PAN 2 vs Agora-2: de een simuleert gevolgen, de ander houdt een wereld draaiende

Twintig mensen in één wereld klinkt als meer dan één persoon die zich voorstelt wat er daarna gebeurt. Dat is precies de verwarring tussen PAN 2 en Agora-2, en het is de moeite waard die te ontwarren voordat iemand ze tegen elkaar gaat benchmarken. Agora-2 is Odyssey's speelbare research preview, gepubliceerd op 21 september 2026, die twintig deelnemers ondersteunt in een gedeelde gesimuleerde omgeving — vier van hen menselijke bestuurders, zestien van hen aangeleerde policies — en hun wereld consistent houdt, zelfs wanneer een speler de andere kant op kijkt. PAN 2 is IFM's open-weight simulator met 29 miljard parameters, uitgebracht als een Apache-2.0-checkpoint van 86,17 gigabyte, die een frame en een beschreven actie neemt en tot twintig seconden video retourneert waarin de consequentie wordt voorspeld. De ene is een server voor een wereld. De andere is een vraag die je aan een wereld stelt. De overlap in vocabulaire is vrijwel totaal en de overlap in functie is bijna nul, wat precies de reden is dat de vergelijking steeds slecht wordt gemaakt.

Het getal dat rondgaat is niet het getal dat ertoe doet.

De berichtgeving over Agora-2 opent met de twintig, en Odyssey's eigen bericht moedigt dat aan. De samenstelling is interessanter dan het aantal. Vier gelijktijdige menselijke bestuurders leveren bewegings- en actie-input; zestien autonome entiteiten worden aangestuurd door monster- en metgezelbeleid dat Odyssey heeft getraind op hetzelfde corpus waaruit de wereld is geleerd — opnames van Diablo II. De sessie bestaat dus niet uit twintig mensen in één ruimte. Het is een renderingprobleem met een zeer kleine state machine in het centrum, vermomd als een gameserver.

Die architectuur is wat Agora-2 een ander soort object maakt dan PAN 2. Odyssey scheidt het ding dat bepaalt wat er gebeurt van het ding dat bepaalt hoe het eruitziet, en het grootteverschil tussen beide is het meest opvallende getal in het rapport: het simulatiemodel heeft 4.457.777 parameters — ruwweg 4,5 miljoen, vier lagen breed, veertien bewegingsvertakkingen, een geschiedenisvenster van vier stappen — terwijl de renderer een flow-matching transformer is van ongeveer een miljard parameters die vijf solverstappen per update uitvoert, geconditioneerd op een prefix van 342 tokens die de kaart, entiteiten, tijdelijke effecten, camera en roster beschrijft.

PAN 2 doet het tegenovergestelde. Het besteedt bijna al zijn capaciteit aan perceptie: een 29B multimodale diffusietransformer voorspelt de frames, en het deel dat bepaalt wat er gebeurt, is helemaal geen aangeleerde simulator, maar een taalmodel dat een gestructureerde, aan tijd gekoppelde beschrijving schrijft van gebeurtenissen, acties en camerabewegingen. Agora-2 stopt zijn intelligentie in een kleine expliciete toestandsrepresentatie. PAN 2 stopt zijn intelligentie in de renderer en laat het redeneren over aan tekst.

• Bepaalt wat er gebeurt — Agora-2: een geleerd simulatiemodel met 4,46M parameters en expliciete entiteitsstatus; PAN 2: elk instructievolgend taalmodel dat een caption van de wereldtoestand schrijft.

• Rendert het — Agora-2: een flow-matching-renderer van ~1B bij vijf solverstappen per update; PAN 2: een diffusietransformer van 29B bij vijftig stappen met guidance bij elke stap.

• Tijdshorizon — Agora-2: een sessie zonder vaste eindtijd die blijft voortbestaan; PAN 2: tot 20 seconden per clip, maximaal één startframe, met drift tussen clips.

• Invoer — Agora-2: bewegings- en actiecommando's van controllers plus aangeleerde policies; PAN 2: een optioneel eerste frame plus een gestructureerde actiebeschrijving in tekst.

• Deelnemers — Agora-2: 4 mensen en 16 beleidsregels in één gedeelde toestand; PAN 2: geen, het is een batchgenerator.

• Toegang — Agora-2: geen gewichten, geen repository, geen licentie en geen prijs; PAN 2: Apache-2.0-gewichten, ungated, met GitHub-code en een vLLM-recept.

Persistentie is wat Agora-2 echt heeft opgelost.

