PAN 2 vs SKY-001: 하나는 다음에 일어날 일을 시뮬레이션하고, 하나는 만들 것을 그린다

Kimi K3는 두 출시 문서 모두에 같은 2주 기간에 등장하지만 상반된 작업을 맡는다. PAN 2의 기술 보고서에서 Kimi K3는 개념적 추론자다. 즉 요청을 읽고, 290억 매개변수 확산 트랜스포머가 영상으로 바꾸는 구조화된 시간 기반 캡션을 작성하는 언어 모델이다. Skyfall의 SKY-001 표에서 Kimi K3는 기준 경쟁 모델로, CAD 어셈블리를 직접 그리도록 요청받으며 교집합 대 합집합 기준으로 참조 형상의 9.5%를 재현한다. 한쪽 출시는 프런티어 언어 모델을 사용해 계획을 작성한다. 다른 쪽은 프런티어 언어 모델들이 그리기에서 실패하는 정도를 측정한다. 이 구분은 두 모델이 공유하는 라벨보다 이 두 모델을 더 잘 이해하게 해주는 길잡이다. PAN 2는 MBZUAI의 Institute of Foundation Models가 만든 월드 모델로, 2026년 10월 7일부터 Hugging Face에서 Apache-2.0 가중치가, 11월 5일부터 코드가 공개되었으며 11월 10일 자사 발표가 있었다. 또한 선택적 첫 프레임과 텍스트로 설명된 동작으로부터 최대 20초 분량의 704×1248 영상을 예측한다. SKY-001은 Skyfall AI의 엔지니어링 모델로, 2026년 10월 19일 발표되었으며 상용 배포는 2027년 초를 목표로 여전히 대기자 명단 뒤에 있고, CAD 부품이나 평면도를 생성하는 순서 있는 도면 작업 시퀀스를 예측한다.

두 날짜 모두 오늘이 아니며, 아래의 어떤 내용도 출시라는 틀로 제시되지 않습니다. 이어지는 내용은 각 모델이 실제로 계산하는 것, 각 모델이 자체 수치로 볼 때 취약한 지점, 그리고 두 모델 중 귀하의 문제가 원하는 것이 무엇인지입니다.

서로 다른 두 가지가 예측되고 있습니다.

PAN 2의 체인에는 언어 모델이 들어 있다. 개념적 추론기, 즉 명령을 따르는 모든 모델이 관측과 요청된 행동을 읽고 다음 세계 상태를 구조화된 캡션으로 작성한다. 순서대로 나열된 이벤트, 행위자에 결부된 행동, 카메라 움직임이다. 동결된 Qwen3.5-9B 텍스트 인코더가 그 캡션을 조건화 특징으로 매핑한다. 같은 형식으로 주석이 달린 비디오로 처음부터 학습된 29B 멀티모달 확산 트랜스포머가 캡션이 열어 둔 잠재 변수를 예측하는데, 캡션과 시작 프레임의 VAE 잠재 변수를 조건으로 하며, Wan 2.2 디코더가 이를 렌더링한다. 기본 샘플러는 플로우 시프트 9에서 50스텝이며 매 스텝마다 classifier-free guidance 2.5를 적용하고, 체크포인트는 60개 파일에 걸쳐 86.17 GB이다.

SKY-001의 체인에는 대신 계층 구조가 있습니다. Hierarchical Composer는 디자인 의도, 즉 이미지, 텍스트 또는 브리프가 포함된 건물 외피를 받아 전체 설계를 생성한 다음, 이를 레벨별로 분할하고 각 리프를 병렬로 정제합니다. 이어서 Construction World Model은 각 리프를 구축하는 시각적 상태의 순서 있는 시퀀스를 예측합니다. CAD에서는 연속된 각 쌍 사이에 2D 스케치가 그려진 3D 솔리드 상태의 체인으로, BIM에서는 한 획씩 그려지는 평면도로 예측합니다. 드로잉은 두 번의 패스로 확산 방식으로 실행됩니다. Matryoshka 스타일 오토인코더에서 압축된 잠재 공간으로의 거친 롤아웃, 그다음 전체 해상도를 복원하는 정제기입니다. 두 단계 모두 확산 트랜스포머이며, 어느 쪽도 토큰을 예측하지 않습니다. Skyfall은 파라미터 수, 가중치, 라이선스 또는 API를 공개하지 않았습니다.

