PAN 2 vs Hy-Nomas: dezelfde licentie, dezelfde architectuurfamilie, twee definities van "actie"

This is the only pair in the current crop of world models where the comparison is a real choice rather than a category error. PAN 2 is the Institute of Foundation Models' 29-billion-parameter world model, Apache-2.0 on Hugging Face since 7 October 2026, code on 5 November, Day-0 vLLM-Omni support on 10 November, which turns a starting frame and a described action into up to twenty seconds of 704×1248 video at 24 frames per second. Hy-Nomas is T​encent Hunyuan's interactive video world model, Apache 2.0, roughly 8 billion parameters, described in arXiv 2610.36729 on 27 October 2026, which turns a text prompt plus a continuous camera trajectory into 720p video at 24 frames per second in eight distilled steps. Both are open-weight. Both are diffusion transformers generating video from a conditioning signal. Both are downloadable this afternoon. Anyone choosing between them cannot use licence, availability or category as a tiebreak, which is exactly what makes it worth doing carefully.

De beslissende factor die wél werkt, is een zin die geen van beide teams in zijn samenvatting zet: wat als een actie telt. Het controlesignaal van Hy-Nomas is waar de camera naartoe gaat. Het controlesignaal van PAN 2 is wat er in de scène gebeurt, door een taalmodel opgeschreven als een reeks gebeurtenissen die aan actoren zijn gekoppeld. Die zijn zo verschillend dat een prompt die op het ene goed werkt, op het andere vrijwel betekenisloos is, en als je maar één ding uit deze vergelijking leert, dan is het dat.

Twee conditionerende interfaces, geen twee kwaliteitsniveaus

Hy-Nomas conditioneert op tekst plus een camerapad. Het pad is continu en geometrisch: je vertelt het waar het gezichtspunt naartoe beweegt, en het model genereert een segment dat is geconditioneerd op een gecachte geschiedenis, zodat de wereld coherent blijft terwijl je reist. De promptversterker, Nomas-PE, herschrijft losse tekst naar gestructureerde JSON-captions, wat hetzelfde instinct is dat de prompt-rewriter van PAN 2 vanuit de tegenovergestelde richting volgt — beide teams concludeerden dat vrije tekst te vaag is om een diffusietransformer op te conditioneren.

Waar ze uiteengaan, is wat de gestructureerde vorm beschrijft. De structuur van Hy-Nomas is ruimtelijk en op het gezichtspunt gericht; wat precies wordt gemodelleerd, is de beweging van de camera door een scène. De structuur van PAN 2 is temporeel en actorgericht: gebeurtenissen in volgorde, elke actie gekoppeld aan de actor die haar uitvoert, plus camerabeweging als één veld naast meerdere andere. Lees de eigen framing van IFM en de nadruk is onmiskenbaar — het onderschrift beschrijft wat er na een actie gebeurt, en de demonstratie die het model beroemd maakte, is een aardbei die in een kom valt, waarbij het verwisselen van het fruit of de vloeistof de spetter verandert.

• Conditionering — Hy-Nomas neemt vrije tekst plus een continue cameratrajectorie; PAN 2 neemt een optioneel eerste frame plus een gestructureerde, tijdsgebaseerde actiebeschrijving.

• Wat "action" betekent — Hy-Nomas: een camerabeweging, d.w.z. waar je kijkt; PAN 2: een gebeurtenis met een actor, d.w.z. wat er gebeurt.

• Segmentstructuur — Hy-Nomas is segment-autoregressief over een gecachte KV-geschiedenis, dus context wordt doorgegeven over segmenten heen; PAN 2 simuleert elke clip vanuit ten hoogste één startframe plus tekst, zonder meegenomen toestand tussen clips.

• Uitvoer — Hy-Nomas: 720×1280 bij 24 fps in acht gedistilleerde stappen; PAN 2: 704×1248 bij 24 fps over vijftig samplerstappen bij guidance 2.5.

• Grootte — Hy-Nomas: ongeveer 8B verdeeld over 54 dual-stream MMDiT-blokken met een verborgen grootte van 2.048, plus een fijn afgestemde PixelUMM-decoder over DCAE-V-latenten; PAN 2: een 29B MMDiT plus een bevroren Qwen3.5-9B-tekstencoder en een Wan 2.2-VAE.

