PAN 2 vs Qwen3.8-27B: 상대는 이미 모델 안에 있다

대부분의 모델 비교에는 명확한 경계가 있습니다. 두 체크포인트, 두 벤더, 하나를 고르는 식이죠. 이 비교에는 그런 경계가 없습니다. Qwen이 PAN 2의 내부 파이프라인 세 곳에 동시에 관여하기 때문입니다. PAN 2는 Qwen3.5-9B를 고정된 텍스트 인코더로 로드하는데, 이 구성 요소는 구조화된 세계 상태 캡션을 290억 매개변수 디퓨전 트랜스포머가 소비하는 조건화 특징으로 변환합니다. PAN 2 자체 기술 보고서의 PhyGround 점수는 Qwen3.8-27B, 즉 이 페이지가 표면적으로 비교 대상으로 삼는 모델에 의해 판정됩니다. 그리고 Qwen3.8-Flash는 그 보고서가 애초에 PAN 2의 캡션을 작성하기 위해 벤치마킹하는 네 가지 개념 추론기 중 하나입니다. 따라서 솔직한 구도는 PAN 2 대 Qwen3.8-27B가 아닙니다. 그것은 조용히 공개되었고 출시 발표도 없었던 MBZUAI의 Institute of Foundation Models의 비디오 세계 모델로서, Qwen 구성 요소 위에 서 있고, 부분적으로는 Qwen 심사자에 의해 평가받으며, 그 자체로 완전한 제품인 Alibaba의 270억 매개변수 비전-언어 모델과 비교되는 것입니다. 흥미로운 질문은 배포할 것을 선택할 때 이 관계들 중 무엇에 주목해야 하느냐입니다.

공유된 DNA가 의미하는 것과 의미하지 않는 것

두 모델이 비교 가능하다는 뜻은 아니다. PAN 2는 영상을 출력하고, Qwen3.8-27B는 텍스트를 출력한다. 공유 인코더의 그 무엇도 이를 바꾸지 않으며, 두 모델을 서로 겨루어 순위를 매기는 벤치마크는 존재하지 않는다. 일대일 비교 점수를 제시하는 사람은 인상을 제시하고 있는 것일 뿐이다.

그것이 의미하는 바는, 그 비교가 출처에 관해 이례적으로 많은 정보를 준다는 것이다. PAN 2가 당신의 캡션을 읽을 때, 그것은 MBZUAI가 자체 저장소에서 수정하지 않고 내려받은 Qwen 인코더를 통해 읽는다. 그리고 모델 카드에는 Qwen3.5-9B 가중치가 공개된 그대로 사용되며 MBZUAI가 미세 조정하지 않았다고 명시되어 있다. 프롬프트 검증기가 강제하는 토큰 예산, 즉 소프트 1,480 토큰과 하드 1,536 토큰은 PAN 2의 예산이 아니라 Qwen3.5-9B의 예산이다. 또한 보고서가 PhyGround 수치를 주장할 때, 그 수치는 생성된 비디오를 5점 척도로 점수화하도록 Qwen3.8-27B에 요청하여 산출된 것이다. 심사자는 경쟁자다.

그것은 스캔들이 아니다. 강력한 오픈 모델을 자동 채점자로 사용하는 것은 표준 관행이며, 이를 공개하는 것은 대부분의 연구소가 해내는 것보다 낫다. 하지만 그것은 PAN 2의 증거 사슬이 세 개의 서로 다른 지점에서 Alibaba의 모델 계열을 거친다는 것을 의미하며, PAN 2를 평가하고 있다면 PAN 2의 수치 중 어느 것이 PAN 2 자체의 측정값이고 어느 것이 Qwen이 바라본 PAN 2의 측정값인지 알아야 한다.