• 무엇을 예측하는가 — PAN 2는 행동이 주어지면 다음 관측을 픽셀로 예측하고, SKY-001은 의도가 주어지면 다음 구성 상태를 솔리드 또는 스트로크로 예측한다.

• 시간이 들어오는 방식 — PAN 2는 물리적 시계로 작동하며, 기본적으로 241프레임(약 10초), 24 fps에서는 최대 481프레임(20초)까지 실행됩니다. SKY-001은 CAD 구성 요소당 약 100개의 드로잉 단계, 평면도당 70개의 절차적 순서로 작동하며, 그 어디에도 물리적 시계는 없습니다.

• 물리적 근거를 주장하는지 여부 — PAN 2는 물리적 타당성에 대해 직접 평가됩니다; SKY-001의 자료는 동역학적 주장을 전혀 하지 않습니다. 왜냐하면 그것이 묘사하는 것은 운동이 아니라 디자인이기 때문입니다.

• 결과물 — 시청할 수 있는 MP4 대, 참조 형상과 비교해 IoU로 평가하는 기하학.

• 가중치 — PAN 2의 경우 Apache-2.0 다운로드가 제공되며, SKY-001의 경우 게시된 것은 없습니다.

• 가격 — PAN 2의 경우 원하는 규모로 설정할 수 있는 GPU 시간, SKY-001의 경우 대기자 명단.

둘 다 두 단계 방식이며, 병목은 각기 다른 곳에 있습니다.

공유된 엔지니어링 베팅은 작업을 나누는 것이다. 한 단계는 구조, 즉 무엇이 일어나야 하는지에 대한 순서 있는 설명에 전념하고, 두 번째 단계는 그 설명이 열어 둔 세부 사항을 채운다. PAN 2는 캡션과 디퓨전 백본으로 이를 수행한다. SKY-001은 하위 목표의 계층과 각 리프마다의 구성 모델로 이를 수행한다. 두 출시를 나란히 놓으면 흥미로운 질문은 어느 아키텍처가 더 나은가가 아니라 어느 단계가 실제로 비용을 발생시키고 있는가가 된다.

PAN 2의 경우 그것은 플래너이며, 보고서는 그렇게 두 번 언급한다. 동일한 장면의 실제 촬영본 두 개 사이의 편차가 100점이 되도록 정규화된 이미지-투-비디오 벤치마크인 Physics-IQ Verified에서 PAN 2는 Claude Opus 5.5가 캡션을 작성했을 때 93.2 ± 0.8, 시스템 기본 설정에서는 90.9 ± 0.4를 기록했다(시드 123~126). 캡션을 작성하는 언어 모델을 바꾸면, 완벽한 점수가 실제 영상과 구별할 수 없음을 의미하는 100점 척도에서 점수가 2.3점 달라진다. 같은 패턴은 모델 카드의 한계에서도 드러난다. 시뮬레이션된 계획 중 약 3분의 2가 실행되지 않는 단계를 최소 하나 포함하고, 에이전트 사례 연구는 손으로 다듬은 프롬프트에 의존했으며, 각 손가락이 물체에 닿는 지점 같은 정교한 동작은 텍스트에 거칠게만 명시되고, 캡션은 1,480토큰의 소프트 한도와 1,536토큰의 하드 용량에 맞춰 검증된다. 문제로 보고된 것은 렌더러가 아니다. 장면을 설명하는 문장이다.

