PAN 2 vs Agora-2：一方は結果をシミュレートし、もう一方は世界を動かし続ける

1つの世界に20人いるというのは、次に何が起きるかを1人ではなく複数人が思い描いているように聞こえる。これこそがPAN 2とAgora-2の間の混同の核心であり、誰かが両者を相互にベンチマークする前に解きほぐす価値がある。Agora-2はOdysseyのプレイ可能な研究プレビューで、2026年9月21日に公開され、共有シミュレーション環境内で20人の参加者を支える。そのうち4人が人間の操作者、16人が学習済みポリシーであり、プレイヤーが目を離しても世界の一貫性を保つ。PAN 2はIFMの290億パラメータのオープンウェイトのシミュレーターで、86.17ギガバイトのApache-2.0チェックポイントとしてリリースされ、1フレームと記述された行動を受け取り、その結果を予測する最大20秒の動画を返す。一方は世界のためのサーバー。もう一方は世界に投げかける問いである。語彙の重なりはほぼ完全で、機能の重なりはほぼゼロであり、まさにそれゆえにこの比較は何度も下手にされる。

世に出回る数字は、重要な数字ではない

Agora-2に関する報道は「20」を前面に押し出しており、Odyssey自身の投稿もそれを促している。興味深いのはその数よりも構成だ。4人の人間コントローラーが同時に移動とアクションの入力を行い、16体の自律エンティティは、Odysseyがこの世界の学習に使ったのと同じコーパス——Diablo IIのキャプチャ——で訓練したモンスターおよびコンパニオンのポリシーによって駆動される。つまり、このセッションは部屋にいる20人ではない。中心にごく小さな状態機械を置いたレンダリング問題が、ゲームサーバーの衣装をまとっているのだ。

そのアーキテクチャこそが、Agora-2をPAN 2とは異なる種類のオブジェクトにしている。Odysseyは、何が起こるかを決めるものと、それがどう見えるかを決めるものを分離しており、両者のサイズ差はレポートで最も印象的な数字だ。シミュレーションモデルは4,457,777パラメータ——およそ450万、4層幅、14個の移動ブランチ、4ステップの履歴ウィンドウ——を持つ一方、レンダラーは約10億パラメータのフローマッチングトランスフォーマーで、更新ごとに5回のソルバーステップを実行し、マップ、エンティティ、一時効果、カメラ、ロスターを記述する342トークンのプレフィックスを条件とする。

PAN 2はその逆を行く。能力のほとんどを知覚に費やす。29Bのマルチモーダル拡散Transformerがフレームを予測し、何が起こるかを決める部分は学習済みシミュレータではなく、出来事、行動、カメラの動きについて構造化された、時間に基づくキャプションを書く言語モデルである。Agora-2は知能を小さな明示的状態表現に置く。PAN 2は知能をレンダラーに置き、推論をテキストに委ねる。

• 何が起こるかを決定する — Agora-2: 明示的なエンティティ状態を持つ、4.46Mパラメータの学習済みシミュレーションモデル。PAN 2: 世界状態のキャプションを書き出す、指示追従型の任意の言語モデル。

• レンダリングを担当 — Agora-2：更新ごとに5ソルバーステップで動作する約1Bのフローマッチングレンダラー；PAN 2：毎ステップでガイダンスを適用しながら50ステップで動作する29Bの拡散トランスフォーマー。

• 時間的範囲 — Agora-2：持続するオープンエンド型セッション。PAN 2：クリップあたり最大20秒、開始フレームは最大1つ、クリップ間でドリフトする。

• 入力 — Agora-2: コントローラーからの移動・行動コマンドに加え、学習済みポリシー。PAN 2: オプションの最初のフレームに加え、テキストによる構造化された行動記述。

• 参加者 — Agora-2: 1つの共有状態に4人の人間と16個のポリシー、PAN 2: なし（バッチ生成器です）。

• アクセス — Agora-2：重み、リポジトリ、ライセンス、価格のいずれもなし。PAN 2：Apache-2.0 の重みをゲートなしで提供し、GitHub のコードと vLLM のレシピ付き。