Zonder de multiplayer-inkadering is de echte bijdrage van Agora-2 één zin in Odyssey's post: omdat entiteitseigenschappen onafhankelijk van een specifieke weergave behouden blijven, zijn ze beschikbaar wanneer een entiteit buiten beeld valt. Een videogenerator die alleen op recente frames conditioneert, verliest het monster op het moment dat je je omdraait. Een wereldmodel dat expliciete state bijhoudt, niet. Dat is de ontwerpbeslissing die Agora-2 onderscheidt van elk videomodel met multiplayer-ambities, en daarom is twintig deelnemers een claim over statebeheer in plaats van over rendering.

PAN 2 beweert dat niet, en dat staat ook in de modelkaart. Elke clip wordt gesimuleerd op basis van hoogstens één startframe plus tekst, waardoor het uiterlijk tussen clips in lange interacties gaat afdrijven, en de kaart noemt perceptueel geheugen dat naast de op tekst gebaseerde toestand wordt onderhouden als hetgeen nodig zou zijn om dat op te lossen. Met andere woorden: PAN 2 weet dat het het probleem van Agora-2 heeft en heeft dat niet opgelost, en Agora-2 loste een versie ervan op door de wereld klein genoeg te houden om in een expliciete tensor te passen.

Samen gelezen omsluiten de twee ontwerpen het veld. Als je wereld kan worden beschreven in 4,5 miljoen parameters — een kaartraster, een entiteitenlijst, een reeks bewegingstakken — is persistentie beheersbaar en krijg je een sessie. Als je wereld bestaat uit fysieke gevolgen in een open domein, heb je een renderer nodig die materialen en contact begrijpt, en wordt persistentie een open onderzoeksprobleem zodra de camera beweegt.

Wat een sessie kost, en wat een simulatie kost

Geen van beide getallen wordt als prijs gepubliceerd, omdat geen van beide modellen wordt verkocht. Beide worden als hardware gepubliceerd, wat nuttiger is.

Het serveerplan van Odyssey voor een sessie met vier spelers bestaat uit vier NVIDIA RTX PRO 4500-kaarten: één renderer per GPU, waarbij een van die GPU's ook het simulatiemodel en het agentbeleid host, met als doel vijftien latente updates per seconde tegenover dertig weergegeven frames per seconde. Het rapport is openhartig dat die twee cijfers doelen zijn, geen metingen — sectie 8 noemt een aanhoudende framesnelheid en latentie van invoer naar weergave tijdens live interactie tussen meerdere agents als kwantitatief niet geëvalueerd. De trainingsrekening wordt ook uitgesplitst: zestigduizend updates op 4.232.000 segmenten, daarna nog eens zestigduizend op 4.332.800, uitgevoerd op 32 B200-GPU's.

Het equivalent van PAN 2 is het vLLM-recept: dertien seconden 704×1248-video in ongeveer 119 seconden op vier B300-GPU's, met een gedocumenteerde standaard van acht H200's in BF16. Vijftig samplerstappen met classifier-free guidance bij elke stap — honderd forward passes door een 29B-transformer per clip — is de reden dat guidance over twee ranks wordt geparalleliseerd en sequence parallelism over nog twee.

De twee configuraties zijn van vergelijkbare schaal, en daar houdt de gelijkenis op. Vier kaarten kopen een sessie die blijft draaien. Vier kaarten op PAN 2 kopen twee minuten per dertien seconden gerenderde consequentie, en de kosten van een plan zijn de kosten van elke kandidaat die de planner heeft overwogen. Het getal van Odyssey is een doorvoerondergrens voor een ervaring. Dat van IFM is een prijs per vraag.

Slechts één van deze kan vandaag worden gebouwd.

Dit is het punt waarop de vergelijking ophoudt architectonisch te zijn.

Agora-2 is een onderzoekspreview met een speelbare demo op het eigen adres van Odyssey en een technisch rapport. Er zijn geen gewichten, geen repository, geen licentie, geen inference-API en geen prijs. Odyssey presenteert de koers naar multi-agentinteractie binnen fundamentele wereldmodellen als toekomstig werk, met PROWL als de onderzoekslijn en Odyssey-3 als de uiteindelijke bestemming. Praktisch gezien: je kunt het spelen, je kunt er niet op voortbouwen, en geen enkele derde partij kan het ook voor je aanbieden.