SKY-001의 경우 플래너는 별도 단계로 측정되지 않으므로, 보고된 병목은 렌더러입니다. Skyfall의 CAD 구성 벤치마크에서는 — Jaguar E-Type Roadster, FANUC ArcMate 100iB 용접 팔, Bell 222 헬리콥터 같은 객체에서 샘플링한 1,000개 부품이 각각 대략 100회의 도면 작성 단계를 거치는데 — SKY-001은 평균 IoU 기준 참조 형상의 79.7%를 재현하며, GPT-6 Astra는 79.1%, Gemini 4는 76.9%입니다. BIM 벤치마크에서는 각각 약 70회의 도면 작성 단계를 거치는 1,000개 평면도를 대상으로 43.6%에 도달했으며, Gemini 3.8 Flash는 42.3%, GPT-6 Astra는 40.6%입니다. 0.6점과 1.3점이 건축 부문에서의 앞선 격차입니다. 절대 수치는 평면도 한 장의 절반에도 못 미칩니다.

함께 읽되, 각 벤더 자체 보고 내부의 상대적 크기만 보라. 그러면 플래너가 두 문서 중 어느 쪽에서든 더 큰 지렛대다. PAN 2의 캡션 작성자를 바꾸는 것은 SKY-001이 가장 가까운 경쟁자보다 지닌 전체 아키텍처 우위보다 더 큰 변화를 만든다. 벤치마크가 다르고 점수는 비교할 수 없다. 요점은 각 팀 자체의 분산이 어디에 있는가다.

이 벤치마크들은 하네스도, 심사자도, 기준 정책도 공유하지 않는다.

{{1}}PAN 2{{/1}}는 네 가지 방식으로 보고되며, 그중 세 가지는 다른 누군가의 판단을 포함한다. {{2}}Physics-IQ Verified{{/2}}는 리더보드 설정이 있는 공개 벤치마크이고, {{3}}PAN 2{{/3}}의 등재 항목은 {{4}}Claude Opus 5.5{{/4}}를 추론기로 사용하는 반면 시스템 기본값 열은 {{5}}IFM{{/5}}이 구동한 그대로 각 경쟁자의 자체 파이프라인을 실행한다. {{6}}PhyGround{{/6}}는 {{7}}Qwen3.8-27B{{/7}}가 판정하는 5점 척도로, 이는 물리적 측정이 아니라 또 다른 모델의 의견이라는 뜻이다. {{8}}PAN 2{{/8}}는 보고서가 보고하는 두 구성에서 3.98과 4.11을 기록한다. {{9}}RBench{{/9}}는 다섯 가지 과제와 네 가지 임바디먼트 범주에 대한 비가중 평균에 100을 곱한 값으로, 여기서 {{10}}PAN 2{{/10}}는 83.7과 73.5를 기록한다. 폐쇄형 모델 기준선에는 시드 전반에 걸쳐 생성된 것이 아니라 각각 한 번씩 생성되었기 때문에 대거(†) 표시가 붙어 있다. 또한 블라인드 인간 연구도 있다: 140개의 프롬프트, 13명의 검토자, 1,400개의 쌍대 비교이며, {{11}}Bradley–Terry{{/11}} 모델에 적합되었고, {{12}}Elo{{/12}}는 1500을 중심으로 하며 95% 신뢰구간을 갖는다. 그리고 {{13}}IFM{{/13}} 자체의 하네스가 있다 — 300개의 단일 동작 테스트 사례가 여섯 가지 역량에 걸쳐 201개의 이미지-투-비디오와 99개의 텍스트-투-비디오로 나뉘고, 200개의 프롬프트와 456개의 단계로 제시된 100개의 다단계 자기중심 과제가 있으며, 세 개의 시드에 걸친 평균 ± 표준편차로 보고된다.

SKY-001은 두 가지 방식으로 보고되는데, 둘 다 Skyfall의 결과물이고, 둘 다 참조 형상에 대한 IoU로 채점되며, 둘 다 경쟁 모델을 Skyfall이 원샷 프롬프팅으로 구동한 것입니다. 어디에도 오차 막대는 없고, 제3자가 재현한 수치도 없습니다. 표를 주의 깊게 읽어 보면 인용하기 전에 알아둘 만한 세 가지가 나옵니다.

