PAN 2 vs ABot-Earth 0.7: 두 세계 모델, 한 축 차이

둘 다 월드 모델이라고 불린다. 둘 다 2026년 마지막 두 달에 나왔다. 둘 다 당신이 가본 적 없는 장소를 보여준다. 그리고 구매자가 신경 쓸 만한 어떤 의미에서도 서로의 대체재가 아니다. 왜냐하면 PAN 2는 장면에서 다음 20초 동안 무슨 일이 일어날지 예측하는 반면, ABot-Earth 0.7은 원하는 만큼 오래 걸어 다닐 수 있는 킬로미터 규모의 도시를 생성하기 때문이다. 하나는 결과의 모델이다. 다른 하나는 장소의 모델이다. 프로젝트를 위해 둘 중 하나를 고르고 있다면, 정직한 첫걸음은 "어느 쪽이 더 나은가"라는 질문에는 답이 없다는 점을 알아차리는 것이고, 유용한 질문은—당신의 파이프라인에 실제로 필요한 것은 어느 쪽이며, 그것을 구할 수 있는가—라는 질문이다.

두 번째 질문은 두 제품이 날카롭게 갈리는 지점이며, 이는 취향의 문제가 아니다. PAN 2는 vLLM-Omni에 서빙 지원이 병합된 86.17기가바이트의 Apache-2.0 가중치로 제공되므로, 오늘 오후에 내려받아 자신의 GPU에서 실행할 수 있다. ABot-Earth 0.7은 Amap의 소비자 앱 내부에 있는 프로덕션 시스템으로, 공개 API도, 가중치도 없으며 생성 기능은 화이트리스트 방식이다. 이 중 하나는 손에 쥘 수 있는 산출물이다. 다른 하나는 지켜볼 수 있는 시연이다.

각각이 정확히 무엇을 내보내는지

PAN 2는 관측값 — 선택적 첫 프레임과 텍스트 설명 — 과 텍스트로 설명된 일련의 동작을 입력받아 MP4를 반환합니다. 내부적으로는 2단계 기계입니다. 언어 모델이 구조화되고 시간에 근거한 월드 상태 캡션을 작성하고, 동결된 텍스트 인코더가 이를 조건화 특징으로 매핑하며, 29B 멀티모달 확산 트랜스포머가 최대 20초 분량의 704×1248 비디오를 초당 24프레임으로 렌더링합니다. 출력은 짧고 비용이 많이 들며 특정적입니다. 즉, "이 동작이 이 장면에 무엇을 하는가"에 답하며, 각 클립이 최대 하나의 시작 프레임에서 시뮬레이션되므로 답은 20초로 제한됩니다.

ABot-Earth 0.7은 지리 참조된 위성 이미지 또는 텍스트 프롬프트를 입력받아 계층적 세부 수준 구조를 갖춘 3D Gaussian Splatting 장면을 반환하며, Unreal Engine과 Unity로 내보낼 수 있습니다. Alibaba의 지도 사업 부문인 Amap은 2026년 9월 10일 항저우에서 열린 Street Stars 갈라에서 이를 공개하고, 최초의 네이티브 3D 도시 세계 모델이라고 소개했으며, 단일 소비자용 GPU에서 킬로미터 규모 환경을 약 10분 만에 생성한다고 주장했습니다. 결과물은 순간이 아니라 장소입니다. 완성되기를 기다리는 것이 아니라 탐험하는 것입니다.

나란히 놓고 보면, 불일치의 윤곽이 명백해진다.

• 출력 — PAN 2는 704×1248, 24fps의 20초 MP4를 반환합니다. ABot-Earth 0.7은 LOD 구조를 갖춘 3DGS 장면을 반환하며, Unreal 및 Unity로 내보낼 수 있습니다.

• 입력 — PAN 2는 첫 프레임과 구조화된 동작 캡션을 받고, ABot-Earth 0.7은 위성 이미지 또는 텍스트 프롬프트를 받습니다.

• 시간 지평 — PAN 2는 앞으로의 몇 초를 시뮬레이션하며, 그 이후로는 클립 전반에 걸쳐 표류한다. ABot-Earth 0.7은 시간 속에서 정적이며, 진화하지 않는 장소의 스냅샷이다.

