con una recipe che porta tredici secondi di video a circa 119 secondi su quattro B300s; Hi3D è stato convalidato su un singolo H20 da 96GB senza alcun percorso di inferenza su CPU.

• Cosa puoi verificare da solo — la scheda di PAN 2 descrive il suo harness in modo sufficientemente dettagliato da poterlo contestare: 300 casi a singola azione distribuiti su sei categorie di capacità, 100 attività multi-step valutate sul completamento dei singoli passaggi e del piano completo su tre seed, e uno studio pairwise in cieco con tredici revisori; la scheda di Hi3D afferma che il codice di training e l'harness di valutazione del paper non sono inclusi nella release, quindi non è possibile rieseguire le sue dichiarazioni sulla qualità a partire dal download.

Quelle nove righe sono l'intera decisione d'acquisto, e otto di esse sono descrizioni di ciò che ciascuno strumento accetta e restituisce anziché affermazioni su quanto sia buono.

Il numero che entrambi i modelli eliminano, e perché

La normalizzazione di Hi3D è documentata e facile da trascurare: ogni mesh rifinita viene ricentrata e normalizzata a raggio unitario. È una pratica standard nell'apprendimento della geometria, perché una rete che deve regredire coordinate assolute spreca capacità su una scala che le potrebbe essere comunicata, e perché i set di addestramento assemblati da scansioni e asset raramente concordano sulle unità. Significa anche che una mesh prodotta da Hi3D non può essere inserita in una scena alle dimensioni del mondo reale senza che tu riapplichi un fattore di scala che devi conoscere da qualche altra fonte. La geometria rifinita è priva di metriche per costruzione.

L'omissione di PAN 2 è più sottile e riceve meno attenzione di quanta ne meriti. Il modello restituisce una conseguenza fisicamente coerente — la demo della fragola, in cui scambiare il frutto o il liquido cambia lo schizzo, è l'enunciazione più chiara dell'idea che qualcuno abbia mai prodotto — e lo fa senza mai affermare una distanza. Il segnale di addestramento è video, l'output è video, e il video non ha scala intrinseca: un primo piano di un ditale e un campo lungo di un secchio sono lo stesso tensore. L'elenco stesso delle scorciatoie nella scheda del modello indica la stessa lacuna dall'altro lato, con la pasta che compare nello scolapasta prima che venga scolata — una scena che è progredita senza la fisica che sarebbe dovuta accadere.

Questo è il motivo per cui non si può costruire un simulatore di guida a partire da PAN 2, per quanto possa diventare bravo con gli spruzzi. Una rete stradale richiede larghezze di corsia in metri e ritorni lidar in centimetri, e un modello la cui intera rappresentazione del mondo è video latente non ha dove mettere né gli uni né gli altri. È anche il motivo per cui Hi3D non può fornire quei metri: affina la forma di un singolo oggetto, a una scala che ha eliminato con la normalizzazione, da un'immagine che non conteneva profondità.

Se la tua pipeline necessita di un output metrico, la metrica deve entrare da qualche parte prima di entrambi i modelli — da un sensore di profondità, da un marker di dimensioni note nel fotogramma, da un file CAD — ed entrambi i modelli si trovano a valle di quella decisione anziché prenderla. Vale la pena dirlo chiaramente, perché l'alternativa è che un team lo scopra dopo una settimana di integrazione.

La modificabilità è la differenza che sopravvive al contatto con un progetto

Il video generato è un vicolo cieco per la revisione. Se PAN 2 genera un piano in cui un cassetto si apre e una tazza viene rovesciata, e vuoi che il cassetto si apra più lentamente, non modifichi il clip; riscrivi la didascalia e paghi per altre cento passate in avanti attraverso un transformer da 29B. La didascalia è l'unica superficie modificabile, ed è davvero valida — strutturata, ancorata al tempo, con azioni legate agli attori e il movimento della fotocamera esplicitato — ma opera a livello di "cosa succede", non di "dove va questo vertice".

Una mesh rifinita è il tipo opposto di artefatto. L'output di Hi3D si apre in un software di modellazione, viene retopologizzato, viene texturizzato altrove, viene collocato. La rifinitura è un unico passo irreversibile in una pipeline altrimenti piena di passi reversibili, ed è esattamente ciò che vuole un team di contenuti: uno strumento che migliora un blockout e poi si fa da parte.

Ecco la composizione che esiste davvero, detta senza esagerare. Un blockout grossolano rifinito da Hi3D diventa un prop dettagliato; un scene builder colloca il prop; un modello del mondo in stile PAN 2 rende ciò che accade quando qualcosa agisce su di esso. I due sono fasi adiacenti, non concorrenti. Ciò che non esiste è un ciclo: Hi3D non può prendere un fotogramma di PAN 2 e restituirti la geometria, perché un singolo fotogramma video senza profondità e con scala sconosciuta non è un problema di mesh che Hi3D è stato creato per risolvere.

Il punto in cui un livello di routing si guadagna il suo posto in quella pipeline è il lavoro linguistico di raccordo, più che l'uno o l'altro modello. Generare didascalie per un render affinché un simulatore possa usarle come condizione, scrivere la descrizione strutturata dello stato del mondo che l'encoder testuale di PAN 2 consuma con un budget di 1.480 token soft e 1.536 hard, giudicare se un frame generato corrisponde al brief — queste sono normali chiamate a modello a consumo, e circondano entrambi gli strumenti. OrcaRouter porta più di 200 modelli dietro un'unica API a markup dello 0% sul prezzo di listino del provider, con failover automatico tra provider, così un autore di didascalie e un critico dei render possono condividere una chiave e un percorso di fallback. Né PAN 2 né Hi3D v1.0 è in quel catalogo e nulla qui suggerisce il contrario: il renderer è il tuo nodo, il refiner è la tua GPU, e ciò che instradiamo è il collante.

