PAN 2 vs Qwen3.8-27B: L'avversario è già dentro il modello

La maggior parte dei confronti tra modelli ha un confine netto: due checkpoint, due fornitori, scegline uno. Questo no, perché Qwen attraversa l'architettura di PAN 2 in tre punti contemporaneamente. PAN 2 carica Qwen3.5-9B come proprio text encoder congelato, il componente che trasforma una caption strutturata dello stato del mondo nelle feature di condizionamento consumate dal suo diffusion transformer da 29 miliardi di parametri. I punteggi PhyGround nel report tecnico di PAN 2 stesso sono valutati da Qwen3.8-27B, il modello con cui questa pagina lo confronta nominalmente. E Qwen3.8-Flash è uno dei quattro ragionatori concettuali che il report valuta per scrivere, innanzitutto, le caption di PAN 2. Quindi l'inquadramento onesto non è PAN 2 contro Qwen3.8-27B. È un modello del mondo video dell'Institute of Foundation Models della MBZUAI, pubblicato in sordina e mai lanciato ufficialmente, basato su componenti Qwen, valutato in parte da un giudice Qwen, confrontato con un modello visione-linguaggio da 27 miliardi di parametri di Alibaba che è un prodotto completo a sé stante. La domanda interessante è quali di queste relazioni dovresti considerare quando scegli cosa mettere in produzione.

Cosa significa e cosa non significa il DNA condiviso

Non significa che i due modelli siano comparabili. PAN 2 produce video; Qwen3.8-27B produce testo. Nulla in comune nell'encoder cambia questo, e non esiste alcun benchmark che li classifichi l'uno rispetto all'altro. Chiunque presenti un punteggio di confronto diretto sta presentando un'impressione.

Ciò che significa è che il confronto è insolitamente informativo sulla provenienza. Quando PAN 2 legge la tua didascalia, la legge attraverso un encoder Qwen che MBZUAI ha scaricato senza modifiche dal proprio repository, e la model card è esplicita sul fatto che i pesi di Qwen3.5-9B sono usati così come rilasciati e non sono stati fine-tuned da MBZUAI. Il budget di token imposto dal validatore del prompt — un limite soft di 1.480 token, un limite hard di 1.536 — è il budget di Qwen3.5-9B, non quello di PAN 2. E quando il report rivendica un numero PhyGround, quel numero è stato prodotto chiedendo a Qwen3.8-27B di valutare il video generato su una scala a cinque punti. Il giudice è il rivale.

Non è uno scandalo. Usare un potente modello aperto come valutatore automatico è prassi standard, e dichiararlo è meglio di quanto riescano a fare la maggior parte dei laboratori. Ma significa che la catena probatoria per PAN 2 passa attraverso la famiglia di modelli di Alibaba in tre punti distinti, e se stai valutando PAN 2 dovresti sapere quali dei suoi numeri sono misurazioni di PAN 2 e quali sono misurazioni di PAN 2 come visto da Qwen.

Qwen3.8-27B, alle sue condizioni

Il modello di Alibaba è un tipo di oggetto del tutto diverso: un modello linguistico causale da 27 miliardi di parametri con un encoder visivo, costruito sull'architettura Qwen3.5 con un layout ibrido — sedici ripetizioni di tre blocchi Gated DeltaNet seguite da un blocco Gated Attention, 64 livelli in totale, una dimensione nascosta di 5.120 e un vocabolario con padding di 248.320 token. Il contesto nativo è di 262.144 token, estensibile a un milione. È Apache-2.0, è stato pubblicato su Hugging Face il 5 agosto 2026 e ha 7,4 milioni di download mensili.

I numeri del fornitore sono solidi e la scheda è una delle più complete nel campo degli open-weights: GPQA Diamond 89.2, HLE 30.8, LiveCodeBench v6 90.3, SWE-bench Pro 61.7, Terminal-Bench 2.1 a 73.0, OSWorld-Verified 84.3, OmniDocBench 1.5 a 91.1, CharXiv reasoning 83.7, IFBench 79.5, CoWorkBench 70.7. Su MathVision riporta 90.0 senza chain-of-thought e 94.6 con. Queste sono valutazioni di Alibaba rispetto alle baseline di Alibaba, lo stesso caveat che vale per ogni tabella del fornitore su questo sito, inclusa quella di PAN 2.