• 장치 — PAN 2의 문서화된 기본 서빙 구성은 BF16 기반 H200 8개이며, 119초 중 13초를 위한 4-B300 레시피를 갖추고 있습니다. ABot-Earth 0.7은 소비자용 GPU 1개로 10분에 1킬로미터를 처리한다고 주장됩니다.

• 접근 — PAN 2는 Hugging Face에서 Apache-2.0 라이선스로 제공되며 게이트가 없고 코드는 GitHub에 있습니다. ABot-Earth 0.7은 가중치가 없고 공개 API도 없으며 초대 전용 생성 기능을 제공합니다.

• 독립적 평가 — 어느 쪽에도 없습니다. 두 수치 세트 모두 해당 모델을 개발한 연구소에서 나온 것입니다.

시간과 공간은 같은 축이 아니다

그 모든 것 밑에 깔린 구분은 말해 둘 가치가 있습니다. 왜냐하면 그것은 각 모델이 무엇을 위한 것인지를 바꾸기 때문입니다. ABot-Earth는 장면을 공간을 가로질러 확장합니다. 위성 타일 하나에서 그곳으로 날아가면 보게 될 건물, 거리, 실내를 합성하고, 도시 개요에서 거리 수준으로 이동할 때도 이들을 일관되게 유지합니다. 그것이 내세우는 것은 규모에서의 커버리지와 충실도입니다.

PAN 2는 장면을 시간축으로 확장한다. 하나의 프레임과 설명된 행동으로부터 이어지는 프레임들을 예측하며, 그것이 맞히려는 것은 인과 사슬이다. 물체가 바뀌면 물보라가 바뀌는데, 질량과 표면적이 바뀌었기 때문이며, 모델은 물보라를 암기한 것이 아니라 그 관계를 학습했다. IFM의 틀은 언어 모델이 다음 단어를 예측하고 PAN 2가 다음 세계를 예측한다는 것이며, 2026년 11월 11일에 공개된 데모가 이를 구체화한다. 딸기를 그릇에 떨어뜨린 다음 그것을 고무 오리로 바꾸고, 그다음 액체를 바꾸면, 세 시뮬레이션은 물리학에서 비롯된 방식으로 달라진다.

하나가 필요한 애플리케이션은 다른 하나가 거의 필요하지 않다. 후보 파지를 평가하는 로봇공학 팀에는 PAN 2의 축이 필요하다. 매핑 제품, 디지털 트윈 배포 또는 환경을 구축하는 게임 스튜디오에는 ABot-Earth의 축이 필요하다. 겹치는 영역은 누군가가 생성된 도시를 시뮬레이션에 배치한 다음 그 안에서 일어나는 일을 애니메이션화하려는 좁은 범위이며, 그곳에서 두 제품은 후반부를 얻을 수 있다면 경쟁하기보다는 서로 구성될 것이다.

실제로 와닿는 비교: 실행할 수 있나요?

능력 면에서 둘은 비교할 수 없으며 누구도 비교하려 한 적이 없다. 조달 면에서는 하늘과 땅 차이다.

PAN 2의 접근 경로는 연구용 릴리스치고는 이례적으로 완전하다. 가중치는 2026년 10월 7일 모델 카드, 구성 파일, 프롬프트 재작성 스킬과 함께 공개됐고, 추론 및 학습 스크립트가 담긴 GitHub 저장소가 11월 5일 뒤이어 나왔다. vLLM-Omni는 11월 10일 Day-0 텍스트-투-비디오 및 이미지-투-비디오 지원을 병합했고, 같은 날 저녁 레시피 페이지가 나와 4×B300 구성과 8×H200 기본 구성을 문서화했다. IFM은 11월 10일 17:00 UTC에 X에 발표글을 올렸다 — 프레임워크 병합 후 56분 뒤였다 — 그 내용은 "PAN 2 소개: 물리적 지능을 위한 오픈 파운데이션 월드 모델"이었다. 블로그 글도, 논문 링크도, 호스팅 엔드포인트도, 가격도 없었다. 하지만 모델 자체는 다운로드할 수 있고, 라이선스는 상업적 사용을 허용한다.

