PAN 2 vs SKY-001：一方は次に何が起こるかをシミュレートし、もう一方は何を構築すべきかを描き出す

Kimi K3は、同じ2週間のうちに、両方の公開資料で正反対の役割を担って登場する。PAN 2の技術報告書では、Kimi K3は概念的推論器である——リクエストを読み、構造化された時間に根ざしたキャプションを書き、それを290億パラメータの拡散トランスフォーマーが動画に変換する言語モデルだ。SkyfallのSKY-001の表では、Kimi K3はベースラインの競合モデルであり、CADアセンブリそのものを描くよう求められ、参照ジオメトリの9.5%を交差オーバーユニオン（IoU）で再現する。一方の発表は、フロンティア言語モデルを使って計画を書かせる。もう一方は、フロンティア言語モデルが図面を描くことに失敗することを測定する。この分裂は、両者が共有するラベルよりも、これら2つのモデルを理解するための良い手がかりになる。PAN 2はMBZUAIのInstitute of Foundation Modelsによるワールドモデルで、2026年10月7日からHugging FaceでApache-2.0の重みが、11月5日からコードが公開され、11月10日に当事者による発表があり、オプションの最初のフレームとテキストで記述されたアクションから、最大20秒の704×1248動画を予測する。SKY-001はSkyfall AIのエンジニアリングモデルで、2026年10月19日に発表され、依然としてウェイトリスト制の下にあり、商用展開は2027年初頭を目標としており、CAD部品や間取り図を生成する一連の順序付けられた作図操作を予測する。

どちらの日付も今日ではなく、以下の内容はどれもローンチとして位置づけられていません。以下では、各モデルが実際に計算する内容、各モデルが自身の数値から見てどこで弱いか、そして2つのうちどちらがあなたの問題に適しているかを述べます。

2つの異なる事柄が予測されている

PAN 2のチェーンには言語モデルが組み込まれている。概念的推論器——任意の指示追従モデル——が観測と要求されたアクションを読み取り、次の世界状態を構造化キャプションとして書き出す。出来事は順序どおりに、アクションは行為者に紐付けられ、カメラの動きも記述される。凍結されたQwen3.5-9Bテキストエンコーダが、そのキャプションを条件付け特徴へとマッピングする。同じ形式でアノテーションされた動画でゼロから学習された29Bのマルチモーダル拡散トランスフォーマーが、キャプションが未確定のまま残す潜在表現を、そのキャプションと開始フレームのVAE潜在表現を条件として予測し、Wan 2.2デコーダがそれらをレンダリングする。デフォルトのサンプラーはflow shift 9で50ステップ、すべてのステップでclassifier-free guidance 2.5であり、チェックポイントは60ファイルにわたる86.17 GBである。

SKY-001のチェーンには代わりに階層構造が組み込まれている。階層型コンポーザーは、設計意図（画像、テキスト、または概要付きの建築外皮）を受け取り、設計全体を生成し、それをレベルごとに分割して各リーフを並列に洗練する。次にConstruction World Modelが、各リーフを構築する視覚状態の順序付きシーケンスを予測する。CADでは、連続する各ペアの間に2Dスケッチが描かれる3Dソリッド状態の連鎖であり、BIMでは、一筆ずつ描かれる平面図である。描画は2パスの拡散として実行される。まずマトリョーシカ型オートエンコーダからの圧縮潜在空間で粗いロールアウトを行い、次に完全な解像度を復元するリファイナーを通す。両段階は拡散トランスフォーマーであり、どちらもトークンを予測しない。Skyfallはパラメータ数、重み、ライセンス、APIを公開していない。

• 何が予測されるか — PAN 2 は、行動が与えられると次の観測をピクセルとして予測します。SKY-001 は、意図が与えられると次の構築状態をソリッドまたはストロークとして予測します。

• 時間の取り入れ方 — PAN 2 は物理的なクロックで動作し、デフォルトで241フレーム（約10秒）、24 fpsでは最大481フレーム（20秒）まで対応します。一方、SKY-001 は手続き的な順序で動作し、CADコンポーネントごとに約100の描画ステップ、フロアプランごとに70の描画ステップを要し、そのどこにも物理的なクロックは存在しません。

