PAN 2 vs Hy-Nomas: 동일 라이선스, 동일 아키텍처 계열, "액션"에 대한 두 가지 정의

This is the only pair in the current crop of world models where the comparison is a real choice rather than a category error. PAN 2 is the Institute of Foundation Models' 29-billion-parameter world model, Apache-2.0 on Hugging Face since 7 October 2026, code on 5 November, Day-0 vLLM-Omni support on 10 November, which turns a starting frame and a described action into up to twenty seconds of 704×1248 video at 24 frames per second. Hy-Nomas is T​encent Hunyuan's interactive video world model, Apache 2.0, roughly 8 billion parameters, described in arXiv 2610.36729 on 27 October 2026, which turns a text prompt plus a continuous camera trajectory into 720p video at 24 frames per second in eight distilled steps. Both are open-weight. Both are diffusion transformers generating video from a conditioning signal. Both are downloadable this afternoon. Anyone choosing between them cannot use licence, availability or category as a tiebreak, which is exactly what makes it worth doing carefully.

실제로 효과가 있는 결정적 차이는 어느 팀도 초록에 쓰지 않은 한 문장, 즉 무엇을 행동으로 간주하는가이다. Hy-Nomas의 제어 신호는 카메라가 어디로 가는가이다. PAN 2의 제어 신호는 장면에서 일어나는 일이며, 언어 모델이 이를 액터에 묶인 사건들의 연속으로 기록한 것이다. 이 둘은 충분히 달라서 한쪽에서 잘 작동하는 프롬프트가 다른 쪽에서는 거의 의미가 없으며, 이 비교에서 한 가지만 배운다면 바로 이것이다.

두 가지 컨디셔닝 인터페이스이며, 두 가지 품질 수준이 아닙니다.

Hy-Nomas는 텍스트와 카메라 경로를 조건으로 삼습니다. 경로는 연속적이고 기하학적입니다. 시점이 어디로 이동하는지 알려주면, 모델은 캐시된 이력에 조건화된 세그먼트를 생성해 이동하는 동안 세계가 일관성을 유지하게 합니다. 프롬프트 향상기인 Nomas-PE는 느슨한 산문을 구조화된 JSON 캡션으로 다시 씁니다. 이는 PAN 2의 프롬프트 재작성기가 반대 방향에서 따르는 것과 같은 직관이며, 두 팀 모두 자유 텍스트는 확산 트랜스포머를 조건화하기에 너무 모호하다고 결론지었습니다.

두 방식이 갈라지는 지점은 구조화된 형식이 기술하는 대상이다. Hy-Nomas의 구조는 공간적이고 시점 중심적이며, 정확히 모델링되는 것은 장면을 통과하는 카메라의 움직임이다. PAN 2의 구조는 시간적이고 행위자 중심적이다. 사건은 순서대로 배열되고, 각 행동은 이를 수행하는 행위자에 결부되며, 카메라 움직임은 여러 필드 중 하나로 포함된다. IFM 자체의 프레이밍을 읽어 보면 강조점은 분명하다. 캡션은 어떤 행동 이후에 일어나는 일을 기술하며, 이 모델을 유명하게 만든 시연은 그릇에 떨어진 딸기인데, 여기서 과일이나 액체를 바꾸면 튀는 양상이 달라진다.

• 컨디셔닝 — Hy-Nomas는 자유 텍스트와 연속 카메라 궤적을 입력받고, PAN 2는 선택적 첫 프레임과 구조화된 시간 기반 액션 캡션을 입력받습니다.

• "액션"의 의미 — Hy-Nomas: 카메라 무브, 즉 어디를 보는지; PAN 2: 액터가 있는 이벤트, 즉 무슨 일이 일어나는지.

• 세그먼트 구조 — Hy-Nomas는 캐시된 KV 이력에 대해 세그먼트 자기회귀 방식으로 동작하므로 컨텍스트가 세그먼트 간에 이어집니다. PAN 2는 각 클립을 최대 하나의 시작 프레임과 텍스트로부터 시뮬레이션하며, 클립 간에 이월되는 상태가 없습니다.

