PAN 2 대 Genie 4: 둘 다 언어 모델을 루프에 넣지만, 이름을 밝힌 것은 하나뿐

2026년 말 가장 흥미로운 두 월드 모델은 같은 방식으로 만들어졌지만, 두 회사 모두 이 점을 전면에 내세우지 않는다. PAN 2는 Institute of Foundation Models의 290억 매개변수 오픈 가중치 월드 모델로, 2026년 10월 7일 Apache-2.0 체크포인트로 공개됐으며 추론 및 학습 코드는 11월 5일, vLLM-Omni의 Day-0 서빙 지원은 11월 10일 뒤따랐다. Genie 4는 Google DeepMind의 실시간 상호작용형 월드 모델로, 2026년 10월 27일 발표됐으며 텍스트 설명으로부터 탐험 가능한 장면을 생성하고 네이티브 오디오가 함께 재생되는 가운데 키보드로 조종할 수 있게 해준다. 둘을 나란히 놓으면 예상되는 대비 — 오픈 가중치 대 연구 프리뷰, 20초짜리 영상 대 라이브 세션 — 는 실제로 존재하지만 지루하다. 흥미로운 점은 둘 다 사고를 언어 모델에 위임한다는 것, 그리고 오직 PAN 2만이 어떤 언어 모델인지 알려주고 이를 바꿀 수 있게 한다는 것이다.

공개 방식의 그 단 하나의 차이는 벤치마크 표보다 더 가치 있습니다. 왜냐하면 그것이 여러분이 그 시스템에 대해 추론할 수 있는지 자체를 결정하기 때문입니다. 이름 없는 추론 절반을 가진 월드 모델은 제품입니다. 이름이 있고 교체 가능한 추론 절반을 가진 월드 모델은 아키텍처입니다.

공통 구조: 추론기는 미래를 쓰고, 렌더러는 그것을 그린다

PAN 2는 생성적 잠재 예측(Generative Latent Prediction)을 구현합니다. 이는 『세계 모델 비평』(arXiv 2507.05169)에서 형식화된 패턴입니다. 개념적 추론기 — 지시를 따르는 모든 언어 모델 — 는 현재 관측과 요청된 행동을 읽고, 다음 세계 상태를 구조화되고 시간에 근거한 설명으로 작성합니다. 사건은 순서대로, 각 행동은 이를 수행하는 행위자에 결속되며, 카메라 움직임도 포함됩니다. 동결된 Qwen3.5-9B 텍스트 인코더가 그 설명을 조건화 특징으로 변환합니다. 수억 개의 주석이 달린 비디오로 처음부터 학습된 29B 멀티모달 확산 트랜스포머가 설명이 열어 둔 지각적 세부 사항을 채우고, Wan 2.2 VAE가 결과를 프레임으로 디코딩합니다.

Google이 공개한 Genie 4 설명도 동일한 역할 분담을 다른 제품명으로 표현하고 있다. Gemini Omni는 시뮬레이션에 현실적인 외형과 행동의 기반을 제공하고, 다른 Gemini 모델들은 일관성과 연속성을 위한 추론을 제공하며, Gemini 3.8 Flash는 장면을 관찰하고 단계를 계획하며 진행 상황을 점검하는 안내 에이전트 역할을 한다. 마지막 역할은 루프 내 검증자(in-loop verifier)로, 세계 모델을 지켜보며 작업에 집중하도록 유지하는 언어 모델이다. Google은 또한 다단계 로봇공학 시뮬레이션을 위해 Genie 4를 Gemini 4 Argon과 결합했으며, 여기에는 Apptronik Apollo 휴머노이드가 체커를 두는 시연도 포함된다.

그래서 두 스택 모두에서 픽셀은 저렴하고 빠른 절반이고, 언어 모델은 무엇이 일어나야 하는지를 결정하는 절반이다. 이것이 2026년에 이 분야가 공식적으로 발표하지 않은 채 수렴한 형태다. 세계 모델은 물리 사전(prior)을 갖춘 비디오 생성기가 아니라 플래너에 렌더러를 더한 것이며, 그 플래너는 사용량을 계량할 수 있는 평범한 텍스트 모델이다.