• 物理法則を主張しているか — PAN 2 は物理的な妥当性で直接評価される；SKY-001 の資料は力学的主張を一切していない。なぜなら、それが描いているのは動きではなく設計だからである。

• 出力として得られるもの — 視聴できるMP4 対 参照形状に対してIoUでスコアを付けるジオメトリ。

• 重み — PAN 2 向けの Apache-2.0 ダウンロード。SKY-001 については何も公開されていません。

• 価格 — PAN 2 向けにサイズを選べる GPU 時間、SKY-001 はウェイトリスト。

どちらも2段階方式で、ボトルネックはそれぞれ異なる箇所にあります。

両者に共通する工学的な賭けは、仕事を分割するというものだ。一方の段階が構造、つまり何が起きるべきかを順序立てて記述したものを確定させ、もう一方の段階がその記述が開いたままにしている詳細を埋める。PAN 2 はキャプションと拡散バックボーンでそれを実現する。SKY-001 はサブゴールの階層と、各リーフごとの構築モデルでそれを実現する。この二つのローンチを並べて見ると、興味深い問いはどのアーキテクチャが優れているかではなく、実際にコストを食っているのはどちらの段階なのか、になる。

PAN 2の場合、それはプランナーであり、レポートもそう二度述べている。Physics-IQ Verifiedでは、同じシーンの実写2テイク間のばらつきが100点になるように正規化された画像から動画へのベンチマークで、PAN 2は、キャプションをClaude Opus 5.5が作成した場合に93.2 ± 0.8、システムデフォルトで90.9 ± 0.4に達する（シード123〜126）。キャプションを書く言語モデルを入れ替えると、満点が実写映像と区別できないことを意味する100点満点の尺度で、スコアが2.3ポイント動く。同じパターンはモデルカードの制限事項にも表れている。シミュレーションされた計画の約3分の2には、実行されないステップが少なくとも1つ含まれ、エージェントのケーススタディは手作業で調整されたプロンプトに依存し、各指が物体のどこに触れるかといった巧緻な動作はテキストで粗くしか指定されず、キャプションは1,480トークンのソフトリミットと1,536トークンのハード容量に対して検証される。報告されている問題はレンダラーではない。シーンを説明する文章の方である。

SKY-001ではプランナーは別ステージとして測定されていないため、報告されているボトルネックはレンダラーです。SkyfallのCAD構築ベンチマークでは、ジャガー Eタイプ ロードスター、FANUC ArcMate 100iB 溶接アーム、Bell 222 ヘリコプターなどのオブジェクトからサンプリングした1,000個のコンポーネントを対象に、それぞれ約100の描画ステップを要する条件で、SKY-001は平均IoUで参照ジオメトリの79.7%を再現し、GPT-6 Astraは79.1%、Gemini 4は76.9%でした。BIMベンチマークでは、各約70描画ステップの1,000件の間取り図を対象に、43.6%に達し、Gemini 3.8 Flashは42.3%、GPT-6 Astraは40.6%でした。0.6ポイントと1.3ポイントが建築分野でのリードです。絶対値としては間取り図の半分未満です。

一緒に読む場合でも、各ベンダー自身の報告内での相対的な大きさだけを見て読むなら、どちらの文書でもプランナーの方が大きなレバーだ。PAN 2のキャプションライターを変えることは、SKY-001が直近の競合に対して持つアーキテクチャ上の優位性全体よりも、より大きく動かす。ベンチマークは異なり、スコアは比較できない。要点は、各チーム自身のばらつきがどこにあるかだ。