• Hardware — Hy-Nomas: acht GPU's in de referentie-implementatie, met een pad met één RTX 4090 dat een INT8-DiT, KV-cache, FP8-decoder en CPU-offload gebruikt bij ongeveer 38 GB; PAN 2: acht H200's in BF16 als gedocumenteerde standaard, met een recept dat dertien seconden video in ongeveer 119 seconden op vier B300's verwerkt.

• Gewichtsgrootte — Hy-Nomas: ongeveer 196GB op Hugging Face als tencent/Hy-Nomas; PAN 2: 86,17GB verdeeld over zestig bestanden als IFM/PAN2.

Zeven dimensies, en geen enkele daarvan is een score. Wat ze beschrijven, is een ontwerpdivergentie: Hy-Nomas stopte zijn parameters in het bij elkaar houden van een wereld terwijl je je erdoorheen beweegt, PAN 2 stopte zijn parameters in het voorspellen van wat een actie doet. Een camerapad is goedkoop om te specificeren en moeilijk te faken; een gebeurtenisreeks is expressief en duur om te genereren.

Waar het verschil toeslaat: drie taken, beide modellen

Abstracte tegenstellingen zijn goedkoop. Deze zijn concreet.

Leid me door een appartement. Hy-Nomas wint overtuigend. Je wilt een ononderbroken route door een gang heen en een keuken in, waarbij de kamer achter je de kamer achter je blijft. Dat is segment-autoregressieve generatie op basis van een gecachte geschiedenis, precies waarvoor de architectuur bedoeld is, en PAN 2 kan dat niet: het rendert een clip, en de volgende clip begint bij een frame dat je aanlevert, zonder herinnering aan wat daarvoor kwam. Het aaneenschakelen van PAN 2-clips om een walkthrough te maken veroorzaakt de drift waarvoor de eigen modelkaart waarschuwt, waarbij het uiterlijk tussen clips verandert in lange interacties omdat elke clip vanuit hoogstens één startframe wordt gesimuleerd.

Ik trek de la open en het kopje valt. PAN 2 wint, en dat is allesbehalve nipt. Het verzoek is een gebeurtenis met een actor en een fysiek gevolg. De conditionering van Hy-Nomas heeft geen veld voor "la gaat open" los van de camera — je kunt het in de tekstprompt zetten, en de prompt-enhancer ervan zal het structureren, maar het precisiebudget van het model is opgegaan aan gezichtspunt in plaats van aan contact en gevolg. Het captioncontract van PAN 2 bestaat juist om acties aan actoren te binden en ze in de tijd te ordenen, en daarom heeft IFM een validator uitgebracht die beschrijvingen toetst aan het budget van de tekstencoder van 1.480 tokens soft en 1.536 hard, in plaats van proza door te laten.

Genereer tweehonderd varianten van een manipulatiescène voor een dataset.Beide zijn fout, maar op verschillende manieren. Hy-Nomas geeft je tweehonderd coherente camerabewegingen door tweehonderd scènes en heel weinig controle over of de arm daadwerkelijk iets grijpt. PAN 2 geeft je tweehonderd op actie geconditioneerde clips en, volgens de eigen kaart ervan, zullen ongeveer twee op de drie plannen minstens één stap bevatten die niet wordt uitgevoerd — dus een derde van je dataset is onbruikbaar tenzij je een checker bouwt. Geen van beide is standaard een data-engine; het verschil is of de fout geometrische drift is of een overgeslagen stap, en welke daarvan je downstreamtaak kan verdragen.

Die derde taak is ook de taak die je hardware bepaalt. Tweehonderd clips van acht stappen 720p op één gekwantiseerde 4090 is een middag werk. Tweehonderd clips op een vier-B300-node bij 119 seconden per dertien seconden video is een paar dagen, en die rekensom is de echte reden dat de twee modellen niet uitwisselbaar zijn, zelfs waar hun mogelijkheden overlappen.

Dezelfde fout met twee verschillende namen

Beide kaarten geven dezelfde zwakte toe en geen van beide verhelpt die: een wereldmodel met een lange horizon verliest zijn wereld. PAN 2 stelt dat het uiterlijk tussen clips verschuift en noemt perceptueel geheugen het ontbrekende stuk. Hy-Nomas pakt dit direct aan met een meegedragen KV-cache en een causaal aandachtspatroon dat beschrijvende context levend houdt over segmenten heen, terwijl actie-instructies beperkt blijven tot het venster waarin ze zijn gegeven — en meldt vervolgens in zijn eigen evaluatie dat het nog steeds achterblijft bij Genie 3 op het gebied van ruimtelijk langetermijngeheugen.