그러한 수렴이 바로 공개 격차가 중요한 이유다. IFM은 시뮬레이션된 계획이 끝까지 완료되는 빈도를 기준으로 네 가지 플래너의 순위를 매겼다 — Claude Opus 5.5가 1위, GPT-6 Astra는 중간 노력 설정에서 2위, Kimi K3가 3위, Qwen3.8-Flash가 4위 — 그리고 그 순위를 이를 산출한 하네스와 함께 공개하면서, 개념적 추론기는 정의상 대체 가능하다고 밝혔다. Google은 루프에 Gemini 3.8 Flash를 지정했는데, 이는 대부분의 연구소가 말하는 것보다 더 많은 정보를 밝힌 것이며, 이를 어떻게 대체할지, 별도로 가격을 책정할지, 또는 다른 모델이 더 나은 계획을 세울지 측정하는 방법에 대해서는 아무것도 공개하지 않았다.

배치로는 20초, 또는 직접 이끄는 세션

상호작용 모델은 정반대이며, 바로 이 지점에서 둘은 비교 가능한 대상을 넘어 서로 다른 도구가 되기 시작한다.

• 출력 — PAN 2는 호출당 최대 20초의 704×1248 비디오를 초당 24프레임으로 반환합니다; Genie 4는 해상도, 프레임 레이트, 지속 시간을 Google이 공개하지 않은 라이브 지속형 장면을 반환합니다.

• 제어 — PAN 2는 시작 프레임 하나와 프롬프트 재작성기 스킬로 다듬어진 구조화된 동작 캡션을 받습니다. Genie 4는 텍스트 프롬프트를 받은 다음 이동과 카메라를 위한 연속 키보드 입력을 받습니다.

• 오디오 — PAN 2에는 없습니다. Genie 4는 시각 요소와 함께 주변음, 음악 같은 오디오, 상호작용형 캐릭터 대사를 생성하며, Google은 이를 실시간 월드 모델에서는 최초라고 설명합니다.

• 배치 동작 — PAN 2는 배치 오라클입니다. 한 번의 호출, 하나의 클립, 호출 내부에는 피드백이 없습니다. Genie 4는 3초 시점의 입력이 4초 시점을 바꾸는 폐쇄 루프입니다.

• 비용 — PAN 2의 문서화된 기본 구성은 BF16 기준 H200 8개이며, vLLM 레시피에서는 704×1248 영상 13초 분량을 B300 4대에서 약 119초에 처리합니다. Genie 4는 셀프서비스 방식의 접근이 없기 때문에 가격이 없습니다.

• 접근성 — PAN 2의 가중치는 Apache-2.0 라이선스로 60개 파일에 걸쳐 86.17기가바이트이며, 게이트 제한이 없습니다. Genie 4는 신뢰할 수 있는 테스터를 위한 연구 프리뷰로, 대기 명단을 통해 AI Ultra 구독자로, Gemini API와 Google AI Studio를 통해 얼리 액세스 파트너로 이어지는 경로가 명시되어 있습니다.

그 목록을 읽어 보면 실용적인 답은 깔끔하게 갈린다. "만약 그러면 어떻게 되지"를 수천 번 물어보고 그 답을 채점하고 싶다면, 둘 중 당신이 통제하는 루프에서 호출할 수 있는 쪽은 PAN 2뿐이다. 탐색하고, 조종하고, 귀 기울이고 싶다면, 둘 중 애초에 그런 자리라도 제공하는 쪽은 Genie 4뿐이다 — 그리고 아마 당신은 아직 거기에 들어갈 수 없을 것이다.

구글이 공개하지 않은 사양서

Genie 4 발표에서 가장 눈에 띄는 점은 빠져 있는 항목 목록이 얼마나 긴가입니다. 해상도도, 프레임 레이트도, 파라미터 수, 가격, 측정된 장면 일관성 지속 시간, 이름이 밝혀진 기준선과의 벤치마크도 없습니다. 구글이 실제로 공개한 것은 일련의 인정 사항입니다. 일관성은 짧은 세션에서는 유지되지만, 더 긴 실행, 복잡한 편집 후, 또는 탐색 중에는 시각적 세부 사항과 객체 영속성이 흐트러질 수 있습니다. 복잡한 물리적 상호작용, 오디오 정확도, 세계 내에서 읽을 수 있는 텍스트, 공간 정확도, 장기 일관성은 미해결 연구 과제로 나열되어 있습니다. 모든 출력에는 SynthID 워터마크가 포함됩니다.

