PAN 2 vs Qwen3.8-27B: De tegenstander zit al in het model

De meeste modelvergelijkingen hebben een duidelijke grens: twee checkpoints, twee leveranciers, kies er één. Deze niet, want Qwen loopt op drie plekken tegelijk via de interne werking van PAN 2. PAN 2 laadt Qwen3.5-9B als zijn bevroren tekstencoder, het onderdeel dat een gestructureerde caption van de wereldtoestand omzet in de conditioneringskenmerken die zijn diffusietransformator met 29 miljard parameters gebruikt. De PhyGround-scores in PAN 2's eigen technische rapport worden beoordeeld door Qwen3.8-27B, het model waarmee deze pagina het in naam vergelijkt. En Qwen3.8-Flash is een van de vier conceptuele redeneerders die het rapport benchmarkt voor het schrijven van de captions van PAN 2. De eerlijke framing is dus niet PAN 2 versus Qwen3.8-27B. Het is een video-wereldmodel van MBZUAI's Institute of Foundation Models, stilletjes gepubliceerd en nooit met een lancering, dat voortbouwt op Qwen-componenten, deels wordt beoordeeld door een Qwen-beoordelaar, en wordt vergeleken met een visie-taalmodel met 27 miljard parameters van Alibaba dat op zichzelf een compleet product is. De interessante vraag is welke van die relaties je moet laten meewegen wanneer je kiest wat je gaat deployen.

Wat het gedeelde DNA wel en niet betekent

Het betekent niet dat de twee modellen vergelijkbaar zijn. PAN 2 levert video op; Qwen3.8-27B levert tekst op. Niets in de gedeelde encoder verandert dat, en er bestaat geen benchmark die ze tegen elkaar afzet. Wie een head-to-headscore presenteert, presenteert een impressie.

Wat het wél betekent, is dat de vergelijking ongewoon informatief is over herkomst. Wanneer PAN 2 je caption leest, leest het die via een Qwen-encoder die MBZUAI ongewijzigd uit zijn eigen repository heeft gedownload, en de modelkaart is expliciet dat de Qwen3.5-9B-gewichten worden gebruikt zoals vrijgegeven en niet door MBZUAI zijn fine-tuned. Het tokenbudget dat de promptvalidator oplegt — een zachte 1.480 tokens, een harde 1.536 — is het budget van Qwen3.5-9B, niet dat van PAN 2. En wanneer het rapport een PhyGround-getal claimt, is dat getal geproduceerd door Qwen3.8-27B te vragen gegenereerde video te beoordelen op een vijfpuntschaal. De beoordelaar is de rivaal.

Dat is geen schandaal. Een sterk open model als geautomatiseerde beoordelaar gebruiken is standaardpraktijk, en dat openbaar maken is beter dan de meeste labs voor elkaar krijgen. Maar het betekent wel dat de bewijsketen voor PAN 2 op drie afzonderlijke punten via de modelfamilie van Alibaba loopt, en als je PAN 2 evalueert, moet je weten welke van zijn cijfers metingen van PAN 2 zijn en welke metingen van PAN 2 zoals gezien door Qwen.

Qwen3.8-27B, op zijn eigen voorwaarden

Het model van Alibaba is een heel ander soort object: een causaal taalmodel met 27 miljard parameters en een visie-encoder, gebouwd op de Qwen3.5-architectuur met een hybride lay-out — zestien herhalingen van drie Gated DeltaNet-blokken gevolgd door één Gated Attention-blok, in totaal 64 lagen, een verborgen dimensie van 5.120 en een opgevulde vocabulaire van 248.320 tokens. De native context is 262.144 tokens, uitbreidbaar tot één miljoen. Het is Apache-2.0, het verscheen op 5 augustus 2026 op Hugging Face en het heeft 7,4 miljoen maandelijkse downloads.

De leverancierscijfers zijn sterk en de kaart is een van de completere in het open-weightsveld: GPQA Diamond 89.2, HLE 30.8, LiveCodeBench v6 90.3, SWE-bench Pro 61.7, Terminal-Bench 2.1 op 73.0, OSWorld-Verified 84.3, OmniDocBench 1.5 op 91.1, CharXiv-redenering 83.7, IFBench 79.5, CoWorkBench 70.7. Op MathVision rapporteert het 90.0 zonder chain-of-thought en 94.6 ermee. Dat zijn Alibaba's eigen evaluaties tegen Alibaba's eigen baselines, hetzelfde voorbehoud dat geldt voor elke leverancierstabel op deze site, inclusief die van PAN 2.

• Modaliteit — Qwen3.8-27B: tekst, afbeelding en video in; tekst uit. PAN 2: een optioneel eerste frame plus een gestructureerd bijschrift in; MP4 uit.

• Grootte — Qwen3.8-27B: 27B dense, 64 lagen, ongeveer 27,8 miljard safetensors-parameters. PAN 2: een 29B diffusietransformer van 67,37 GB in BF16, plus een bevroren Qwen3.5-9B-encoder van 15,87 GB en een Wan 2.2 VAE.

