PAN 2 vs Genie 4: Beide zetten een taalmodel in de lus, en slechts één noemt het bij naam

De twee interessantste wereldmodellen van eind 2026 zijn op dezelfde manier gebouwd, en geen van beide bedrijven zet dat voorop. PAN 2 is het open-weight wereldmodel met 29 miljard parameters van het Institute of Foundation Models, gepubliceerd als Apache-2.0-checkpoint op 7 oktober 2026, met inference- en trainingscode die op 5 november volgde en Day-0-ondersteuning voor serving in vLLM-Omni op 10 november. Genie 4 is het realtime interactieve wereldmodel van Google DeepMind, aangekondigd op 27 oktober 2026, dat op basis van een tekstbeschrijving een verkennbare scène genereert en je die met een toetsenbord laat besturen terwijl native audio meespeelt. Zet je ze naast elkaar, dan is het verwachte contrast — open weights tegenover een research preview, twintig seconden video tegenover een livesessie — echt maar saai. Het interessante is dat beide het denkwerk aan een taalmodel overlaten, en alleen PAN 2 vertelt je welk taalmodel dat is en laat je het wijzigen.

Dat ene verschil in openbaarmaking is meer waard dan een benchmarktabel, omdat het bepaalt of je überhaupt over het systeem kunt redeneren. Een wereldmodel met een naamloze redeneerhelft is een product. Een wereldmodel met een benoemde, verwisselbare redeneerhelft is een architectuur.

De gedeelde vorm: een reasoner schrijft de toekomst, een renderer beeldt die af

PAN 2 implementeert Generative Latent Prediction, het patroon dat is geformaliseerd in Critique of World Models (arXiv 2507.05169). Een conceptuele redenator — elk instructievolgend taalmodel — leest de huidige observatie en de gevraagde acties en schrijft de volgende wereldtoestand als een gestructureerde, tijdgebaseerde beschrijving: gebeurtenissen in volgorde, elke actie gekoppeld aan de actor die haar uitvoert, plus camerabeweging. Een bevroren Qwen3.5-9B-tekstencoder zet die beschrijving om in conditioneringskenmerken. Een 29B multimodale diffusietransformer, vanaf nul getraind op honderden miljoenen geannoteerde video's, vult de perceptuele details in die de beschrijving openlaat, en een Wan 2.2 VAE decodeert het resultaat naar frames.

De gepubliceerde beschrijving van Genie 4 door Google hanteert dezelfde taakverdeling onder andere productnamen. Gemini Omni verankert de simulatie in realistisch uiterlijk en gedrag; andere Gemini-modellen leveren redeneervermogen voor samenhang en continuïteit; en Gemini 3.8 Flash fungeert als een sturende agent die de scène observeert, stappen plant en de voortgang controleert. Die laatste rol is een in-loop-verifier — een taalmodel dat het wereldmodel in de gaten houdt en het bij de taak houdt. Google combineerde Genie 4 ook met Gemini 4 Argon voor meerstaps-roboticasimulatie, inclusief een demonstratie van een Apptronik Apollo-humanoïde die dammen speelt.

Dus in beide stacks zijn de pixels de goedkope, snelle helft en is het taalmodel de helft die bepaalt wat er moet gebeuren. Dit is de vorm waar het vakgebied in 2026 op uitkwam zonder het aan te kondigen: een wereldmodel is geen videogenerator met een fysica-prior, het is een planner plus een renderer, en de planner is een gewoon tekstmodel waarvan je het gebruik zou kunnen meten.

Die convergentie is waarom de openbaarmakingskloof ertoe doet. IFM rangschikte vier planners op basis van hoe vaak een gesimuleerd plan van begin tot eind wordt voltooid — Claude Opus 5.5 op de eerste plaats, GPT-6 Astra bij medium effort op de tweede, Kimi K3 op de derde, Qwen3.8-Flash op de vierde — en publiceerde de ranglijst samen met de harness die deze had geproduceerd, terwijl het stelde dat de conceptuele reasoner per definitie uitwisselbaar is. Google noemde Gemini 3.8 Flash in de loop, wat meer is dan de meeste labs zeggen, en publiceerde niets over hoe je het zou vervangen, er afzonderlijk een prijs voor zou berekenen, of zou meten of een ander model beter zou plannen.

Twintig seconden in een batch, of een sessie die je zelf aanstuurt

De interactiemodellen zijn elkaars tegenpolen, en dit is het punt waarop de twee ophouden vergelijkbaar te zijn en verschillende tools beginnen te worden.