그중 어느 것도 회피가 아니다. 그것은 연구 프리뷰의 정직한 모습이며, 드리프트를 미해결 문제로 나열하는 것은 대부분의 출시 글이 하지 않는 일이다. 하지만 그것은 독자가 Genie 4로부터 무엇도 계산할 수 없다는 뜻이다. 달러당 클립 수도, GPU당 초도, 장면이 더 이상 사용 가능하지 않게 되는 시점까지의 길이도. 구매자가 가장 원할 한 가지 숫자, 즉 세션이 일관성을 유지하는 시간은 발표문이 정성적으로 설명할 뿐 정량화하지 않는 바로 그 숫자다.

PAN 2는 더 나쁘고 따라서 더 유용한 숫자로 같은 질문에 답한다. 그 모델 카드는 시뮬레이션된 계획 약 3개 중 2개에 실행되지 않는 단계가 적어도 하나 포함된다고 명시한다. 또한 긴 상호작용에서 클립 전반에 걸쳐 외형이 달라지는 이유는 각 클립이 최대 하나의 시작 프레임과 텍스트만으로 시뮬레이션되기 때문이라고 말하며, 해결되었다고 주장하기보다 지각 기억을 빠진 부분으로 꼽는다. 텍스트는 "서랍을 열어라"는 잘 표현하지만 "각 손가락을 여기에 놓아라"는 잘 표현하지 못한다는 점을 인정하며, 이는 정교한 조작의 한계를 규정한다. 물을 빼기 전에 콜랜더에 파스타가 나타나는 구체적인 지름길 사례를 제시하고, 실패해야 할 계획을 시뮬레이션하는 것은 카드의 표현대로 아직 측정되지 않았다고 인정한다.

그 마지막 인정은 어떤 월드 모델이든 제품 사양서까지 따라가야 하는 바로 그런 것입니다. 성공만을 렌더링할 수 있는 시뮬레이터는 그럴듯한 결과의 생성기이지, 나쁜 결과를 걸러내는 필터가 아니며, 시뮬레이션 추론의 전체 전제 — 여러 후보 계획을 시뮬레이션하고, 비교하고, 가장 좋은 계획에 따라 행동한다는 전제 — 는 모델이 계획이 실패하는 모습을 보여줄 수 있는지에 달려 있습니다. PAN 2는 그 부분에 대해 테스트되지 않았다고 공개적으로 말합니다. Genie 4는 어느 쪽이라고 말하지 않습니다.

페일오버는 두 모델 중 어느 쪽의 기능도 아니며, 바로 당신에게 필요한 기능입니다.

이 두 시스템은 모두 프로덕션 마감이 있는 팀들이 해결하게 될 문제를 겨냥한 연구 산출물이며, 그 두 가지 사이의 간극이 바로 {{1}}라우팅 계층{{/1}}이 존재 가치를 입증하는 지점입니다. PAN 2 스택의 렌더러 절반은 여러분의 하드웨어이며 앞으로도 그럴 것입니다. OrcaRouter는 PAN 2를 호스팅하지 않고 라우팅할 수도 없으며, 어떤 카탈로그도 여러분이 자체 노드에서 실행 중인 290억 매개변수 확산 트랜스포머를 라우팅할 수 없습니다. 라우팅 가능한 것은 무엇을 시뮬레이션할지 결정하는 절반입니다. 왜냐하면 그 절반은 평범한 종량제 텍스트 작업이기 때문입니다.