Die laatste bekentenis is interessanter dan een overwinning. Er blijkt uit dat het geheugenmechanisme goed genoeg werkt om Genie 3 en LingBot-World v2 te verslaan op interactie en promptopvolging — ongeveer 65% winstpercentage op promptopvolging over een benchmark van 280 gevallen die meerturns-tekst, cameranavigatie, afgewisselde tekst en camera, en ruimtelijk geheugen omvat — en toch verliest op het onderdeel dat meet of de wereld op zijn plaats blijft. Dat zijn de vergelijkingen van de auteurs met de door de auteurs gekozen baselines op de benchmark van de auteurs, en zoals elk getal in deze categorie zijn ze niet gereproduceerd. Wat ze niet zijn, is vaag: een model dat publiceert waar het verliest, is een model waarop je je planning kunt afstemmen.

De nuttige vertaling voor iedereen die op een van beide voortbouwt: persistentie is geen eigenschap die je kunt aannemen en later kunt controleren. Het is het eerste dat je op je eigen scènes moet meten, met je eigen tolerantie voor drift, voordat je een pipeline aan een model vastlegt. Geen van beide leveranciers publiceert een time-to-failure-curve — de duur waarin een scène betrouwbaar blijft — en dat ontbrekende getal is belangrijker dan welke benchmarkpositie dan ook.

Kosten zijn geen afrondingsverschil, ze zijn de beslissing.

Laat het capaciteitsargument even terzijde en kijk naar wat er nodig is om elk ervan een week te laten draaien.

Hy-Nomas' single-4090-pad is het meest ingrijpende feit in deze vergelijking en het is gemakkelijk over het hoofd te zien onder de referentie-implementatie met acht GPU's. Een INT8-DiT met een KV-cache, een FP8-decoder en CPU-offload past in ongeveer 38GB, wat betekent dat een studio met één kaart uit de workstationklasse interactieve 720p-video kan genereren zonder iets te huren. De acht-GPU-configuratie is wat de benchmark beschrijft; de 4090-configuratie is wat een lezer vanavond daadwerkelijk kan doen.

Voor PAN 2 is geen vergelijkbaar pad gepubliceerd. De gedocumenteerde standaardinstelling is acht H200's in BF16 met VAE-patch-parallellisme over vier tiles, en het serverrecept dat iedereen citeert — dertien seconden 704×1248 in ongeveer 119 seconden — gaat uit van vier B300's. Erger nog, de sampler is inherent duur: vijftig stappen met een guidance van 2,5 bij elke stap betekent honderd forward passes door een 29B-transformer per clip, waardoor classifier-free guidance over de ranks moet worden verdeeld en sequence-parallellisme over meer moet worden uitgespreid. Er is geen verhaal over quantisatie op één kaart in de release, en doen alsof dat wel zo is, zou betekenen dat je er een verzint.

Dus de eerlijke kostenzin is deze: Hy-Nomas kost een GPU die je waarschijnlijk hebt, PAN 2 kost een GPU-node die je waarschijnlijk niet hebt, en geen enkel kwaliteitsverschil in welke richting dan ook verandert dat voor een klein team.

De routinginvalshoek hier is smal en het loont om die precies te formuleren, want beide zijn modellen die je zelf host en geen van beide staat in de OrcaRouter-catalogus. Wat routeerbaar is, is het deel dat beide architecturen hebben toegevoegd omdat vrije tekst niet genoeg was: de prompt-enhancerfase. Nomas-PE van Hy-Nomas herschrijft proza naar gestructureerde JSON-captions; de prompt-rewriter van PAN 2 bevat een systeemprompt, een vaste negatieve prompt en een validator tegen het tokenbudget van de encoder. Dat zijn taalmodelaanroepen, en dat is de fase waarin een ander model meetbaar verandert wat de renderer ontvangt. IFM rangschikte vier reasoners voor zijn captionfase — Claude Opus 5.5, GPT-6 Astra met medium effort, Kimi K3, Qwen3.8-Flash — en alle vier staan in de catalogus, dus de herschrijvende helft van beide pipelines kan worden omgewisseld en vergeleken via één sleutel tegen providerlijstprijs met 0% markup, met failover wanneer een rewrite-aanroep midden in een batch een timeout krijgt. De 29B- en 8B-renderers blijven op je hardware. Dat is de hele bewering.