ABot-Earth 0.7의 접근 방식은 정반대다. 체험 사이트는 운영 중이지만 생성은 초대 전용이다. 인터페이스는 생성 기능을 베타로 설명하며 화이트리스트 신청을 제공한다. 공개된 가격도, 요금표도, 외부 시스템이 이를 어떻게 호출하는지 설명하는 개발자 문서도 없다. 6월의 0.5 릴리스는 arXiv에 기술 보고서를, GitHub에 저장소를 올렸지만 그 저장소는 구현체가 아니라 보고서를 보관하는 곳이었다. 0.7과 함께 발표된 어떤 것도 가중치가 공개되었음을 시사하지 않는다. 사이트 또한 전체가 중국어 간체로 되어 있고 로캘 전환기가 없어, 영어로 평가하려면 Amap의 보도 자료에 의존해야 한다.

대부분의 팀에게는 역량을 논하기도 전에 비교가 끝납니다. 호출할 수 없는 모델은 후보가 아니라, 해당 카테고리가 접근 가능해졌을 때 어떤 모습일지를 보여주는 벤치마크일 뿐입니다.

Amap에는 있지만 IFM에는 없는 것, 그리고 그것이 이전되지 않는 이유

ABot-Earth 0.7이 접근 문제에도 불구하고 진지하게 고려할 가치가 있는 이유는 실험실 데모가 아니라는 점이다. 이 모델은 고정 경로 비행 투어를 자유롭게 탐색할 수 있는 3D 공간으로 대체한 소비자 기능인 Flying Street View 2.0을 구동하며, Amap에 따르면 8억 8천만 명 이상이 이 기능이 기반을 두고 있는 Street Stars 표면을 사용했다고 한다. 베이징과 항저우 등 도시의 일부 장소에서는 시험이 진행 중이며, 회사가 구체적으로 제시한 사용 사례로는 특정 극장 좌석에서의 시야 확인, 쇼핑몰 내부 길찾기, 여행 전 지형 판단 등이 있다.

그 배경에는 어떤 모델 연구소도 빠르게 복제할 수 없는 데이터상의 입지가 있다 — Amap은 거의 10억 명의 월간 활성 사용자, 하루 최대 호출 수가 1조에 육박하는 Beidou 측위, 그리고 도로망과 관심 지점, 실시간 교통을 아우르는 수십 년간 축적된 시공간 데이터를 내세운다. 3DGS 아키텍처는 공개된 연구 성과다. 그 아래에 있는 코퍼스는 아니다.

이 중 어느 것도 외부 개발자에게 도움이 되지 않으며, 출시 보도가 흔히 슬쩍 넘어가는 부분이 바로 여기다. Amap이 내세우는 핵심 수치 — 제곱킬로미터당 10분, 기존 재구성보다 최대 1,000배 빠르면서 비용은 약 1/100, 196개 이상의 국가 및 지역, Unreal과 Unity에서 바로 사용할 수 있는 3DGS 출력 — 는 모두 공급업체가 보고한 것이며, 독립적으로 재현된 것은 하나도 없고, 엔드포인트가 아니라 화이트리스트와 함께 제공된다. 소비자 대상 출시 자체는 이 시스템이 대규모로 작동한다는 일종의 증거다. 그것이 여러분이 이를 실행할 수 있다는 증거는 아니다.

각 제품이 빌드에서 존재 가치를 입증하는 지점

잠시 둘 다 얻을 수 있다고 가정해 보세요. 해당 카테고리가 향하고 있는 상황이 그렇기 때문입니다. 구분은 명확합니다.

PAN 2는 후보 행동을 걸러내는 필터다. 그 설계는 에이전트가 이미 루프 안에 있다고 전제한다. 개념적 추론기는 지시를 따르는 어떤 언어 모델이든 될 수 있으며, IFM은 전체 계획 완수율을 기준으로 네 가지 모델의 순위를 매겼다 — Claude Opus 5.5, 중간 노력 수준의 GPT-6 Astra, Kimi K3, Qwen3.8-Flash — 이는 의도된 형태가 계획을 제안하는 추론기와 그 결과를 렌더링하는 시뮬레이터로 이루어져 있어 추론기가 그중 하나를 고를 수 있음을 보여준다. 계획에서 중심에 두어야 할 것은 그 루프의 비용이지 영상 품질이 아니다. 매 단계마다 가이던스를 적용한 샘플러 50단계는 클립 하나당 29B 트랜스포머를 100번 순전파하는 것이고, 후보 다섯 개에 10단계 계획이라면 클립 50개다.