IFM이 순위를 매긴 네 개 플래너는 모두 OrcaRouter 카탈로그에 있습니다: Claude Opus 5.5, GPT-6 Astra, Kimi K3, Qwen3.8-Flash. 따라서 추론기 슬롯은 GPU 노드를 대여하지 않고도 오늘 오후에 벤치마크할 수 있는 PAN 2 파이프라인의 한 부분입니다 — 단일 키로 프롬프트 재작성기를 각각에 연결하고, 디퓨전 절반은 고정한 채, 계획이 얼마나 자주 살아남는지 세십시오. 공급자 정가는 0% 마크업으로 전달됩니다. 따라서 비용 비교는 저희 요율이 아니라 공급업체 자체 요율을 기준으로 하며, 자동 장애 조치는 실행을 중단하는 대신 스윕 도중 발생하는 공급자 흔들림을 흡수합니다.

같은 경로가 Genie 4 쪽도 간신히 커버합니다. Gemini 3.8 Flash는 Google이 Genie 4의 루프 내 안내 에이전트라고 설명하는 모델이며, 같은 카탈로그를 통해 호출할 수 있습니다. Genie 4를 구할 수는 없습니다. Google이 실제로 설명한 아키텍처의 일부, 즉 생성된 프레임을 지켜보고 다음 단계를 계획하며 진행 상황을 확인하는 비전 기능을 갖춘 모델을 구축해, 여러분이 보유한 월드 모델에 연결할 수는 있습니다. 그것은 같은 제품이 아닙니다. 그것은 동일한 제어 계층이며, 실제로 대부분의 엔지니어링이 이루어지는 계층입니다.

위 순위가 어느 정도 가치가 있는지 분명히 하세요. IFM의 순위는 IFM의 과제와 IFM의 하네스를 사용해 IFM 자체의 기준선과 비교해 측정되었고, 아무도 이를 재현하지 않았습니다. 이는 최종 후보 목록이지 리더보드가 아닙니다. 네 개의 후보에 자신의 프롬프트를 실행해 보는 것은 두어 시간이면 되는 일이며, 당신의 문제에 적용되는 유일한 증거입니다.

예산에 넣어 둘 만한 또 하나의 숫자는 서빙 쪽 숫자입니다. 흐름 시프트 9에서 매 스텝 가이던스 2.5로 샘플러 스텝을 50번 수행한다는 것은 클립당 29B 트랜스포머를 100번 순전파한다는 뜻이며, 그래서 가이던스를 순차적으로 실행하는 대신 랭크 전반에 병렬화해야 합니다. 10단계 작업에서 각 단계마다 5개의 후보 행동을 평가하는 플래너는 클립 50개를 요구하는 셈이고, 공개된 4-B300 구성에서는 출력에서 무엇인가를 학습하기도 전에 노드가 거의 두 시간 내내 바쁘게 됩니다. 시뮬레이션 추론이 비싼 이유는 모델이 크기 때문이 아닙니다. 그 발상이 루프이기 때문에 비쌉니다.

출력, 제어, 그리고 각각이 지속 시간에 대해 말하기를 거부하는 것

여섯 가지 차원이 이 비교를 구성하며, 그중 네 가지는 품질과 전혀 관계가 없습니다.

• 출력 — PAN 2는 호출당 최대 20초의 704×1248 비디오를 초당 24프레임으로 반환합니다; Genie 4는 해상도, 프레임 레이트, 지속 시간을 Google이 공개하지 않은 라이브 지속형 장면을 반환합니다.

• 제어 — PAN 2는 시작 프레임 하나와 프롬프트 재작성기 스킬로 다듬어진 구조화된 동작 캡션을 받습니다. Genie 4는 텍스트 프롬프트를 받은 다음 이동과 카메라를 위한 연속 키보드 입력을 받습니다.

• 오디오 — PAN 2에는 없습니다. Genie 4는 시각 요소와 함께 주변음, 음악 같은 오디오, 상호작용형 캐릭터 대사를 생성하며, Google은 이를 실시간 월드 모델에서는 최초라고 설명합니다.

• 루프 동작 — PAN 2는 호출 내부에서 피드백이 없는 배치 오라클이고, Genie 4는 3초 시점의 입력이 4초 시점을 바꾸는 폐쇄 루프입니다.