Qwen3.8-27B, 그 나름의 방식으로

알리바바의 모델은 완전히 다른 종류의 객체입니다. 즉, 비전 인코더를 갖춘 270억 개 파라미터의 인과 언어 모델로, Qwen3.5 아키텍처를 기반으로 하이브리드 레이아웃을 사용합니다. 세 개의 Gated DeltaNet 블록 뒤에 하나의 Gated Attention 블록이 오는 구성이 16회 반복되며, 총 64개 레이어, 은닉 차원 5,120, 248,320개 토큰의 패딩된 어휘를 가집니다. 기본 컨텍스트는 262,144개 토큰이며 100만 개까지 확장 가능합니다. Apache-2.0 라이선스이고, 2026년 8월 5일 Hugging Face에 공개되었으며, 월간 다운로드 수는 740만 회입니다.

벤더가 제시한 수치는 강력하며, 이 모델 카드는 오픈 웨이트 분야에서 비교적 완성도가 높은 편에 속합니다: GPQA Diamond 89.2, HLE 30.8, LiveCodeBench v6 90.3, SWE-bench Pro 61.7, Terminal-Bench 2.1은 73.0, OSWorld-Verified 84.3, OmniDocBench 1.5는 91.1, CharXiv reasoning 83.7, IFBench 79.5, CoWorkBench 70.7. MathVision에서는 사고 연쇄 없이 90.0, 사고 연쇄를 사용하면 94.6을 보고합니다. 이는 알리바바 자체 기준선에 대비한 알리바바 자체 평가이며, 이 사이트의 모든 벤더 표(PAN 2의 표 포함)에 적용되는 것과 동일한 주의사항입니다.

• 모달리티 — Qwen3.8-27B: 텍스트, 이미지, 비디오 입력, 텍스트 출력. PAN 2: 선택적 첫 프레임과 구조화된 캡션 입력, MP4 출력.

• 크기 — Qwen3.8-27B: 27B 밀집 모델, 64개 레이어, 약 278억 개의 safetensors 파라미터. PAN 2: BF16 기준 67.37GB의 29B 확산 트랜스포머에 15.87GB의 동결된 Qwen3.5-9B 인코더와 Wan 2.2 VAE가 더해집니다.

• 컨텍스트 — Qwen3.8-27B: 네이티브 262,144토큰, 최대 100만 토큰. PAN 2: 1,536개의 텍스트 인코더 토큰으로 제한된 단일 캡션과 하나의 시작 프레임.

• 라이선스 — Qwen3.8-27B: Apache-2.0. PAN 2: 자체 가중치는 Apache-2.0이며, 타사 구성 요소는 해당 구성 요소의 자체 조건을 따릅니다.

• 서빙 — Qwen3.8-27B: Transformers, vLLM, SGLang, TokenSpeed, 그리고 Alibaba가 출시 예정으로 표시한 호스팅형 Qwen Cloud 엔드포인트. PAN 2: Diffusers, vLLM-Omni 및 저장소 자체의 generate.py, 사용자 하드웨어에서, 어디에도 호스팅되지 않음.

PAN 2의 카드에서 인코더 선택이 가장 중대한 한 줄인 이유

9B 텍스트 인코더를 동결하고 디퓨전 백본만 학습하는 것은 정당화 가능한 엔지니어링 결정이며, PAN 2의 디퓨전 절반이 40B가 아니라 29B인 이유이기도 하다. 또한 이는 PAN 2가 받아들일 수 있는 정보의 상한을 엄격히 정한다. 개념적 추론기가 캡션을 작성하고, Qwen3.5-9B가 이를 특징으로 매핑하며, 디퓨전 모델이 그 특징으로부터 렌더링한다. Qwen3.5-9B가 표현하지 못하는 것은 무엇이든, 캡션이 아무리 좋아도 PAN 2는 시뮬레이션할 수 없다.

이것은 카드가 분명히 명시하지만 대부분의 독자가 건너뛰는 한계를 설명한다: 모델은 프롬프트 문구에 민감하고, 훈련 분포를 벗어난 예시들은 수작업으로 다듬은 프롬프트에 의존했으며, 텍스트 액션은 정교한 조작을 아주 개략적으로만 지정한다. 이들은 세 가지 별개의 문제가 아니다. 이는 같은 문제를 세 가지 방식으로 본 것이다 — 한쪽에 1,536토큰 예산과 고정된 어휘를 둔, 언어 설명과 고정된 텍스트 인코더 사이의 인터페이스다.