Wat de twee modelkaarten daadwerkelijk bevatten

Beide releases leggen een kaart op tafel en de kaarten verschillen in wat ze bereid zijn toe te geven.

Het rapport van Hy-Nomas, arXiv 2610.36729 van 27 oktober 2026, beschrijft de truc die meerbeurtige interactie laat werken: gestructureerde bijschriften worden uitgelijnd op een actiebewust causaal aandachtspatroon, zodat beschrijvende context over segmenten heen behouden blijft, terwijl actie-instructies beperkt blijven tot het venster waarin ze zijn gegeven. De evaluatie is een benchmark met 280 gevallen over vier sporen — meerbeurtige tekst, cameranavigatie, afgewisselde tekst en camera, en ruimtelijk geheugen — beoordeeld door menselijke paarsgewijze vergelijking met Genie 3, LingBot-World v2 en Happy Oyster. Het wint op interactie en het volgen van prompts, met een gerapporteerd winpercentage van ongeveer 65% op promptvolging, en het verliest van Genie 3 op ruimtelijk langetermijngeheugen. De gewichten zijn ongeveer 196GB als tencent/Hy-Nomas onder Apache 2.0, met code op GitHub en een gehoste demo.

De kaart van PAN 2 is langer en minder flatteus. De architectuur is generatieve latente voorspelling uit Critique of World Models (arXiv 2507.05169), en hetzelfde document dat die beschrijft, somt de tekortkomingen op: ongeveer twee op de drie gesimuleerde plannen laten minstens één stap vallen, het uiterlijk verschuift tussen clips omdat er geen meegedragen toestand is, de formulering van de observatie en actie verandert de uitkomst, tekst drukt "open een la" goed uit en "plaats elke vinger hier" slecht, een simulatie kan vorderen terwijl die de fysica schendt, en het simuleren van plannen die zouden moeten mislukken is nog niet gemeten.

Lees de twee naast elkaar en het verschil in openbaarmakingsstijl is overduidelijk. Hy-Nomas rapporteert een winstpercentage en een verlies; PAN 2 rapporteert een faalpercentage en een lijst. Geen van beide is een audit, en beide zijn geschreven door de teams die de modellen hebben gebouwd. Maar een kaart die je vertelt waar het model verliest, is een document waarop je kunt plannen, en beide voldoen daaraan — wat meer is dan de meeste van hun gesloten concurrenten bieden.

Welke, en wat zou het antwoord veranderen?

Kies Hy-Nomas als je probleem verkenning of content is: een wereld waar iemand doorheen loopt, een camerabeweging die iemand regisseert, een coherente 720p-scene uit een prompt op één enkele kaart. Het geheugenmechanisme, de cameraconditionering en het 4090-pad wijzen allemaal naar dezelfde gebruiker — iemand die een plek goedkoop en nu moet kunnen zien en erdoorheen moet kunnen bewegen.

Kies PAN 2 als je probleem een beslissing is: een agent die moet kunnen voorzien wat een actie doet, een planner die kandidaatplannen rangschikt, een onderzoeksvraag over of een gestructureerde beschrijving van een gebeurtenis voldoende is om het gevolg ervan te genereren. Het captioncontract, de gepubliceerde harness en de Apache-2.0-gewichten wijzen allemaal op een gebruiker met wie eerlijk in debat moet worden gegaan en die de hardware heeft om ervoor te betalen.

Twee dingen zouden de beslissing doorbreken op een manier die geen van beide leveranciers momenteel toestaat. Een geheugen in Hy-Nomas-stijl dat over segmenten wordt meegedragen op een model met de actieconditionering van PAN 2 zou een wezenlijk beter product zijn dan beide. Een gepubliceerde faalstudie — PAN 2 die plannen simuleert die zouden moeten falen, Hy-Nomas die drift meet over tien minuten in plaats van één — zou de vraag beantwoorden die beide kaarten openlaten. Tot een van die twee er is, gaat de keuze niet over welk model beter is. Het gaat erom of je wereld iets is waar je doorheen beweegt of iets wat je overkomt.