• 출력 — Hy-Nomas: 720×1280, 24fps, 8개의 증류 스텝; PAN 2: 704×1248, 24fps, 50개의 샘플러 스텝, 가이던스 2.5.

크기 — Hy-Nomas: 약 8B로, 히든 크기 2,048의 54개 듀얼 스트림 MMDiT 블록으로 구성되며, DCAE-V 잠재 표현에 대해 미세 조정된 PixelUMM 디코더가 추가됩니다. PAN 2: 29B MMDiT에 동결된 Qwen3.5-9B 텍스트 인코더와 Wan 2.2 VAE를 더한 구성입니다.

• 하드웨어 — Hy-Nomas: 참조 배포에서는 GPU 8개를 사용하며, 단일 RTX 4090 구성은 INT8 DiT, KV 캐시, FP8 디코더, CPU 오프로드를 사용해 약 38GB입니다. PAN 2: 문서화된 기본값은 BF16 기반 H200 8개이며, B300 4대에서 13초 분량의 영상을 약 119초에 생성하는 레시피도 있습니다.

• 가중치 크기 — Hy-Nomas: Hugging Face에서 tencent/Hy-Nomas로 약 196GB; PAN 2: IFM/PAN2로 60개 파일에 걸쳐 86.17GB.

일곱 가지 차원이며 그중 어느 것도 점수가 아니다. 그것들이 설명하는 것은 설계상의 차이다. Hy-Nomas는 매개변수를 당신이 그 세계를 이동할 때 세계를 하나로 유지하는 데 투입했고, PAN 2는 매개변수를 어떤 행동이 무엇을 하는지 예측하는 데 투입했다. 카메라 경로는 지정하기는 저렴하고 위조하기는 어렵다. 이벤트 시퀀스는 표현력이 뛰어나고 생성 비용이 많이 든다.

차이가 실제로 드러나는 지점: 세 가지 과제, 두 모델

추상적인 대조는 값싸다. 이것들은 구체적이다.

플랫 투어를 하나 보여드리죠. Hy-Nomas가 완전히 승리합니다. 복도를 지나 주방으로 이어지는 연속 경로를 원하고, 등 뒤의 방은 계속 등 뒤의 방으로 남아야 합니다. 그것은 캐시된 히스토리에 대한 세그먼트-자기회귀 생성이며, 바로 이것이 이 아키텍처의 존재 이유이고, PAN 2는 그렇게 할 수 없습니다. PAN 2는 클립을 렌더링하고, 다음 클립은 이전의 무엇도 기억하지 못한 채 사용자가 제공한 프레임에서 시작합니다. PAN 2 클립을 이어 붙여 투어를 만들면 자체 모델 카드가 경고하는 드리프트가 발생하는데, 장기 상호작용에서 각 클립이 기껏해야 하나의 시작 프레임에서 시뮬레이션되기 때문에 클립 간에 외형이 변합니다.

서랍을 열면 컵이 떨어진다. PAN 2가 승리하며, 이는 근소한 차이가 아니다. 요청은 행위자와 물리적 결과를 가진 사건이다. Hy-Nomas의 조건화에는 카메라와 분리된 "서랍이 열린다"를 위한 필드가 없다 — 텍스트 프롬프트에 넣을 수 있고 그 프롬프트 인핸서가 구조화하겠지만, 모델의 정밀도 예산은 접촉과 결과보다는 시점에 쓰였다. PAN 2의 캡션 계약은 바로 행동을 행위자에 묶고 시간 순으로 정렬하기 위해 존재하며, 그래서 IFM은 산문을 그대로 통과시키지 않고 텍스트 인코더의 예산(소프트 1,480 토큰, 하드 1,536 토큰)에 비추어 설명을 검사하는 검증기를 출시했다.