Qwen3.8-27B가 같은 작업을 처리하는 방식과 비교해 보십시오. 이 모델은 추론기와 인코더를 하나의 객체에 담은 모델로, 262,144토큰 창, 요청별로 비활성화할 수 있는 네이티브 사고 제어, reasoning_effort 노브, 그리고 턴 간에 추론 컨텍스트를 유지하기 위한 preserve_thinking을 갖추고 있습니다. 장면과 계획을 다운스트림에서 실행 가능할 만큼 자세히 설명하는 것이 과제라면, Qwen3.8-27B는 바로 그 용도로 만들어졌고 PAN 2는 그 출력을 소비하도록 만들어졌습니다. 이 둘은 같은 자리를 두고 경쟁하는 것이 아니라, 하나가 다른 하나의 업스트림에 있습니다.

아무도 비교표에 넣지 않는 배포의 비대칭성

Qwen3.8-27B는 일반적인 대형 모델처럼 작동하는 대형 모델입니다. BF16 기준 270억 파라미터는 약 55GB의 가중치이며, 80GB 가속기 한 장에 KV 캐시 공간까지 남기고 들어갑니다. 또한 모델 카드에는 네 가지 서빙 스택과 함께 준비 중인 OpenAI 호환 호스팅 엔드포인트가 나열되어 있습니다. 사용하기로 결정한 바로 그날 오후에 요청에 응답하도록 설정할 수 있습니다.

PAN 2는 60개 파일에 걸쳐 86.17GB이며, 서빙 산술은 노드-분 단위로 계산된다. 매 스텝 classifier-free guidance를 적용한 50개의 샘플러 스텝은 클립당 29B 트랜스포머를 통과하는 100회의 포워드 패스다. vLLM 레시피의 대표 수치는 4개의 B300 GPU에서 약 119초에 704×1248 영상 13초를 생성한다는 것이며, guidance는 두 랭크에 걸쳐, Ulysses 시퀀스 병렬화는 추가 두 랭크에 걸쳐 병렬화된다. 기본 구성은 BF16의 H200 8개이며 타일 모드에서 네 랭크에 걸친 VAE 패치 병렬화를 사용한다. 저장소 자체 추론 스크립트는 더 단순하고 더 많은 자원을 요구한다. GPU당 워커 하나, 각 워커는 67.37GB 트랜스포머의 전체 복사본을 보유하고, 각각 모든 N번째 프롬프트를 맡는다.

둘을 나란히 놓고 보면 실무적인 결론은 확연히 갈린다. Qwen3.8-27B 호출은 하나의 요청이다. PAN 2 클립은 GPU 예약이 딸린 배치 작업이다. 20초짜리 영상을 한 번만 만들어야 한다면 PAN 2는 설정에 반나절, 렌더링에 3분이 든다. 시뮬레이션할 계획이 천 개라면 당신은 노드의 시간을 사는 것이며, 중요한 비교 대상은 언어 모델이 아니라 다른 비디오 월드 모델이다.

두 사람이 진정으로 만나는 유일한 곳

PAN 2의 의도된 용도는 모의 추론입니다. 에이전트가 각 후보 행동의 결과를 상상한 뒤 가장 좋은 행동을 선택하는 것입니다. 이 루프에는 후보 행동을 생성하는 플래너와 그 결과를 산출하는 시뮬레이터가 필요합니다. Qwen3.8-27B는 신뢰할 만한 플래너입니다. IFBench에서 79.5로 강력한 지시 수행 능력을, CoWorkBench에서 70.7로 장기 사무 업무를, Terminal-Bench 2.1에서 73.0으로 에이전트형 터미널 코딩을 보여주며, MBZUAI가 PhyGround와 Qwen3.8-Flash를 네 명의 캡션 작성자 중 하나로 심사하는 데 이 모델을 사용했기 때문에 이미 이 루프에 들어와 있습니다.