• Modalità — Qwen3.8-27B: testo, immagine e video in ingresso; testo in uscita. PAN 2: un primo frame facoltativo più una didascalia strutturata in ingresso; MP4 in uscita.

• Dimensioni — Qwen3.8-27B: 27B dense, 64 strati, circa 27,8 miliardi di parametri safetensors. PAN 2: un diffusion transformer da 29B a 67,37 GB in BF16, più un encoder Qwen3.5-9B congelato a 15,87 GB e un VAE Wan 2.2.

• Contesto — Qwen3.8-27B: 262.144 token nativi, fino a un milione. PAN 2: una singola didascalia limitata a 1.536 token del text encoder, e un fotogramma iniziale.

• Licenza — Qwen3.8-27B: Apache-2.0. PAN 2: Apache-2.0 sui propri pesi, con componenti di terze parti soggetti alle proprie condizioni.

• Erogazione — Qwen3.8-27B: Transformers, vLLM, SGLang, TokenSpeed e un endpoint Qwen Cloud ospitato che Alibaba indica come prossimamente disponibile. PAN 2: Diffusers, vLLM-Omni e il generate.py del repository, sul tuo hardware, e nulla ospitato da nessuna parte.

Perché la scelta dell'encoder è la voce più decisiva nella scheda di PAN 2

Congelare un text encoder da 9B e addestrare solo il backbone diffusionale è una decisione ingegneristica difendibile, ed è il motivo per cui la metà diffusionale di PAN 2 è da 29B anziché 40. Impone anche un limite invalicabile a ciò che si può comunicare a PAN 2. Il ragionatore concettuale scrive una didascalia; Qwen3.5-9B la mappa in feature; il modello diffusionale genera a partire da quelle feature. Qualunque cosa Qwen3.5-9B non riesca a rappresentare, PAN 2 non può simularla, per quanto buona sia la didascalia.

Ciò spiega un limite che la scheda dichiara chiaramente e che la maggior parte dei lettori salta: il modello è sensibile alla formulazione del prompt, gli esempi al di fuori della distribuzione di addestramento si basavano su prompt rifiniti manualmente e le azioni testuali specificano la manipolazione fine solo in modo grossolano. Non sono tre problemi separati. Sono lo stesso problema visto in tre modi — l'interfaccia tra una descrizione linguistica e un codificatore testuale fisso, con un budget di 1.536 token e un vocabolario congelato da un lato.

Confrontalo con il modo in cui Qwen3.8-27B gestisce lo stesso compito. È il motore di ragionamento e l'encoder in un unico oggetto, con una finestra di 262.144 token, controllo nativo del thinking disattivabile per singola richiesta, un parametro reasoning_effort e preserve_thinking per conservare il contesto di ragionamento tra i turni. Se il tuo compito è descrivere una scena e un piano con un livello di dettaglio sufficiente perché qualcosa a valle possa agirvi, Qwen3.8-27B è progettato per questo e PAN 2 è progettato per consumarne l'output. Non sono concorrenti per lo stesso slot; uno è a monte dell'altro.

L'asimmetria di deployment che nessuno mette nella tabella di confronto

Qwen3.8-27B è un modello grande che gira come un normale modello grande. Ventisette miliardi di parametri in BF16 corrispondono a circa 55 GB di pesi, che stanno su un singolo acceleratore da 80 GB con spazio per una KV cache, e la scheda elenca quattro stack di serving più un endpoint ospitato compatibile con OpenAI in arrivo. Puoi farlo rispondere alle richieste lo stesso pomeriggio in cui decidi di usarlo.

PAN 2 occupa 86,17 GB su sessanta file e l'aritmetica del serving si misura in minuti-nodo. Cinquanta passi del sampler con classifier-free guidance su ogni passo equivalgono a cento forward pass attraverso un transformer da 29B per clip. Il dato di punta della ricetta vLLM è di tredici secondi di video 704×1248 in circa 119 secondi su quattro GPU B300, con la guidance parallelizzata su due rank e il parallelismo di sequenza Ulysses su altri due; la sua configurazione predefinita è otto H200 in BF16 con parallelismo delle patch VAE su quattro rank in modalità tile. Lo script di inferenza del repository è più semplice e più avido di risorse: un worker per GPU, ognuno con una copia completa del transformer da 67,37 GB, ognuno che prende ogni N-esimo prompt.