• Output — PAN 2 retourneert per aanroep maximaal twintig seconden 704×1248-video bij 24 frames per seconde; Genie 4 retourneert een live, persistente scène waarvan Google de resolutie, framesnelheid en duur niet openbaar heeft gemaakt.

• Besturing — {{1}}PAN 2 neemt één startframe plus een gestructureerde actiebeschrijving die wordt verfijnd door een prompt-rewriter-skill{{/1}}; {{2}}Genie 4 neemt een tekstprompt en vervolgens continue toetsenbordinvoer voor beweging en camera{{/2}}.

• Audio — PAN 2 heeft niets; Genie 4 genereert omgevingsgeluid, muziekachtige audio en interactieve personagedialoog naast de beelden, wat Google omschrijft als een primeur voor een realtime wereldmodel.

• Batchgedrag — PAN 2 is een batch-orakel: één aanroep, één clip, geen feedback binnen de aanroep; Genie 4 is een gesloten lus waarin je invoer op seconde drie seconde vier verandert.

• Kosten — De gedocumenteerde standaardconfiguratie van PAN 2 bestaat uit acht H200's in BF16, met een vLLM-recept dat dertien seconden 704×1248-video in ongeveer 119 seconden verwerkt op vier B300's; Genie 4 heeft geen prijs omdat er geen self-serve toegang is.

Toegang — de gewichten van PAN 2 beslaan 86,17 gigabyte verdeeld over zestig bestanden onder Apache-2.0, zonder toegangsbeperking; Genie 4 is een onderzoekspreview voor vertrouwde testers, met een aangegeven traject naar AI Ultra-abonnees via een wachtlijst en naar partners met vroege toegang via de Gemini API en Google AI Studio.

Lees die lijst en het praktische antwoord valt duidelijk uiteen. Als je een paar duizend keer "wat gebeurt er als" wilt vragen en de antwoorden wilt scoren, is PAN 2 de enige van de twee die je in een lus die je zelf bestuurt kunt aanroepen. Als je wilt verkennen, bijsturen en luisteren, is Genie 4 de enige van de twee die überhaupt een plek biedt — en je komt er waarschijnlijk nog niet in.

Het specificatieblad dat Google niet heeft gepubliceerd

Het meest opvallende aan de aankondiging van Genie 4 is de lengte van de lijst die er niet in staat: geen resolutie, geen frames per seconde, geen aantal parameters, geen prijs, geen gemeten duur van scèneconsistentie, geen benchmark met genoemde baselines. Wat Google wél publiceerde, is een reeks toegevingen — coherentie houdt stand tijdens korte sessies, en visuele details en objectpermanentie kunnen afwijken tijdens langere runs, na complexe bewerkingen of tijdens navigeren. Complexe fysieke interacties, audio-nauwkeurigheid, leesbare tekst in de wereld, ruimtelijke nauwkeurigheid en consistentie op lange termijn worden genoemd als openstaande onderzoeksproblemen. Elke output draagt een SynthID-watermerk.

Niets daarvan is ontwijkend. Het is de eerlijke vorm van een onderzoekspreview, en drift als open probleem noemen is meer dan de meeste lanceerberichten doen. Maar het betekent dat een lezer niets kan berekenen op basis van Genie 4: geen clips per dollar, geen seconden per GPU, geen duur waarop een scène niet meer bruikbaar is. Het getal dat een koper het liefst zou willen — hoe lang een sessie coherent blijft — is precies het getal dat de aankondiging kwalitatief beschrijft en niet kwantificeert.

PAN 2 beantwoordt dezelfde vraag met een getal dat slechter is en daarom nuttiger. In de modelkaart staat dat ongeveer twee op de drie gesimuleerde plannen ten minste één stap bevatten die niet wordt uitgevoerd. Er staat dat het uiterlijk tussen clips verandert tijdens lange interacties omdat elke clip wordt gesimuleerd op basis van hoogstens één startframe plus tekst, en noemt perceptueel geheugen het ontbrekende stuk in plaats van te beweren dat het is opgelost. Het geeft toe dat tekst "open een la" goed uitdrukt en "plaats elke vinger hier" slecht, wat behendige manipulatie begrenst. Het geeft een concreet voorbeeld van een snelkoppeling — pasta die in het vergiet verschijnt voordat het is afgegoten — en geeft toe dat het simuleren van plannen die zouden moeten mislukken, in de woorden van de modelkaart, nog niet is gemeten.