PAN 2 is de omgekeerde opzet. Gewichten op Hugging Face sinds 7 oktober 2026, zonder toegangsbeperking, Apache-2.0 op de eigen code en gewichten; GitHub-repository met inference- en trainingsscripts sinds 5 november; Day-0 vLLM-Omni-ondersteuning samengevoegd op 10 november; een guardrail gedistribueerd als een aparte repository met eigen false-positive-cijfers. De aankondiging van IFM was één bericht op het eigen X-account — "Introducing PAN 2: an open foundation world model for physical intelligence" — zonder blogartikel, link naar een paper, gehost endpoint of prijspagina. Dat is een summiere aankondiging rond een omvangrijk artefact, het omgekeerde van Agora-2's gepolijste post rond een gesloten demo.

Als je vraag is "wat kan ik dit kwartaal in productie nemen", dan is het antwoord: geen van beide, maar om verschillende redenen. Agora-2 heeft geen door Odyssey beschreven traject van demo naar uitrol. PAN 2 heeft een traject — de gewichten en het recept — en een beperking die bepaalt of je dat traject moet bewandelen: ongeveer twee op de drie gesimuleerde plannen bevatten minstens één stap die niet wordt uitgevoerd, volgens de eigen sectie met beperkingen van de modelkaart.

De hybride die geen van beide labs heeft gebouwd

De interessante ingenieursvraag is niet welk model wint. Het is hoe een systeem eruitziet dat elk gebruikt voor wat het goed kan, en geen van beide leveranciers levert dat.

Stel je een agent voor die moet plannen binnen een persistente wereld. Het ontwerp van Agora-2 laat zien hoe je de wereld stabiel houdt: expliciete toestand, een gestructureerde conditionerende prefix, beleidsregels die klein genoeg zijn om naast een renderer te draaien. Het ontwerp van PAN 2 laat zien hoe je antwoord geeft op "wat gebeurt er als" bij een fysieke interactie: geef de vraag aan een taalmodel, krijg een gestructureerd bijschrift, render het gevolg, bekijk het. Een stack die de toestand van Agora-2 behield en PAN 2 vroeg om de fijnmazige fysica binnen een cel ervan, zou strikt beter zijn dan beide, en zou vereisen dat beide labs iets openstellen wat ze nog niet hebben gedaan.

Wat je vandaag kunt doen, is de helft die geen van beide modellen nodig heeft. De planner van PAN 2 is gedefinieerd als elk instructievolgend taalmodel, en IFM rangschikte vier daarvan op voltooiing van het volledige plan: Claude Opus 5.5, GPT-6 Astra bij gemiddelde inspanning, Kimi K3, Qwen3.8-Flash. Alle vier staan op OrcaRouter, dus de caption-fase van een PAN 2-pipeline kan via één endpoint draaien met automatische failover en de lijstprijs van elke provider doorgegeven tegen 0% markup, per experiment gewisseld in plaats van per contract. OrcaRouter host PAN 2 niet en kan het niet routeren — de 29B-renderer blijft op je GPU's — en het kan zeker Agora-2 niet hosten, wat niemand kan. Wat een router wél kan, is de redeneerhelft elastisch houden terwijl de simulatiehelft vastgepind blijft op hardware die je al bezit.

Hoe te beslissen

Als je een game bouwt, een trainingsomgeving voor agenten die in een gedeelde ruimte moeten opereren, of iets waarbij de wereld consistent moet blijven terwijl er meerdere actoren doorheen bewegen, dan is Agora-2 het relevantere stuk onderzoek en het minder beschikbare. Lees het rapport, speel de preview en beschouw de twintig deelnemers als een uitspraak over het ontwerp van toestanden in plaats van als een capaciteit die je kunt huren.

Als je fysieke resultaten moet evalueren — zal deze greep standhouden, zal deze gietbeweging morsen, overleeft dit plan het contact met de scène — dan heeft Agora-2 niets voor je, en PAN 2 is downloadbaar, gedocumenteerd en eerlijk over het overslaan van een stap in de meeste plannen. Begroot de GPU's voordat je de engineering begroot: vier B300's voor twee minuten per dertien seconden bepaalt de kosten van elke kandidaat die je planner overweegt.

De twee zullen een tijdje met elkaar worden vergeleken, omdat "wereldmodel" momenteel een label is dat op alles wordt geplakt wat iets visueels voorspelt. Het label doet hier geen werk. Een van deze systemen is een plek die blijft staan terwijl mensen erdoorheen bewegen. Het andere is een vraag over wat er daarna gebeurt, beantwoord op aanvraag, waarbij het antwoord beperkt blijft tot twintig seconden. Ze door elkaar halen kost je een kwart van de engineeringtijd; ze van elkaar onderscheiden kost een middag.