먼저, 벤더 자체 페이지들도 서로 일치하지 않습니다. 제품 페이지의 3D CAD 패널에서는 SKY-001이 76.1%로 GPT-6 Astra의 73.4%를 앞서고, Claude Opus 5.5가 61.8%, Gemini 3.8 Flash가 45.9%, Qwen 3.8 Max가 26.6%, Kimi K3가 6.5%로 나옵니다. 건설 벤치마크에서는 79.7% 대 79.1%로 보고됩니다. 작업도 다르고 점수도 다르지만 양쪽에 같은 모델 이름이 붙어 있으며, PAN 2의 Physics-IQ 수치를 끌어올리는 추론 모델인 Claude Opus 5.5는 그중 한쪽에만 등장합니다.

둘째, 속도 배수는 같은 날 게시된 세 문서에서 세 가지로 표기됩니다. 블로그 차트에서는 51×, 제품 페이지에서는 49×, 보도자료에서는 100×입니다. 계산해 보면 분명해집니다 — 199초를 3.9로 나누면 51.0입니다 — 하지만 이는 헤드라인 수치가 서로의 작업을 대조하지 않은 각기 다른 사람들에 의해 작성되었음을 보여줍니다.

셋째, 비용 열은 설명이 없습니다. Skyfall은 CAD 케이스당 $0.005, 플랜당 $0.0024라고 보고하면서 그것이 정가인지, 임대 GPU 시간인지, 감가상각된 자체 호스팅 추론인지 밝히지 않습니다. 이는 서로 다른 세 가지 주장이며, 그 차이는 Skyfall이 API로 호출한 모델보다 자체적으로 실행한 모델에서 가장 중요합니다.

그 어떤 것도 SKY-001의 효율성 이야기를 틀리게 만들지 않는다. 최고의 경쟁 상대 대비 51배의 속도 우위와 150배의 비용 우위는, 정확도가 동등한 가운데, 실제 워크로드에 관한 실제 주장이다. 그것은 이 주장을 검증되지 않은 것으로 만들 뿐이며, 그건 다른 문제다.

운영하는 데 드는 비용은 얼마이며, 그중 얼마나 알 수 있는가

PAN 2의 연산은 직접 가격을 계산할 수 있는 레시피로 공개되어 있습니다. 기본 배포는 BF16의 H200 8대이며, classifier-free guidance는 두 랭크에, Ulysses 시퀀스 병렬화는 두 랭크에 분할되고, VAE 디코드는 네 개 타일로 패치됩니다. 서빙 레시피에 따르면 B300 4대에서 704×1248 영상 13초 분량을 약 119초 만에 생성한다고 보고합니다. IFM은 호스팅 엔드포인트를 운영하지 않기 때문에 초당 정가 목록은 없습니다. 여러분이 관심 있는 숫자는 사용하는 제공업체의 GPU 요금에 실제로 생성하는 클립당 초를 곱한 값입니다.

SKY-001의 컴퓨트는 가격을 매길 수 있는 어떤 형태로도 공개되어 있지 않습니다. 파라미터 수, 하드웨어 설명, 처리량 수치, 엔드포인트가 없습니다. 존재하는 것은 구성이 공개되지 않은 건당 공급업체 비용과 대기자 명단 양식뿐입니다.

그 비대칭성은 벤치마크 격차보다 이 비교에서 더 많은 것을 좌우합니다. 이 모델 중 하나는 오늘 오후에 자체 데이터로, 자체 하드웨어에서, 예측 가능한 비용으로 벤치마크할 수 있습니다. 다른 하나는 읽어서 알 수 있을 뿐입니다.