Metteteli uno accanto all'altro e la conclusione pratica non è affatto vicina. Una chiamata a Qwen3.8-27B è una richiesta. Una clip PAN 2 è un processo batch con una prenotazione GPU allegata. Se devi produrre una volta un video di venti secondi, PAN 2 richiede un pomeriggio di configurazione e tre minuti di rendering. Se hai mille piani da simulare, stai acquistando tempo su un nodo e il confronto che conta è con altri modelli world video, non con un modello linguistico.

L'unico punto in cui i due si incontrano davvero

L'uso previsto di PAN 2 è il ragionamento simulativo: un agente immagina l'esito di ogni azione candidata, poi si impegna in quella migliore. Questo ciclo richiede un pianificatore che generi le azioni candidate e un simulatore che ne renda le conseguenze. Qwen3.8-27B è un pianificatore credibile — forte capacità di seguire le istruzioni con 79,5 su IFBench, lavoro d'ufficio a lungo termine con 70,7 su CoWorkBench, programmazione agentica da terminale con 73,0 su Terminal-Bench 2.1 — ed è già nel ciclo, dato che MBZUAI lo ha usato per giudicare PhyGround e Qwen3.8-Flash come uno dei quattro autori di didascalie.

Se costruisci quel loop, il planner è la parte che puoi acquistare a token e il simulatore è la parte che non puoi.Qwen3.8-27B è su OrcaRouter, quindi una singola chiave API ti dà un planner con failover automatico, regole di routing per decidere dove indirizzare le richieste e il prezzo di listino del provider con 0% di ricarico applicato — compresi i tagli di prezzo di Alibaba stesso il giorno in cui arrivano. OrcaRouter non ospita PAN 2 e non può instradarlo; nessuno ospita PAN 2. La separazione non è un limite del router, è la struttura del mercato: i modelli linguistici ospitati sono una commodity, i modelli world video ospitati non esistono ancora.

C'è una seconda ragione, più silenziosa, per instradare anziché fissare il planner. Il report di PAN 2 classifica quattro motori di ragionamento in base al completamento dell'intero piano, e la classifica non è quella che la maggior parte delle persone immaginerebbe: Claude Opus 5.5 primo, GPT-6 Astra con sforzo medio secondo, Kimi K3 terzo, Qwen3.8-Flash quarto. Quell'ordine è stato misurato sui prompt di MBZUAI, con la loro politica di didascalia e il loro validatore. Il tuo sarà diverso. Poter rieseguire il confronto senza riconfigurare lo stack vale più di qualsiasi singola scelta di modello al suo interno.

Cosa fare con questo confronto

Se sei venuto qui per sceglierne uno, la risposta onesta è che la domanda è mal posta. Qwen3.8-27B è un modello visione-linguaggio generale che puoi eseguire oggi su un singolo acceleratore o noleggiare a consumo di token la prossima settimana. PAN 2 è un artefatto di ricerca che produce conseguenze, richiede un nodo multi-GPU, non ha un endpoint ospitato e, all'11 novembre 2026, non è mai stato lanciato dai suoi stessi autori: un unico post di due paragrafi sull'account X del laboratorio costituisce l'intero annuncio. Il suo repository Hugging Face risale al 7 ottobre, quello GitHub al 5 novembre, e la cosa pubblica più sostanziosa che gli sia accaduta è l'integrazione del supporto Day-0 di vLLM-Omni il 10 novembre.

Il confronto che vale la pena fare è più ristretto. Se la tua pipeline ha bisogno di un planner, Qwen3.8-27B è una scelta solida, ben documentata e con licenza Apache-2.0, e la decisione è una decisione di routing. Se la tua pipeline deve vedere cosa fa un'azione prima di compierla, PAN 2 è uno dei pochissimi modelli open-weight che ci provano, girerà su componenti Qwen che tu te ne accorga o no, e il riassunto onesto delle sue capacità è la frase contenuta nella sua stessa sezione sui limiti: circa due piani simulati su tre contengono almeno un passaggio che non viene eseguito. È il numero su cui pianificare, ed è l'unico numero in tutto questo confronto che nessun encoder, judge o router può migliorare per te.