• 비용 기준 — PAN 2의 문서화된 기본 구성은 BF16의 H200 8개이며, 4대의 B300에서 704×1248 영상 13초를 약 119초에 처리하는 레시피가 있습니다. Genie 4는 셀프서비스 방식의 접근이 없어 가격이 책정되지 않았습니다.

• 접근성 — PAN 2의 가중치는 Apache-2.0 라이선스로 60개 파일에 걸쳐 86.17기가바이트이며, 게이트 제한이 없습니다. Genie 4는 신뢰할 수 있는 테스터를 위한 연구 프리뷰로, 대기 명단을 통해 AI Ultra 구독자로, Gemini API와 Google AI Studio를 통해 얼리 액세스 파트너로 이어지는 경로가 명시되어 있습니다.

지속 시간 행은 대부분의 실제 결정을 좌우하는 행이며, 두 모델이 가장 비교하기 어려운 행이기도 합니다. PAN 2는 정확히 20초를 제공하고, 각 클립이 최대 하나의 시작 프레임과 텍스트로부터 시뮬레이션되기 때문에 클립마다 드리프트가 발생한다고 말합니다. Genie 4는 길이가 명시되지 않은 세션을 제공하고, 일관성은 짧은 세션에서만 유지된다고 인정하며, 장기 일관성을 미해결 연구 문제라고 부릅니다. 어느 쪽도 출력이 신뢰할 수 없게 되는 지속 시간을 알려주지 않으며, 바로 그 숫자—벤치마크 점수가 아니라—가 파이프라인에 실제로 필요한 것입니다.

이것을 진짜 비교로 만들려면 무엇이 필요할까요?

한 가지: 공유 과제입니다. 아무도 PAN 2와 Genie 4를 같은 질문에 실행한 적이 없고, 그것이 가능한지도 분명하지 않습니다. 하나는 캡션으로부터 고정 길이 클립을 만들고, 다른 하나는 프롬프트와 키보드로부터 대화형 세션을 만듭니다. 공통 측정값에 가장 가까운 것은 설명된 계획에 따른 행동 준수일 것이며, 그에 대한 하네스를 공개한 것은 PAN 2뿐입니다. 6개 역량 범주에 걸친 300개 단일 행동 사례, 200개 프롬프트와 456개 단계로 제시된 100개 다단계 과제를 세 개의 시드에 걸쳐 단계 완료와 전체 계획 완료로 채점했습니다. 열세 명의 검토자가 블라인드 쌍대 비교 연구에서 140개 프롬프트에 대한 인간 선호도 수치를 산출했으며, 저자들의 모델을 저자들의 베이스라인과 비교해 평가했습니다. 그것은 독립적이지 않습니다. 그것은 이해 가능하며, 그것이 그다음으로 좋은 것이고, 다른 쪽이 제공하는 것보다 더 많은 것입니다.

그래서 증거가 허용하는 한 분명히 말하자면, 선택은 이렇습니다. 다운로드하고 감사하고 미세 조정하고 배치로 질의할 수 있는 월드 모델이 필요하고, 멀티 GPU 노드를 소유하거나 임대할 수 있다면, PAN 2는 해당 범주에서 가장 완전한 공개 릴리스이며, 그 자체의 한계 섹션이 그 안에서 가장 가치 있는 페이지입니다. 사람이 소리와 함께 안을 걸어 다닐 수 있는 세계가 필요하고, 대기자 명단을 기다리며 날짜도 가격도 없는 API에 맞춰 구축할 의향이 있다면, Genie 4는 더 인상적인 시스템이며 뒤에 배포 경로가 있는 쪽입니다.

피해야 할 혼동은 둘 중 하나를 다른 하나의 대체물로 취급하는 것이다. Genie 4의 폭넓은 기능 범위는 그것이 계획을 평가할 수 있다는 증거가 아니며, PAN 2의 다운로드 가능한 가중치는 조작하는 동안 장면의 일관성을 유지할 수 있다는 증거가 아니다. 두 제품이 진정으로 공유하는 것은 두 회사가 독립적으로 도달한 아키텍처 — 언어 모델이 결정하고 확산 모델이 그리는 — 와, 2026년에도 여전히 둘 중 하나의 내부만 들여다볼 수 있다는 사실이다.