Due licenze che ti dicono chi dovrebbe essere il cliente

Entrambi i modelli sono sufficientemente aperti da poter essere scaricati, e i termini divergono in un modo che è più informativo dei pesi.

PAN 2 è Apache-2.0: nessun requisito di attribuzione oltre al testo della licenza, nessuna soglia di utenti, nessun vincolo legato ai ricavi, nessuna restrizione sul campo d'uso. Puoi fare fine-tuning, quantizzarlo, inserirlo in un prodotto e non dire nulla al riguardo. Per un diffusion transformer da 29 miliardi di parametri, addestrato da zero su centinaia di milioni di video da un laboratorio affiliato a un'università, è una scelta insolitamente permissiva, ed è la più grande differenza pratica tra PAN 2 e i modelli chiusi con cui di solito viene confrontato.

Hi3D v1.0 è esente da royalty per uso commerciale con un'attribuzione "Powered by Hi3D 1.0", e un accordo separato subentra oltre 200.000 utenti attivi mensili o 1 milione di dollari di ricavi mensili. Quella soglia è un'impronta digitale: dice che il cliente previsto è uno studio, una piattaforma o un fornitore di strumenti, e dice che gli autori si aspettano che il modello venga incorporato anziché studiato. Sotto la soglia non costa nulla; sopra, si sta negoziando.

Nessuna delle due licenze è una trappola. Sono scommesse diverse su a cosa serva l'apertura: quella di PAN 2 punta all'adozione come infrastruttura, quella di Hi3D punta all'adozione con una conversazione commerciale collegata, una volta che sei abbastanza grande da poterne avere una.

La fattura hardware, che non è vicina

I requisiti di Hi3D sono rigorosi ed economici da soddisfare se la macchina è già in tuo possesso: Linux, Python 3.10, una GPU NVIDIA con compute capability 8.0 o superiore, CUDA tra 12.0 e 12.5, flash-attn senza percorso di fallback, nessuna inferenza su CPU, validato su una singola H20 da 96 GB. Una workstation da studio li soddisfa. La modalità di errore è il vincolo sulla versione di CUDA e l'assenza di fallback, non la memoria.

I requisiti di PAN 2 sono di una categoria diversa. Otto H200 in BF16 sono il default documentato, con in aggiunta il parallelismo dei patch VAE su quattro tile, perché decodificare una clip di venti secondi a 704×1248 è un problema di memoria a sé. Il dato di 119 secondi per tredici secondi su quattro B300 proviene dalla recipe vLLM, ed è il numero che trasforma ogni questione di progettazione in un problema aritmetico: cinquanta passi del sampler con un flow shift di 9 e una guidance di 2.5 a ogni passo equivalgono a cento forward pass attraverso il transformer da 29B per clip, e un planner che valuta cinque azioni candidate per ogni passo di un task in dieci passi richiede cinquanta clip.

Quindi il confronto dei costi non è "quale costa meno". È che uno di questi è uno strumento da workstation e l'altro è un carico di lavoro da cluster, e un team che può permettersi il primo potrebbe non riuscire affatto a eseguire il secondo. Questa asimmetria non rende PAN 2 peggiore. Rende la decisione facile per chiunque abbia un budget GPU di una sola scheda.

Quale domanda stai effettivamente ponendo

Se il tuo problema è che un blockout è troppo grossolano, o che un prop scansionato non ha dettagli fini, Hi3D v1.0 è lo strumento e PAN 2 è irrilevante — non c'è nulla in un generatore video che ti darà vertici. Prevedi nel budget lo stack CUDA, controlla la dipendenza flash-attn prima di promettere una data di consegna, e ricorda che la mesh arriva con raggio unitario.

Se il tuo problema è che devi vedere cosa fa un'azione prima di impegnarti — valutazione del piano, dati controfattuali, un robot o un agente che previsualizza le proprie scelte — PAN 2 è l'unico dei due a rispondere, e risponde in pixel con un passo saltato in circa due piani su tre secondo la sua scheda. Inserisci un verificatore nel ciclo, mantieni i tuoi prompt entro il budget di token e tratta ogni clip come un'ipotesi anziché come una misura.

Se hai bisogno di entrambi, costruisci la pipeline nell'ordine in cui gli artefatti fluiscono effettivamente: input metrico per primo, geometria secondo, conseguenza terzo, e un modello linguistico a ogni giuntura in cui una rappresentazione deve diventare un'altra. Questo richiede più ingegneria di quanto implichi l'annuncio di ciascun modello, ed è la forma con cui è finito ogni serio stack di world model del 2026.

Ciò che cambierebbe questa pagina è un modello che produce geometria con scala metrica e un asse temporale — un output 4D con unità. Niente in nessuna delle due release lo indica. Finché qualcosa non lo farà, il riepilogo accurato è che PAN 2 ti mostra cosa succede e Hi3D affina ciò che c'è, che nessuno dei due dirà quanto è grande, e che la seconda limitazione è quella che decide silenziosamente quali dei tuoi progetti possono usare l'uno o l'altro.