데이터셋을 위한 조작 장면 변형 200개를 생성하세요. 둘 다 틀렸지만, 틀린 방식은 다릅니다. Hy-Nomas는 200개의 장면을 통과하는 200개의 일관된 카메라 움직임을 제공하지만, 로봇 팔이 실제로 무언가를 집는지에 대해서는 거의 제어할 수 없습니다. PAN 2는 200개의 행동 조건화 클립을 제공하며, 자체 카드에 따르면 세 계획 중 약 두 개에는 실행되지 않는 단계가 최소 하나 포함되므로, 검사기를 구축하지 않는 한 데이터셋의 3분의 1은 사용할 수 없게 됩니다. 둘 다 별도의 설정 없이 바로 쓸 수 있는 데이터 엔진은 아닙니다. 차이는 실패가 기하학적 드리프트인지 누락된 단계인지, 그리고 다운스트림 작업이 그중 어느 것을 감내할 수 있는지에 있습니다.

그 세 번째 작업은 또한 여러분의 하드웨어를 결정하는 작업이기도 합니다. 양자화된 4090 한 장에서 8스텝 720p 클립 200개를 처리하는 것은 반나절이면 됩니다. 4-B300 노드에서 13초 분량 영상당 119초가 걸리는 조건으로 클립 200개를 처리하면 이틀 정도 걸리며, 바로 이 산술이 두 모델의 기능이 겹치는 경우에도 두 모델을 서로 바꿔 쓸 수 없는 진짜 이유입니다.

서로 다른 두 이름을 가진 같은 실패

두 카드 모두 같은 약점을 인정하며 어느 쪽도 그것을 해결하지 못한다. 장기 지평 세계 모델은 자신의 세계를 잃어버린다는 점이다. PAN 2는 클립 전반에 걸쳐 외형이 표류한다고 말하며 지각적 기억을 빠진 조각으로 지목한다. Hy-Nomas는 이를 이어받는 KV 캐시와, 서술적 맥락을 세그먼트 전반에서 살아 있게 유지하면서 행동 지시는 그것이 발행된 윈도우에 국한시키는 인과적 어텐션 패턴으로 직접 다룬다 — 그리고 자체 평가에서 장기 공간 기억에서 여전히 Genie 3에 뒤처진다고 보고한다.

그 마지막 인정은 승리보다 더 흥미롭다. 그것은 메모리 메커니즘이 상호작용과 프롬프트 준수에서 Genie 3와 LingBot-World v2를 이길 만큼 잘 작동한다는 것을 말해 준다 — 다중 턴 텍스트, 카메라 탐색, 텍스트와 카메라의 교차, 공간 기억을 아우르는 280개 사례 벤치마크에서 프롬프트 준수 승률 약 65% — 그리고 여전히 세계가 제자리에 머무는지를 측정하는 트랙에서는 진다. 이는 저자들이 자신들이 선택한 기준선과 자신들의 벤치마크에서 수행한 비교이며, 이 범주의 모든 수치처럼 재현되지 않았다. 다만 모호하지는 않다: 어디서 지는지를 공개하는 모델은 계획을 세울 수 있는 모델이다.

둘 중 어느 쪽이든 기반으로 구축하는 사람에게 유용한 해석은 이것입니다. 지속성은 가정해 두고 나중에 확인할 수 있는 속성이 아닙니다. 모델에 파이프라인을 확정하기 전에, 자신의 드리프트 허용 범위를 가지고 자신의 장면에서 가장 먼저 측정해야 할 항목입니다. 어느 벤더도 장면이 더 이상 신뢰할 수 없게 되는 시점까지의 지속 시간인 실패까지 걸리는 시간 곡선을 공개하지 않으며, 그 빠진 숫자는 어떤 벤치마크 순위보다 더 중요합니다.

비용은 반올림 오차가 아니라 의사결정 그 자체입니다.

잠시 성능 논쟁은 제쳐두고, 각각을 일주일 동안 운영하는 데 무엇이 필요한지 살펴보세요.