ベンチマークは、ハーネス、ジャッジ、ベースライン方針のいずれも共有していない。

PAN 2 は4通りの方法で報告されており、そのうち3通りは他者の判断が関与している。Physics-IQ Verified はリーダーボードを備えた公開ベンチマークで、PAN 2 のエントリは推論器として Claude Opus 5.5 を使用し、システムデフォルト列では IFM が運用したとおりに各競合自身のパイプラインを実行している。PhyGround は Qwen3.8-27B が判定する5点尺度であり、つまり物理的測定ではなく別のモデルの意見である。PAN 2 は報告書に記載の2つの構成で 3.98 と 4.11 を記録している。RBench は5つのタスクカテゴリと4つのエンボディメントカテゴリにわたる未加重平均に100を掛けたもので、PAN 2 は 83.7 と 73.5 を記録している。クローズドモデルのベースラインには短剣符が付いている。各シードにわたってではなくそれぞれ1回だけ生成されたためである。さらに盲検の人手研究もある。140件のプロンプト、13名のレビュアー、1,400件のペアワイズ比較で、Eloを1500に中心化したBradley–Terryモデルに当てはめ、95%信頼区間を算出している。そしてIFM独自のハーネスがある。300件の単一アクションテストケースを、6つの能力にわたって201件の画像から動画、99件のテキストから動画に分割し、さらに100件のマルチステップ自己中心視点タスクを200件のプロンプトと456ステップとして提示し、3つのシードにわたる平均±標準偏差として報告している。

SKY-001は2通りの方法で報告されており、どちらもSkyfallによるもので、どちらも参照形状に対してIoUで採点され、どちらも競合モデルをSkyfallがワンショットプロンプティングで動かしている。そのいずれにも誤差範囲はなく、第三者が数値を再現した例もない。表を注意深く読むと、引用する前に知っておく価値のある3つの点が見えてくる。

まず、ベンダー自身のページ同士が矛盾している。製品ページの3D CADパネルでは、SKY-001が76.1%でGPT-6 Astraの73.4%に対し、Claude Opus 5.5が61.8%、Gemini 3.8 Flashが45.9%、Qwen 3.8 Maxが26.6%、Kimi K3が6.5%となっている。建設ベンチマークは79.1%に対して79.7%を報告している。異なるタスク、異なるスコア、両方に同じモデル名——そして、PAN 2のPhysics-IQ数値を引き上げる推論モデルであるClaude Opus 5.5は、そのうち片方にしか登場しない。

第二に、速度倍率は同じ日に公開された3つの文書で3通りに示されている。ブログの図表では51×、製品ページでは49×、プレスリリースでは100×。算術が決着をつける——199秒を3.9で割ると51.0——だが、それは見出しの数字が、自分の作業を差分確認しなかった別々の人々によって書かれたことを物語っている。

第三に、コスト列については説明がありません。SkyfallはCADケースあたり0.005ドル、プランあたり0.0024ドルと報告していますが、それが定価なのか、レンタルGPU時間なのか、それとも償却済みの自己ホスト型推論なのかは示していません。これらは3つの異なる主張であり、その違いは、Skyfallが呼び出したのではなく自ら実行したモデルにとって最も重要です。

そのどれも、SKY-001の効率性に関する説明が誤りだということにはならない。最高の競合相手に対して51倍の速度優位と150倍のコスト優位を、互角の精度で示すというのは、実在するワークロードについての実際の主張である。それはその主張を未検証にするだけで、別の話だ。

運用にかかるコストと、そのうちどこまでが把握できるのか

PAN 2 の計算資源は、自分で価格を見積もれるレシピとして公開されています。デフォルトのデプロイは BF16 の H200 8 基で、classifier-free guidance を 2 ランクに、Ulysses シーケンス並列を 2 ランクに分割し、VAE デコードは 4 タイルに分けてパッチを適用します。サービングレシピでは、B300 4 基で 704×1248 の 13 秒の動画をおよそ 119 秒で生成すると報告されています。IFM はホスト型エンドポイントを運用していないため、秒単位の定価はありません。気にすべき数値は、プロバイダーが GPU に対して請求する料金に、実際に生成するクリップあたりの秒数を掛けたものです。

SKY-001のコンピュートは、価格を算定できるいかなる形でも公開されていません。パラメータ数も、ハードウェアの記述も、スループットの数値も、エンドポイントもありません。存在するのは、構成が非開示のベンダーによるケースあたりのコストと、ウェイトリストのフォームだけです。