Agora-2 が実際に解決したのは永続性だ

マルチプレイヤーという枠組みを取り払えば、Agora-2の本当の貢献はOdysseyの投稿にある一文だ。エンティティのプロパティは特定のビューから独立して保持されるため、エンティティがフレーム外にあっても利用可能なままになる。直近のフレームだけを条件とする動画生成器は、振り向いた瞬間にモンスターを見失う。明示的な状態を保持するワールドモデルはそうならない。これがAgora-2をマルチプレイヤーを志向するあらゆる動画モデルから分かつ設計判断であり、20人の参加者というのがレンダリングではなく状態管理についての主張である理由だ。

PAN 2 はそのような主張をしておらず、モデルカードにもそう書かれている。各クリップは最大で1つの開始フレームとテキストからシミュレーションされるため、長いインタラクションではクリップ間で見た目がドリフトし、モデルカードは、テキストベースの状態と並行して維持される知覚記憶こそが、それを修正するために必要になるものだと明記している。言い換えれば、PAN 2 は自分に Agora-2 の問題があることを認識しており、それを解決していない。そして Agora-2 は、世界を明示的なテンソルに収まる程度に小さく保つことで、その一バージョンを解決した。

併せて読むと、この二つの設計はこの分野の両端を画している。あなたの世界が450万個のパラメータ——マップグリッド、エンティティ名簿、移動分岐の集合——で記述できるなら、永続性は扱いやすく、セッションが成立する。あなたの世界がオープンドメインの物理的帰結であるなら、材質と接触を理解するレンダラーが必要であり、カメラが動いた瞬間に永続性は未解決の研究課題になる。

セッションにかかる費用と、シミュレーションにかかる費用

どちらの数値も価格として公表されているわけではない。どちらのモデルも販売されていないからだ。両方ともハードウェアとして公表されており、そのほうがより有用だ。

Odysseyの4人プレイセッション向け提供計画は、NVIDIA RTX PRO 4500カード4枚です。GPUごとに1レンダラーを配置し、そのうち1枚のGPUがシミュレーションモデルとエージェントポリシーもホストします。毎秒30表示フレームに対して毎秒15回の潜在更新を目標としています。報告書は、これら2つの数値が測定値ではなく目標値であると率直に認めています。第8節では、ライブのマルチエージェント相互作用中の持続フレームレートと入力から表示までのレイテンシが、定量的に未評価であると記載されています。学習コストも項目別に示されています。4,232,000セグメントで6万回更新し、続いて4,332,800でさらに6万回、32台のB200 GPUで実行します。

PAN 2の相当品はvLLMのレシピだ。4台のB300 GPUで約119秒かけて704×1248の動画13秒分を処理し、BF16でのH200 8台という文書化されたデフォルトを持つ。毎ステップでclassifier-free guidanceを適用する50回のサンプラーステップ、つまりクリップあたり29Bトランスフォーマーを100回フォワードパスすることが、guidanceを2ランクに、シーケンス並列をさらに2ランクに並列化する理由である。

2つの構成は同程度の規模だが、類似点はそこまでだ。カード4枚で、動作し続けるセッションを賄える。PAN 2上では、カード4枚で、描画された結果13秒につき2分を賄え、プランのコストはプランナーが検討したすべての候補のコストになる。Odysseyの数値はエクスペリエンスのスループット下限だ。IFMの数値は質問あたりの価格だ。

これらのうち、今日の時点で構築できるのは1つだけです

ここから先は、この比較が建築の域を超える部分です。

Agora-2は研究プレビューであり、Odyssey自身のアドレスでプレイ可能なデモと技術レポートが公開されている。重みも、リポジトリも、ライセンスも、推論APIも、価格もない。Odysseyは、基盤的世界モデル内部でのマルチエージェント相互作用に向かう軌道を将来の取り組みとして位置づけ、PROWLを研究の系譜、Odyssey-3を最終的な到達点としている。実用的には、遊ぶことはできるが、その上に構築することはできず、第三者にそれを提供させることもできない。

PAN 2は正反対の構成だ。重みは2026年10月7日からHugging Faceで公開され、ゲートなし、コードと重みはApache-2.0。11月5日からは推論と学習のスクリプトを備えたGitHubリポジトリ。11月10日にはvLLM-OmniのDay-0対応がマージされた。独自の誤検知数値を伴う別リポジトリとして配布されるガードレールもある。IFMの発表は自社のXアカウントへの1件の投稿だけだった——「Introducing PAN 2: an open foundation world model for physical intelligence」——ブログ記事も論文リンクもホスト型エンドポイントも料金ページもなかった。それは厚みのある成果物を薄い発表で包んだもので、クローズドなデモを磨かれた投稿で包んだAgora-2とは正反対だ。

