PAN 2 kreeg een leveringspad voordat er een aankondiging kwam.

Om 16:03 UTC op 10 november 2026 was een pull request die Day-0-ondersteuning toevoegde voor tekst-naar-video- en afbeelding-naar-video-generatie met PAN 2, net samengevoegd in vLLM-Omni. Om 20:55 UTC diezelfde dag voegde een tweede pull request de receptpagina toe die uitlegt hoe je het model serveert. PAN 2 is een videodiffusietransformer met 29 miljard parameters van het Institute of Foundation Models aan de MBZUAI, en de reden dat die twee samenvoegingen het verhaal zijn, is de volgorde waarin ze aankwamen. De Hugging Face-repository dateert van 7 oktober 2026 en de GitHub-repository van 5 november, dus vijf weken lang was het enige publieke spoor van het model repositorymetadata. De eerste verklaring van de makers zelf die ik kan vinden, is een enkele post van het eigen X-account van het lab, @IFM_AI, met tijdstempel 17:00 UTC op 10 november — zesenvijftig minuten na de samenvoeging in vLLM-Omni en bijna vier uur vóór de receptpagina. Er staat "Introductie van PAN 2: een open foundation-worldmodel voor fysieke intelligentie", de post bevat een video en linkt naar niets buiten zichzelf. Geen blogpost, geen URL naar een paper, geen gehost endpoint, geen prijspagina, geen persbericht. Dus het serveerpad ging inderdaad vooraf aan de aankondiging, en de aankondiging, toen die kwam, was kleiner dan de samenvoeging: een paar honderd likes en één paar alinea's. Wat bestaat, is 86,17 GB aan Apache-2.0-checkpoint, een frameworkintegratie en een tweet.

Wat er daadwerkelijk is geland, en in welke volgorde

Er deden zich vier afzonderlijke dingen voor, en door die door elkaar te halen wordt een stille release ten onrechte voor een lancering aangezien.

• De gewichten — IFM/PAN2 op Hugging Face, repository aangemaakt op 7 oktober 2026 om 23:42 UTC, laatst gewijzigd op 9 november 2026 om 21:52 UTC met een commit die ondersteuning voor de safety-checker toevoegt als een modulaire pijplijncomponent van Diffusers. Zestig bestanden, 86,17 GB, zonder toegangsbeperking, Apache-2.0.

• De code — github.com/ifm-ai/PAN2, aangemaakt op 5 november 2026, met één enkele commit die die dag om 20:13 UTC werd gepusht. Geen onderzoeksdump met een dode README: er zijn inferencescripts, vastgezette omgevingsafhankelijkheden, trainingsconfiguraties, een prompt-rewriter-skill en documentatie voor deployment, training en inferentie.

• Het serving-pad — vLLM-Omni PR #8602 voor Day-0-ondersteuning voor tekst-naar-video en afbeelding-naar-video, gemerged op 10 november om 16:03 UTC, en de vLLM-recipe-PR #10126, dezelfde avond om 20:55 UTC gemerged.

• De verklaring — @IFM_AI op X, 10 november om 17:00 UTC: "Introductie van PAN 2: een open foundation-worldmodel voor fysieke intelligentie." Twee alinea's, een video, geen link naar een post, een paper of een pagina.

Die volgorde is ongebruikelijk, en de aankondiging is juist het onderdeel dat het vreemder maakt in plaats van normaler. Normaal gesproken kondigt een lab iets aan, publiceert het de gewichten en druppelt frameworkondersteuning in de daaropvolgende weken binnen terwijl gebruikers issues aanmaken. Hier kwam eerst de framework-merge, kwam de aankondiging zesenvijftig minuten later, en kwam het recept vier uur daarna. Het meest substantiële publieke artefact in het korte leven van het model is nog steeds een pull request, wat iets zegt over hoe deze release werd uitgevoerd: als een artefactdrop voor mensen die repositories lezen, met een socialmediapost die er bijna als bijzaak aan werd toegevoegd.