その非対称性は、ベンチマークの差以上に、この比較の多くを左右する。これらのモデルの一方は、今日の午後にも、自分のデータと自分のハードウェア上で、予測可能なコストでベンチマークを取れる。もう一方は、読んで知ることしかできない。

どちらのスタックでも、今日レンタルできる唯一の部分

PAN 2もSKY-001もOrcaRouter上にはなく、どちらもOrcaRouter経由でルーティングすることはできません。PAN 2は自分でデプロイする86 GBのチェックポイントであり、SKY-001には呼び出せるAPIがありません。PAN 2のパイプラインのうち、通常のホスト型モデルに当たる部分は最初の段階です。つまり、リクエストを世界状態のキャプションに変換する概念推論器です。IFMは完全なプランの完了率順に4つを評価しています。Claude Opus 5.5、中程度のエフォートで実行したGPT-6 Astra、Kimi K3、Qwen3.8-Flashで、指示追従型モデルならどれでも使用できると指摘しています。Qwen3.8-FlashはOrcaRouterのカタログにあります。つまり、PAN 2デプロイメントのキャプション段階は、1つのキーで実行でき、プロバイダーのリスト価格が0%のマークアップでそのまま適用され、さらに自動フェイルオーバーも、プランのバッチの途中でプロバイダーが劣化した場合に備えて利用できます。これは拡散ステージの後ではなく前に設定しておく価値があります。測定されたばらつきが存在するのはプランナーであり、したがって、自分のプロンプトでより安価なモデルと2つ目のプロバイダーを互いに比較テストする価値があるのはこの段階です。

あなたが実際に抱えている問題はどれですか？

あなたが必要としているのが、ある行動がシーンにピクセル単位で次の数秒間に何をもたらすかの予測——選択する前に結果を想像したいエージェントにとって、あるいは物理法則が成立しなければならない動画パイプラインにとって——であるなら、この2つのうちPAN 2がそのために作られたものであり、今すぐ利用できます。キャプション段階とガードレールのための予算を確保してください。IFMは別個のガードレールリポジトリを提供しており、生成前にQwen3Guard-Gen-4Bでリクエストを、生成後にQ16フレーム分類器で出力をスクリーニングします。同社の内部評価では、この組み合わせによって、有害なテキストto動画リクエストが安全でない動画を生成する割合が33.9%から1.5%に減少し、同時に良性のテキストto動画リクエストの11.5%と良性の画像to動画リクエストの3.3%も阻止しました。9件に1件の良性リクエストを犠牲にする安全レイヤーは、脚注ではなく、現実の本番コストです。

必要なものが設計意図をCADまたはBIMジオメトリに変換することであるなら、2つのうちそれを目指しているのはSKY-001だけであり、それを手に入れることはできません。今日の正直な代替手段は、CADツールチェーンに組み込まれた最先端の言語モデルです。そしてそれはまさに、SKY-001自身の表が測定している構成であり、モデルとタスクに応じてIoU 9.5%～42.3%となります。だからこそウェイトリストはマーケティングの仕事ではなく実際の仕事をしているのです。代替策は競合他社ではなく、より悪い数値なのですから。

物理エンジンが必要なら、どちらでもない。PAN 2のシミュレーションは予測であり、そのカードにはまさにそう明言されていて、自身の限界リストには物理的制約に違反したまま進行するシミュレーションも含まれている——水を切る前にパスタがざるに現れる、といった具合だ。SKY-001は設計を描くだけで、どこにも力学に関する主張をしていない。どちらかをワールドモデルと呼ぶのは、2チームが使う意味では正確で、ゲームエンジンが使う意味では誤解を招く。

注目すべきは、次のベンチマークではない。これら2社の外にいる誰かが数値を再現できるかどうかだ。SkyfallがIoUプロトコルと、ケースごとの数値の背後にあるコスト会計を公開するかどうか、そしてPAN 2のデフォルトパイプラインと最良の推論器の間の性能差が、誰も手作業で調整していないプロンプトに触れても維持されるかどうか。どちらも同じ段階——何かが描かれる前に、何をすべきかを決める段階——に関する問いだ。