그 reasoner 슬롯은 스택에서 GPU 클러스터가 전혀 필요 없는 유일한 부분이며, IFM의 순위 모델 네 개가 모두 OrcaRouter 카탈로그에 있습니다. 하나의 API 키로 프롬프트 재작성기를 구동하면 계약 단위가 아니라 실험 단위로 플래너를 교체할 수 있고, 자동 페일오버가 공급자 성능 저하를 흡수하며 공급자 목록 가격을 0% 마크업으로 그대로 전달하므로, 공급업체 가격 변경은 조달 주기를 거친 뒤가 아니라 발생한 당일 엔드포인트에 반영됩니다. OrcaRouter는 PAN 2를 호스팅하지 않으며 라우팅할 수도 없습니다 — 디퓨전 절반은 고객의 하드웨어에 남습니다 — 하지만 무엇을 시뮬레이션할지 결정하는 절반은 일반적인 종량제 텍스트 작업이며, 실행 간 변동성이 실제로 존재하는 곳도 바로 그곳입니다.

ABot-Earth는 환경 팩토리입니다. 이의 자연스러운 산출물은 무언가를 배치할 장소, 즉 체화된 에이전트를 위한 훈련장, 디지털 트윈, 합성 주행 데이터, 시뮬레이션을 위한 무대입니다. 만약 언젠가 API를 출시한다면, 그것이 가능하게 하는 워크플로는 PAN 2의 워크플로와 중복되기보다 보완적이며—세계를 한 번 생성한 뒤 그 안에서 행동을 시뮬레이션하는—Amap이 이미 광고하는 내보내기 형식들이 그 접점입니다.

이 페이지를 바꾸려면 무엇이 필요할까요

ABot-Earth 0.7의 경우, 무엇보다 중요한 것은 가격이 책정된 공개 API입니다. 그 한 단계가 화이트리스트를 후보로 바꾸고 PAN 2의 GPU 비용과의 비용 비교를 의미 있게 만듭니다. 그 뒤에는 세 가지 더 작은 미지수가 있습니다 — 0.5는 며칠 만에 기술 보고서를 냈으니 0.7 기술 보고서가 아예 나올지, 가중치가 공개될지—그렇게 되면 Amap이 유치한다고 말하는 시뮬레이션 팀들에게 진정으로 다른 제안이 될지—그리고 Amap 외부의 누군가가 자신들이 소유한 하드웨어에서 제곱킬로미터당 10분이라는 주장을 재현할지 여부입니다.

PAN 2에서 빠진 부분은 실패 사례 연구입니다. 모델 카드는 시뮬레이션된 계획 세 개 중 약 두 개에 실행되지 않는 단계가 최소 하나 포함된다는 점, 그리고 시뮬레이터가 실패해야 하는 계획을 얼마나 충실하게 시뮬레이션하는지는 아직 측정되지 않았다는 점을 인정합니다. 나쁜 결과를 보여주지 못하는 시뮬레이터는 반쪽짜리 필터입니다. 성능 수치에 대한 독립적 평가도 도움이 될 것입니다. IFM 보고서의 모든 수치는 IFM의 하네스에서 나오며, 인간 연구에는 13명의 검토자로 구성된 패널이 있습니다.

어느 것을 고를까?

장소가 필요하다면 — 도시, 건물 내부, 지형, 또는 측량 데이터로 재구성했을 법한 그 밖의 무엇이든 — PAN 2는 도움이 될 수 없고, ABot-Earth 0.7이 더 인상적인 시스템이지만 아직 사용할 수 없으므로, 실용적인 답은 현재 재구성 파이프라인을 유지하면서 API가 나오는지 지켜보는 것입니다. 어떤 행동을 취하기 전에 그 행동이 무엇을 하는지 알아야 한다면, ABot-Earth는 전혀 도움이 될 수 없습니다 — 정적 장면에는 아무런 결과가 없기 때문입니다 — 그리고 PAN 2는 가중치, 코드, 서빙 레시피, 실패율까지 모두 공개된, 그것을 시도하는 몇 안 되는 오픈 웨이트 모델 중 하나입니다.

사람들이 마치 선반 위의 경쟁 제품인 양 찾는 그 비교는 존재하지 않는다. 존재하는 것은 하나의 범주, 즉 월드 모델이며, 대부분의 보도가 굳이 이름 붙이지 않았던 하나의 축을 따라 갈라지고 있다. 한쪽은 사물이 어디에 있는지를 모델링한다. 다른 쪽은 다음에 무슨 일이 일어나는지를 모델링한다. 2026년 말, 그중 하나만 다운로드 링크를 함께 제공한다.