Die laatste erkenning is er een die elk wereldmodel zou moeten vergezellen tot in een productspecificatie. Een simulator die alleen succes kan weergeven, is een generator van plausibele uitkomsten, geen filter voor slechte, en het hele uitgangspunt van simulatief redeneren — meerdere kandidaatplannen simuleren, vergelijken, op het beste handelen — hangt af van het feit dat het model je een plan kan laten zien dat mislukt. PAN 2 zegt ronduit dat het daarop niet is getest. Genie 4 laat zich er niet over uit.

Failover is geen functie van een van beide modellen, en het is juist de functie die je nodig hebt.

Beide systemen zijn onderzoeksartefacten die gericht zijn op een probleem dat zal worden opgelost door teams met productiedeadlines, en de kloof tussen die twee dingen is waar een routeringslaag zijn plek verdient. De rendererhelft van een PAN 2-stack is jouw hardware en zal dat altijd blijven — OrcaRouter host PAN 2 niet en kan het niet routeren, en geen enkele catalogus kan een diffusietransformer met 29 miljard parameters routeren die je op je eigen node draait. Wat routeerbaar is, is de helft die beslist wat er gesimuleerd moet worden, want die helft is gewoon tekstwerk dat per gebruik wordt afgerekend.

Alle vier de planners die IFM rangschikte, staan in de OrcaRouter-catalogus: Claude Opus 5.5, GPT-6 Astra, Kimi K3 en Qwen3.8-Flash. Daardoor is de reasoner-slot het enige onderdeel van een PAN 2-pipeline dat je vanmiddag kunt benchmarken zonder een GPU-node te huren — richt de prompt-rewriter via één sleutel op elk van hen, houd de diffusiehelft vast en tel hoe vaak je plannen overleven. Lijstprijzen van providers worden doorgegeven met 0% opslag, dus de kostenvergelijking is gebaseerd op de tarieven van de leveranciers zelf in plaats van op de onze, en automatische failover vangt een hapering van een provider midden in een sweep op in plaats van de run af te breken.

Dezelfde route bestrijkt de Genie 4-kant, zij het slechts beperkt. Gemini 3.8 Flash is het model dat Google beschrijft als de in-loop sturende agent van Genie 4, en het is via dezelfde catalogus aanroepbaar. Je kunt Genie 4 niet krijgen. Je kunt het deel van de architectuur bouwen dat Google wél beschreef — een model met beeldvermogen dat gegenereerde frames bekijkt, de volgende stappen plant en de voortgang controleert — en het richten op een wereldmodel dat je wél hebt. Dat is niet hetzelfde product. Het is dezelfde besturingslaag, en het is de laag waar het grootste deel van de engineering daadwerkelijk zit.

Wees duidelijk over wat de bovenstaande rangschikking waard is: de ordening van IFM is gemeten op de taken van IFM met de meetopstelling van IFM, tegen de eigen baselines van IFM, en niemand heeft die gereproduceerd. Het is een shortlist, geen leaderboard. Je eigen prompts door vier kandidaten laten lopen is een paar uur werk en het enige bewijs dat op jouw probleem van toepassing is.

Het andere getal dat de moeite waard is om in elk budget mee te nemen, is dat van de serving. Vijftig samplerstappen bij een flow shift van 9 met guidance van 2,5 bij elke stap betekent honderd forward passes door een 29B-transformer per clip, en daarom moet guidance over ranks worden geparallelliseerd in plaats van sequentieel te worden uitgevoerd. Een planner die per stap vijf kandidaatacties evalueert voor een taak van tien stappen, vraagt om vijftig clips, wat bij de gepubliceerde vier-B300-configuratie neerkomt op een node die het grootste deel van twee uur bezet is voordat er iets uit de output is geleerd. Simulatief redeneren is niet duur omdat het model groot is. Het is duur omdat het idee een lus is.

Output, controle en wat elk ervan weigert te zeggen over duur

Zes dimensies dragen de vergelijking, en vier ervan gaan helemaal niet over kwaliteit.

• Output — PAN 2 retourneert per aanroep maximaal twintig seconden 704×1248-video bij 24 frames per seconde; Genie 4 retourneert een live, persistente scène waarvan Google de resolutie, framesnelheid en duur niet openbaar heeft gemaakt.