Wat de repository je zal vertellen

Meer dan de meeste releaseposts. PAN 2 is een wereldmodel, geen videogenerator met een cinematische inslag — het onderscheid is architectonisch van aard, niet retorisch. Het implementeert het Generative Latent Prediction-patroon dat wordt beschreven in Kritiek op wereldmodellen (arXiv 2507.05169) en splitst de taak in tweeën. Een conceptuele redeneercomponent, oftewel elk instructievolgend taalmodel, leest de observatie en de gevraagde acties en schrijft de volgende wereldtoestand als een gestructureerd, tijdsgebonden bijschrift: gebeurtenissen in volgorde, acties gekoppeld aan actoren, camerabeweging. Een bevroren tekstencoder zet dat bijschrift om in conditioneringskenmerken. Vervolgens voorspelt een multimodale diffusietransformator van 29B, vanaf nul getraind op honderden miljoenen video's die in hetzelfde formaat zijn geannoteerd, de perceptuele details die het bijschrift openlaat. Een Wan 2.2 VAE decodeert de latente representaties, en wat je krijgt is een video van maximaal 20 seconden bij 704×1248 en 24 frames per seconde.

De gepubliceerde configuratie is specifiek genoeg om de kosten te ramen. De transformerconfiguratie vermeldt 44 lagen, 32 attention heads van elk 128 dimensies, een patchgrootte van 1×2×2, 97 invoerkanalen en 48 uitvoerkanalen. De standaardsampler is 50 stappen bij een flow shift van 9, met classifier-free guidance van 2,5 bij elke stap. De standaardlengte is 241 frames, ongeveer tien seconden; het maximum is 481 frames. De tekstencoder is Qwen3.5-9B, bevroren en ongewijzigd, en de VAE is die van Wan 2.2. Beide worden gedownload uit hun eigen repositories — MBZUAI distribueert ze niet opnieuw, en de modelkaart is daar expliciet over.

Er is ook een prompt-rewriter-skill die in de repo wordt meegeleverd, met een systeemprompt, een vaste negatieve prompt en een validator die bijschriften controleert aan het tokenbudget van de tekstencoder: een zachte limiet van 1.480 tokens en een harde capaciteit van 1.536. Dat is het nuttigste afzonderlijke artefact in de drop. Het vertelt je dat het model vrije tekst niet echt goed aankan, en dat het team dat weet.

Wat het je niet zal vertellen

Bijna alles wat een koper zou vragen. Er is geen prijs, omdat er geen API is. Er is geen gehost endpoint van MBZUAI. Er is geen onafhankelijke benchmark: de cijfers in de modelkaart zijn van het team zelf, gemeten met hun eigen harness, en de kaart is ongewoon openhartig over de omstandigheden — Physics-IQ Verified genormaliseerd zodat de variantie tussen twee echte opnamen gelijk is aan 100, PhyGround gescoord op een vijfpuntschaal door Qwen3.8-27B, RBench als een ongewogen gemiddelde over vijf taak- en vier embodiment-categorieën. Dat zijn verdedigbare keuzes, en geen ervan is verificatie door een derde partij.

De menselijke evaluatie is het sterkste bewijs in de drop en tegelijk het meest beperkte. Blind paarsgewijze voorkeur over 140 prompts — 90 tekst-naar-video, 50 afbeelding-naar-video — beoordeeld op actienaleving, natuurkunde en wereldconsistentie door 13 beoordelaars over 1.400 vergelijkingen, met Elo gefit via Bradley–Terry en gecentreerd op 1500. Dertien beoordelaars is een klein panel en ze beoordeelden het eigen model van het team tegen baselines. Het is meer dan de meeste labs publiceren. Het is geen leaderboard.

En de sectie met beperkingen is botter dan de norm in dit genre: ongeveer twee op de drie gesimuleerde plannen bevatten minstens één stap die niet wordt uitgevoerd. Die ene zin is het belangrijkste getal in de release, en juist die zou een lanceringsbericht hebben weggemoffeld.

De doorvoerwaarde in het recept vertelt het echte verhaal.

Frameworkondersteuning is van belang vanwege wat het recept claimt, niet omdat er een logo is toegevoegd. De vLLM-receptpagina stelt dat PAN 2 in ongeveer 119 seconden 13 seconden 704×1248-video genereert op vier B300-GPU's, met classifier-free-guidance-parallelisme over twee ranks en Ulysses-sequentieparallelisme over twee. De standaardconfiguratie is acht H200's in BF16, en de gedocumenteerde serve-opdracht voegt VAE-patchparallelisme over vier ranks in tilemodus toe — een detail dat er alleen toe doet omdat het decoderen van een clip van 20 seconden in 704×1248 op zichzelf al een geheugenprobleem is.