「今四半期に本番投入できるものは何か」という問いなら、答えはどちらでもないが、理由はそれぞれ異なる。Agora-2には、Odysseyが説明してきたデモから実運用への道筋が存在しない。PAN 2には道筋——重みとレシピ——があり、さらに、その道を進むべきかどうかを決める制約がある。モデルカード自体の制限事項セクションによれば、シミュレーションされた計画のおよそ3分の2に、実行されないステップが少なくとも1つ含まれている。

どちらの研究室も作っていないハイブリッド

興味深いエンジニアリング上の問いは、どのモデルが勝つかではない。それぞれが得意とすることを活かして両方を使い分けるシステムとはどのようなものか、ということであり、どちらのベンダーもそれを提供していない。

永続的な世界の中で計画を立てる必要があるエージェントを想像してみよう。Agora-2の設計は、世界を安定に保つ方法を示している。明示的な状態、構造化された条件付けプレフィックス、レンダラと並行して実行できるほど小さいポリシーだ。PAN 2の設計は、物理的な相互作用について「もし〜したらどうなるか」に答える方法を示している。問いを言語モデルに渡し、構造化されたキャプションを得て、その結果をレンダリングし、それを見る。Agora-2の状態を保ちつつ、そのセル内部のきめ細かな物理についてPAN 2に問い合わせるスタックは、どちらよりも厳密に優れているだろうし、そのためには両方のラボがまだ公開していない何かを公開する必要があるだろう。

今日できるのは、どちらのモデルも必要としない方の半分です。PAN 2のプランナーは、指示に従う言語モデルなら何でもよいと定義されており、IFMは完全なプラン完了率でそのうち4つをランク付けしました：Claude Opus 5.5、中程度のエフォート設定のGPT-6 Astra、Kimi K3、Qwen3.8-Flash。4つともOrcaRouter上にあるため、PAN 2パイプラインのキャプション段階は、自動フェイルオーバーを備えた単一のエンドポイント経由で実行でき、各プロバイダーのリスト価格は0%のマークアップでそのまま適用され、契約単位ではなく実験ごとに差し替えられます。OrcaRouterはPAN 2をホストしておらず、ルーティングすることもできません — 29Bレンダラーはお使いのGPU上に留まります — そしてAgora-2をホストできるはずもありません。誰にもできません。ルーターにできるのは、推論側の半分を柔軟なままにしつつ、シミュレーション側の半分はすでに所有しているハードウェアに固定しておくことです。

どうやって決めるか

ゲームを構築している場合、共有空間で動作する必要があるエージェントのトレーニング環境を作っている場合、あるいは複数のアクターがその中を移動している間も世界の一貫性を保たなければならないものを作っている場合、Agora-2 はより関連性の高い研究であり、より入手しにくいものである。レポートを読み、プレビューをプレイし、20人の参加者を、レンタルできる処理能力ではなく状態設計についての表明として扱え。

物理的な結果を評価する必要があるなら——この把持は保持できるのか、この注ぎはこぼれるのか、この計画はシーンとの接触に耐えるのか——Agora-2には何も提供できるものがない。そしてPAN 2はダウンロード可能で、ドキュメントもあり、ほとんどの計画で1ステップを省くことについて正直だ。エンジニアリングの予算を取る前にGPUの予算を取れ。B300を4台使って13秒あたり2分かかることが、プランナーが検討するあらゆる候補のコストを決める。

この2つはしばらく比較されることになるだろう。なぜなら「ワールドモデル」は現在、視覚的な何かを予測するあらゆるものに付けられるラベルだからだ。ここではそのラベルは何の働きもしていない。一方のシステムは、人々がその中を移動してもその場に留まる場所である。もう一方は、次に何が起こるかという問いであり、オンデマンドで答えられ、その答えは20秒までに制限されている。両者を混同するとエンジニアリング時間の4分の1を失うが、区別するのに要するのは午後1回分で済む。