두 스택 중 오늘 임대할 수 있는 단 하나의 부분

PAN 2도 SKY-001도 OrcaRouter에 없으며, 어느 쪽도 OrcaRouter를 통해 라우팅할 수 없습니다. PAN 2는 직접 배포하는 86GB 체크포인트이고, SKY-001은 호출할 API가 없기 때문입니다. PAN 2 파이프라인에서 일반 호스팅 모델에 해당하는 부분은 첫 번째 단계입니다. 바로 요청을 월드 상태 캡션으로 바꾸는 개념적 추론기입니다. IFM은 전체 계획 완료율 순으로 네 모델을 평가했습니다. Claude Opus 5.5, GPT-6 Astra(중간 노력), Kimi K3, Qwen3.8-Flash이며, 지시 수행이 가능한 모든 모델을 사용할 수 있다고 언급합니다. Qwen3.8-Flash는 OrcaRouter 카탈로그에 있습니다. 즉 PAN 2 배포의 캡션 단계는 하나의 키로 실행할 수 있으며, 공급자 목록 가격이 0% 마크업으로 그대로 전달되는 상태에서, 그리고 자동 장애 조치를 통해 계획 배치 중간에 공급자 성능이 저하될 경우에도 대응할 수 있습니다. 이는 확산 단계 이후가 아니라 이전에 구성할 가치가 있습니다. 플래너는 측정된 변동성이 존재하는 곳이므로, 더 저렴한 모델과 두 번째 공급자를 자체 프롬프트에서 서로 비교 테스트해 볼 가치가 있는 단계입니다.

당신이 실제로 안고 있는 문제는 무엇인가요?

필요한 것이 어떤 행동이 장면에 픽셀 단위로 앞으로 몇 초 동안 어떤 영향을 미치는지에 대한 예측이라면 — 선택하기 전에 결과를 상상하려는 에이전트든, 물리가 유지되어야 하는 비디오 파이프라인이든 — 이 둘 중 PAN 2가 바로 그 용도로 만들어진 것이며, 지금 사용할 수 있습니다. 캡션 단계와 가드레일에 대한 예산을 잡아두세요: IFM은 생성 전에 Qwen3Guard-Gen-4B로 요청을 검사하고 생성 후에는 Q16 프레임 분류기로 출력을 검사하는 별도의 가드레일 저장소를 제공하며, 내부 평가에서 이 조합은 유해한 텍스트-투-비디오 요청이 안전하지 않은 비디오를 생성하는 비율을 33.9%에서 1.5%로 줄이는 동시에 정상 텍스트-투-비디오 요청의 11.5%와 정상 이미지-투-비디오 요청의 3.3%도 차단했습니다. 정상 요청 아홉 개 중 하나를 잃는 안전 계층은 각주가 아니라 실제 생산 비용입니다.

필요한 것이 디자인 의도를 CAD 또는 BIM 형상으로 바꾼 것이라면, 둘 중 그것을 겨냥한 것은 SKY-001뿐이며, 당신은 그것을 가질 수 없습니다. 오늘날 정직한 대체재는 CAD 툴체인에 연결된 최전선 언어 모델이며, 이는 바로 SKY-001 자체 표가 측정하는 구성으로, 모델과 작업에 따라 IoU 9.5%에서 42.3%입니다. 그래서 대기 명단은 마케팅 작업이 아니라 실제 작업을 하고 있습니다. 대안은 경쟁자가 아니라 더 나쁜 숫자이기 때문입니다.

물리 엔진이 필요한 거라면, 둘 다 아니다. PAN 2의 시뮬레이션은 예측이며, 그 카드에도 그렇게 명시되어 있고, 자체 한계 목록에는 물리적 제약을 위반하면서 진행되는 시뮬레이션도 포함된다 — 물을 빼기 전에 체에 파스타가 나타나는 식으로. SKY-001은 설계도를 그리며 어디에서도 동역학 주장을 하지 않는다. 둘 중 하나를 월드 모델이라고 부르는 것은 두 팀이 그 용어를 쓰는 의미에서는 정확하고, 게임 엔진이 그 용어를 쓰는 의미에서는 오해를 부른다.

주목할 것은 다음 벤치마크가 아니다. 그것은 이 두 회사 밖의 누군가가 숫자를 재현하는지 여부다. 즉, Skyfall이 IoU 프로토콜과 사례별 수치 뒤에 있는 비용 산정을 공개하는지, 그리고 PAN 2의 기본 파이프라인과 최고의 추론기 사이의 성능 격차가 아무도 손으로 다듬지 않은 프롬프트와 맞닥뜨려도 유지되는지다. 둘 다 같은 단계에 관한 질문이다 — 무엇이 그려지기 전에 무엇이 일어나야 하는지를 결정하는 단계.