Vergelijk die cijfers met de samplerinstellingen. Vijftig stappen met guidance bij elke stap betekent honderd forward passes door een 29B-transformer per clip. Daarom draait de guide de guidance parallel in plaats van sequentieel. Dat is ook waarom de praktische vraag over PAN 2 niet is "hoe goed is het", maar "wat kost een clip me", en het antwoord volgens het eigen recept van de leverancier is een node met vier GPU's voor twee minuten per dertien seconden video. Niemand heeft een goedkopere configuratie gepubliceerd, en de standaard van acht H200's in het recept suggereert dat de vier-B300-opstelling een krappe oplossing is in plaats van een comfortabele ondergrens.

Als je het wilt proberen, is de planner het onderdeel dat je kunt huren.

Het tweefasige ontwerp van PAN 2 heeft een merkwaardig praktisch gevolg. De dure helft — de 29B-diffusion-backbone — is de helft die je zelf moet hosten, omdat niemand die als dienst aanbiedt en MBZUAI er geen heeft gebouwd. De goedkope helft, de conceptuele reasoner die de gestructureerde world-state-caption schrijft, is een gewoon tekstmodel en kan elk instructievolgend model zijn.

Daar bewijst een router zijn waarde. Het PAN 2-rapport evalueert vier redeneermodellen en rangschikt ze op voltooiing van het volledige plan: Claude Opus 5.5 als eerste, dan GPT-6 Astra bij gemiddelde inspanning, dan Kimi K3, dan Qwen3.8-Flash. Qwen3.8-Flash staat op OrcaRouter, zodat je de captionfase van PAN 2 via één API-sleutel met automatische failover kunt aansturen in plaats van een tweede lokaal model naast de diffusiestack op te zetten, en de lijstprijs van de provider betaalt met 0% doorgerekende opslag. De renderer blijft op je GPU's; de planner hoeft dat niet.

Wees duidelijk over wat dat wel en niet is. OrcaRouter host geen PAN 2 en kan het niet routeren — er is nergens een gehoste PAN 2 om naartoe te routeren. Wat het wel kan, is de taalhelft van een wereldmodel-pipeline op een naar verbruik afgerekende API houden, terwijl je de omvang van de videohelft afstemt op je eigen hardware. Als je beide stadia liever lokaal draait, ondersteunt de repo dat ook, en het prompt-rewriter-script is precies voor dat geval inbegrepen.

Wat zou als een aankondiging gelden?

Drie dingen, in oplopende volgorde van belang. Een post, paper of pagina van IFM of MBZUAI die PAN 2 noemt en een releasedatum of een versie vermeldt — de tweet van 10 november dekte de eerste helft daarvan en niet de tweede. Een gehost inference-endpoint, waardoor kostenvergelijking mogelijk zou worden met gesloten videomodellen in plaats van met GPU-huur. En een onafhankelijke benchmark uitgevoerd door iemand die niet de auteur van het model is — Physics-IQ, PhyGround of RBench gescoord door een derde partij, op prompts die het team niet heeft gekozen.

Tot ten minste de eerste daarvan volledig beschikbaar is, is dit de eerlijke beschrijving van PAN 2: een Apache-2.0-onderzoeksartefact met een werkend servingpad, een gedocumenteerd promptformaat, een openhartige sectie over beperkingen, één socialmediapost en geen commercieel aanbod erachter. Dat is meer dan een preprint en minder dan een product. De frameworkondersteuning die op 10 november landde, maakte er geen lancering van. Het maakte het draaibaar voor mensen die geen repository willen patchen om een eerste frame te krijgen.

Kortom

PAN 2 is het zeldzame geval waarin de engineering voorloopt op de paperassen. Als je agent-simulatie, robotica-evaluatie of onderzoek naar fysiek redeneren bouwt en je hebt een node met vier GPU's, dan zijn de weights er, is het recept er, en is het tweetrapsontwerp goed genoeg gedocumenteerd om te reproduceren. Als je een prijs per clip nodig hebt, een service-level agreement of een leverancier om te bellen, dan bestaat niets daarvan nog, en de samenvoegingen van 10 november hebben dat niet gecreëerd. Het model is stil uitgebracht, als "uitgebracht" überhaupt het juiste woord is voor een repository, een merge en een bericht van twee alinea's. Of het ooit wordt aangekondigd op een manier die een koper zou herkennen, is een andere vraag dan of het werkt, en slechts één van die twee heeft vandaag een antwoord.