• Besturing — {{1}}PAN 2 neemt één startframe plus een gestructureerde actiebeschrijving die wordt verfijnd door een prompt-rewriter-skill{{/1}}; {{2}}Genie 4 neemt een tekstprompt en vervolgens continue toetsenbordinvoer voor beweging en camera{{/2}}.

• Audio — PAN 2 heeft niets; Genie 4 genereert omgevingsgeluid, muziekachtige audio en interactieve personagedialoog naast de beelden, wat Google omschrijft als een primeur voor een realtime wereldmodel.

• Loopgedrag — PAN 2 is een batch-orakel zonder feedback binnen een aanroep; Genie 4 is een gesloten lus waarin jouw invoer op seconde drie seconde vier verandert.

• Kostenbasis — De gedocumenteerde standaard van PAN 2 is acht H200s in BF16, met een recept dat dertien seconden 704×1248-video op ongeveer 119 seconden brengt op vier B300s; Genie 4 heeft geen prijs omdat er geen selfservice-toegang is.

Toegang — de gewichten van PAN 2 beslaan 86,17 gigabyte verdeeld over zestig bestanden onder Apache-2.0, zonder toegangsbeperking; Genie 4 is een onderzoekspreview voor vertrouwde testers, met een aangegeven traject naar AI Ultra-abonnees via een wachtlijst en naar partners met vroege toegang via de Gemini API en Google AI Studio.

De duurrij is degene die de meeste echte beslissingen bepaalt, en het is de rij waarop de twee het minst vergelijkbaar zijn. PAN 2 geeft je precies twintig seconden en zegt dat het per clip afwijkt omdat elke clip gesimuleerd wordt vanuit hoogstens één startframe plus tekst. Genie 4 geeft je een sessie van onbepaalde lengte, geeft toe dat samenhang alleen gedurende korte sessies standhoudt, en noemt consistentie op lange termijn een open onderzoeksprobleem. Geen van beide zal je de duur vertellen waarbij de output niet meer betrouwbaar is, en dat getal — niet een benchmarkscore — is wat een pipeline feitelijk nodig heeft.

Wat zou dit een echte vergelijking maken?

Eén ding: een gedeelde taak. Niemand heeft PAN 2 en Genie 4 op dezelfde vraag laten draaien, en het is niet vanzelfsprekend dat dat zou kunnen — de ene produceert clips van vaste lengte op basis van een caption, de andere produceert een interactieve sessie op basis van een prompt en een toetsenbord. Het dichtst bij een gemeenschappelijke maatstaf komt het naleven van acties binnen een beschreven plan, en alleen PAN 2 heeft daarvoor een harness gepubliceerd: 300 casussen met één actie verdeeld over zes capaciteitscategorieën, 100 meerstapstaken opgesteld als 200 prompts en 456 stappen, gescoord op stapvoltooiing en voltooiing van het volledige plan over drie seeds. Dertien reviewers produceerden de cijfers voor menselijke voorkeur op 140 prompts in een blinde paarsgewijze studie, waarbij ze het model van de auteurs beoordeelden ten opzichte van de baselines van de auteurs. Dat is niet onafhankelijk. Het is navolgbaar, wat het op een na beste is, en het is meer dan de andere kant biedt.

Dus de keuze, zo duidelijk als de bewijzen het toelaten. Als je een wereldmodel nodig hebt dat je kunt downloaden, auditen, fine-tunen en in batch kunt bevragen — en je een multi-GPU-node bezit of kunt huren — dan is PAN 2 de meest complete open release in de categorie, en de sectie over de eigen beperkingen is de waardevolste pagina erin. Als je een wereld nodig hebt waarin iemand kan rondlopen, met geluid, en je bereid bent op een wachtlijst te wachten en te bouwen tegen een API die geen datum en geen prijs heeft, dan is Genie 4 het indrukwekkendere systeem en het systeem met een distributiepad erachter.

De mismatch die je moet vermijden, is een van de twee als vervanging voor de andere te behandelen. De breedte van Genie 4 is geen bewijs dat het een plan kan beoordelen; de downloadbare gewichten van PAN 2 zijn geen bewijs dat het een scène samenhangend kan houden terwijl je bijstuurt. Wat ze echt gemeen hebben, is de architectuur waar beide bedrijven onafhankelijk van elkaar op uitkwamen — een taalmodel dat beslist, een diffusiemodel dat tekent — en het feit dat je in 2026 nog steeds maar bij één van de twee kunt zien hoe het er vanbinnen aan toegaat.