Hy-Nomas의 단일 4090 경로는 이 비교에서 가장 중대한 사실이며, 8-GPU 참조 배포 아래에서는 놓치기 쉽다. KV 캐시가 있는 INT8 DiT, FP8 디코더, CPU 오프로드를 합치면 대략 38GB에 들어가므로, 워크스테이션급 카드 한 장을 갖춘 스튜디오도 아무것도 대여하지 않고 720p 인터랙티브 비디오를 생성할 수 있다. 벤치마크가 설명하는 것은 8-GPU 구성이고, 독자가 실제로 오늘 밤 해볼 수 있는 것은 4090 구성이다.

PAN 2에는 비교 가능한 경로가 공개되지 않았다. 문서화된 기본값은 BF16에서 H200 8대와 네 개 타일 전반에 걸친 VAE 패치 병렬 처리를 사용하는 구성이며, 모두가 인용하는 서빙 레시피 — 704×1248의 13초 분량을 약 119초에 처리 — 는 B300 4대를 전제로 한다. 설상가상으로 샘플러는 설계상 비용이 크다. 매 단계마다 2.5의 가이던스를 적용한 50단계는 클립당 29B 트랜스포머를 100회 순전파하는 것과 같으며, 그렇기 때문에 classifier-free guidance를 여러 랭크에 분할하고 시퀀스 병렬 처리를 더 많은 곳에 분산해야 한다. 이번 릴리스에는 양자화된 단일 카드 시나리오가 존재하지 않으며, 달리 가정하는 것은 그것을 만들어내는 것일 뿐이다.

그래서 솔직하게 비용을 말하자면 이렇습니다. Hy-Nomas는 아마 이미 가지고 있을 GPU를 쓰고, PAN 2는 아마 가지고 있지 않을 GPU 노드를 쓰며, 어느 쪽이든 품질 차이가 얼마나 크든 작은 팀에게는 그 사실이 달라지지 않습니다.

여기서 라우팅 관점은 좁고, 정확히 짚고 넘어갈 가치가 있습니다. 왜냐하면 이 둘은 모두 직접 호스팅하는 모델이고 어느 쪽도 OrcaRouter 카탈로그에 없기 때문입니다. 라우팅이 가능한 것은 두 아키텍처가 자유 텍스트만으로는 충분하지 않아 추가한 부분, 즉 프롬프트 향상 단계입니다. Hy-Nomas의 Nomas-PE는 산문을 구조화된 JSON 캡션으로 다시 쓰고, PAN 2의 prompt-rewriter는 시스템 프롬프트, 고정된 네거티브 프롬프트, 그리고 인코더의 토큰 예산에 대한 검증기를 갖추고 있습니다. 이들은 언어 모델 호출이며, 다른 모델을 쓰면 렌더러가 받는 내용이 측정 가능하게 달라지는 단계입니다. IFM은 캡션 단계를 위해 네 가지 추론 모델의 순위를 매겼습니다 — Claude Opus 5.5, 중간 노력 수준의 GPT-6 Astra, Kimi K3, Qwen3.8-Flash — 그리고 네 가지 모두 카탈로그에 있으므로, 어느 파이프라인이든 재작성 절반을 하나의 키로 교체해 비교할 수 있습니다 제공자 정가, 0% 마크업으로, 배치 도중 재작성 호출이 시간 초과될 때는 페일오버까지 함께. 29B와 8B 렌더러는 사용자의 하드웨어에 그대로 남습니다. 그것이 이 주장의 전부입니다.

두 모델 카드가 실제로 담고 있는 내용

두 발표 모두 카드를 공개했고, 그 카드들이 인정하려는 내용은 서로 다르다.

Hy-Nomas의 보고서, 2026년 10월 27일자 arXiv 2610.36729는 멀티턴 상호작용을 가능하게 하는 비결을 설명한다: 구조화된 캡션이 행동 인식 인과 어텐션 패턴과 정렬되어, 서술적 맥락은 세그먼트 전반에 걸쳐 지속되는 반면 행동 지시는 발행된 창 안에 국한된다. 평가는 280개 사례로 구성된 벤치마크로, 네 가지 트랙—멀티턴 텍스트, 카메라 내비게이션, 텍스트와 카메라의 인터리브, 공간 기억—에 걸쳐 있으며, Genie 3, LingBot-World v2, Happy Oyster와의 인간 쌍별 비교로 판정된다. 상호작용과 프롬프트 준수에서 우승하며, 프롬프트 준수에서 약 65%의 승률을 보고했고, 장기 공간 기억에서는 Genie 3에 패한다. 가중치는 Apache 2.0 하에 tencent/Hy-Nomas로 약 196GB이며, 코드는 GitHub에, 호스팅 데모도 있다.