그 루프를 만든다면, 플래너는 토큰 단위로 살 수 있는 부분이고 시뮬레이터는 살 수 없는 부분입니다. Qwen3.8-27B는 OrcaRouter에 있습니다. 따라서 API 키 하나로 자동 장애 조치, 어떤 요청이 어디로 갈지 정하는 라우팅 규칙, 그리고 0% 마크업으로 전달되는 공급자 정가를 갖춘 플래너를 이용할 수 있습니다 — 알리바바 자체의 가격 인하가 발표되는 당일에도 포함해서요. OrcaRouter는 PAN 2를 호스팅하지 않으며 라우팅할 수도 없습니다. PAN 2를 호스팅하는 곳은 없습니다. 이런 분리는 라우터의 한계가 아니라 시장의 구조입니다. 호스팅된 언어 모델은 범용 상품이고, 호스팅된 비디오 월드 모델은 아직 존재하지 않습니다.

플래너를 고정하기보다 라우팅하는 데에는 두 번째, 더 조용한 이유가 있다. PAN 2의 보고서는 네 가지 추론 모델을 전체 계획 완료율로 순위를 매기는데, 그 순위는 대부분의 사람이 짐작할 순위가 아니다. Claude Opus 5.5가 1위, 중간 노력 설정의 GPT-6 Astra가 2위, Kimi K3가 3위, Qwen3.8-Flash가 4위다. 그 순서는 MBZUAI의 프롬프트와 그들의 캡션 정책, 그들의 검증기를 기준으로 측정된 것이다. 당신의 것은 다를 것이다. 스택을 다시 손보지 않고도 비교를 재실행할 수 있다는 점은 그 안의 어떤 단일 모델 선택보다 더 가치 있다.

이 비교를 어떻게 해야 할까요?

하나를 고르러 여기 왔다면, 솔직한 답은 그 질문 자체가 잘못 구성되었다는 것이다. Qwen3.8-27B는 오늘 한 개의 가속기에서 서빙하거나 다음 주에 토큰 단위로 임대할 수 있는 범용 비전-언어 모델이다. PAN 2는 결과를 렌더링하는 연구 아티팩트로, 멀티 GPU 노드가 필요하고, 호스팅 엔드포인트가 없으며, 2026년 11월 11일 현재 자체 저자들에 의해 공개된 적이 없다 — 연구소의 X 계정에 올라온 두 문단짜리 게시물 하나가 발표의 전부다. Hugging Face 저장소는 10월 7일자이고, GitHub 저장소는 11월 5일자이며, 그것과 관련해 일어난 가장 실질적인 공개 사건은 11월 10일 vLLM-Omni의 Day-0 지원이 병합된 것이다.

정말 해볼 만한 비교는 더 좁은 범위에 있습니다. 파이프라인에 플래너가 필요하다면 Qwen3.8-27B는 강력하고 문서화가 잘 된 Apache-2.0 선택지이며, 그 결정은 라우팅 결정입니다. 파이프라인이 어떤 행동을 취하기 전에 그 행동이 무엇을 하는지 봐야 한다면, PAN 2는 이를 시도하는 극소수의 오픈웨이트 모델 중 하나이고, 알아차리든 못 하든 Qwen 구성요소 위에서 실행될 것이며, 그 성능에 대한 솔직한 요약은 PAN 2 자체의 한계 섹션에 있는 문장입니다: 시뮬레이션된 계획 세 개 중 약 두 개에는 실행되지 않는 단계가 최소 하나 포함되어 있습니다. 그것이 계획의 기준으로 삼아야 할 숫자이며, 이 전체 비교에서 어떤 인코더, 판정기, 라우터도 대신 개선해 줄 수 없는 단 하나의 숫자입니다.