PAN 2의 카드는 더 길고 그다지 호의적이지 않다. 아키텍처는 Critique of World Models(arXiv 2507.05169)에서 나온 생성적 잠재 예측이며, 이를 설명하는 같은 문서에는 실패 사례들이 나열되어 있다. 시뮬레이션된 계획 중 약 3분의 2가 적어도 한 단계를 누락하고, 이어지는 상태가 없기 때문에 클립 전반에서 외형이 표류하며, 관찰과 행동의 표현 방식이 결과를 바꾸고, 텍스트는 "서랍을 열어라"는 잘 표현하지만 "각 손가락을 여기에 놓아라"는 잘 표현하지 못하며, 시뮬레이션은 물리 법칙을 위반하면서도 진행될 수 있고, 실패해야 할 계획을 시뮬레이션하는 것은 아직 측정되지 않는다.

두 문서를 나란히 놓고 읽어보면 공개 방식의 차이가 명백히 드러난다. Hy-Nomas는 승률과 손실을 보고하고, PAN 2는 실패율과 목록을 보고한다. 어느 쪽도 감사는 아니며, 둘 다 모델을 개발한 팀이 작성한 것이다. 하지만 모델이 어디에서 실패하는지 알려주는 카드는 그에 대비해 계획을 세울 수 있는 문서이며, 이 둘 모두 그 조건을 충족한다 — 이는 대부분의 폐쇄형 경쟁사들이 제공하는 것보다 더 많은 것이다.

어느 것인가요, 그리고 무엇이 답을 바꿀까요?

문제가 탐색이나 콘텐츠라면 Hy-Nomas를 선택하세요: 누군가 걸어 다니는 세계, 누군가 연출하는 카메라 무브, 단일 카드에서 프롬프트로 만드는 일관된 720p 장면. 메모리 메커니즘, 카메라 컨디셔닝, 4090 경로는 모두 같은 사용자를 가리킵니다 — 어떤 장소를 보고 그곳을 저렴하게, 지금, 이동하며 체험해야 하는 사람입니다.

문제가 결정이라면 PAN 2를 선택하세요. 어떤 행동이 무엇을 하는지 미리 보여줘야 하는 에이전트, 후보 계획들의 순위를 매기는 플래너, 이벤트에 대한 구조화된 설명이 그 결과를 생성하기에 충분한지를 묻는 연구 질문이 그런 경우입니다. PAN 2의 캡션 계약, 공개된 하네스, Apache-2.0 가중치는 모두 정직하게 논쟁을 주고받아야 하고 그 비용을 감당할 하드웨어를 갖춘 사용자를 가리킵니다.

두 가지가 있다면 현재 어느 벤더도 허용하지 않는 방식으로 승부가 갈릴 것이다. PAN 2의 행동 조건화를 갖춘 모델에 Hy-Nomas 스타일의 메모리를 세그먼트 전반에 걸쳐 이어지게 한 제품은 둘 중 어느 것보다도 실질적으로 더 나은 제품이 될 것이다. 공개된 실패 연구, 즉 PAN 2가 실패해야 할 계획을 시뮬레이션하고 Hy-Nomas가 1분이 아니라 10분에 걸친 드리프트를 측정하는 연구는 두 카드가 모두 열어 둔 질문에 답할 것이다. 그중 하나가 실현되기 전까지, 선택은 어느 모델이 더 나은가의 문제가 아니다. 그것은 당신의 세계가 당신이 가로지르는 것인지, 아니면 당신에게 일어나는 것인지의 문제다.