• Context — Qwen3.8-27B: 262.144 native tokens, tot één miljoen. PAN 2: één enkel bijschrift van maximaal 1.536 tokens van de tekstencoder, en één startframe.

• Licentie — Qwen3.8-27B: Apache-2.0. PAN 2: Apache-2.0 op zijn eigen gewichten, met componenten van derden onder hun eigen voorwaarden.

• Serving — Qwen3.8-27B: Transformers, vLLM, SGLang, TokenSpeed en een gehost Qwen Cloud-endpoint dat Alibaba vermeldt als binnenkort beschikbaar. PAN 2: Diffusers, vLLM-Omni en de eigen generate.py van de repository, op je eigen hardware, en niets dat ergens gehost wordt.

Waarom de keuze van de encoder de meest ingrijpende regel is in de kaart van PAN 2

Een 9B-tekstencoder bevriezen en alleen de diffusie-backbone trainen is een verdedigbare engineeringbeslissing, en het is de reden dat de diffusiehelft van PAN 2 29B is in plaats van 40. Het legt ook een harde bovengrens op aan wat aan PAN 2 kan worden verteld. De conceptuele reasoner schrijft een caption; Qwen3.5-9B zet die om naar features; het diffusiemodel rendert op basis van die features. Wat Qwen3.5-9B niet kan representeren, kan PAN 2 niet simuleren, hoe goed de caption ook is.

Dit verklaart een beperking die de kaart ronduit vermeldt en die de meeste lezers overslaan: het model is gevoelig voor de formulering van prompts, voorbeelden buiten de trainingsdistributie leunden op handmatig verfijnde prompts, en tekstacties specificeren behendige manipulatie slechts op grove wijze. Dat zijn geen drie afzonderlijke problemen. Het is hetzelfde probleem vanuit drie gezichtspunten — de interface tussen een taalbeschrijving en een vaste tekstencoder, met aan de ene kant een budget van 1.536 tokens en een bevroren vocabulaire.

Vergelijk dat met hoe Qwen3.8-27B dezelfde taak aanpakt. Het is het redeneermodel en de encoder in één object, met een venster van 262.144 tokens, native denkbesturing die per verzoek kan worden uitgeschakeld, een reasoning_effort-knop en preserve_thinking om de redeneercontext tussen beurten te behouden. Als het je taak is om een scène en een plan gedetailleerd genoeg te beschrijven zodat iets stroomafwaarts erop kan voortbouwen, dan is Qwen3.8-27B daarvoor gebouwd en PAN 2 is gebouwd om de uitvoer te consumeren. Ze zijn geen concurrenten voor dezelfde positie; de een staat stroomopwaarts van de ander.

De deployment-asymmetrie die niemand in de vergelijkingstabel zet

Qwen3.8-27B is een groot model dat draait als een normaal groot model. Zevenentwintig miljard parameters in BF16 is ruwweg 55 GB aan gewichten, wat op één accelerator van 80 GB past met ruimte voor een KV-cache, en de kaart vermeldt vier servingstacks plus een OpenAI-compatibel gehost endpoint dat eraan komt. Je kunt het dezelfde middag nog verzoeken laten beantwoorden nadat je hebt besloten het te gebruiken.

PAN 2 is 86,17 GB verdeeld over zestig bestanden, en de rekensom voor serving wordt in node-minuten uitgevoerd. Vijftig samplerstappen met classifier-free guidance bij elke stap betekenen honderd forward passes door een 29B-transformer per clip. De blikvanger van het vLLM-recept is dertien seconden 704×1248-video in ongeveer 119 seconden op vier B300-GPU's, met guidance geparallelliseerd over twee ranks en Ulysses-sequence-parallellisme over nog twee ranks; de standaardconfiguratie is acht H200's in BF16 met VAE-patch-parallellisme over vier ranks in tilemodus. Het eigen inferentiescript van de repository is eenvoudiger en hongeriger: één worker per GPU, elk met een volledige kopie van de 67,37 GB transformer, en elk neemt elke N-de prompt voor zijn rekening.

Zet die naast elkaar en de praktische conclusie is allesbehalve nipt. Een aanroep naar Qwen3.8-27B is een verzoek. Een PAN 2-clip is een batchjob met een GPU-reservering eraan vast. Als je één keer een video van twintig seconden moet produceren, is PAN 2 een middag instellen en drie minuten renderen. Als je duizend plannen moet simuleren, koop je tijd op een node en de vergelijking die telt is met andere video-wereldmodellen, niet met een taalmodel.

De enige plek waar die twee elkaar echt ontmoeten

Het beoogde gebruik van PAN 2 is simulatieve redenering: een agent stelt zich de uitkomst van elke kandidaat-actie voor en kiest vervolgens de beste. Die lus vereist een planner die kandidaat-acties genereert en een simulator die de gevolgen ervan weergeeft. Qwen3.8-27B is een geloofwaardige planner — sterke instructieopvolging met 79,5 op IFBench, langdurig kantoorwerk met 70,7 op CoWorkBench, agentisch terminalcoderen met 73,0 op Terminal-Bench 2.1 — en zit al in de lus, aangezien MBZUAI het gebruikte om PhyGround te beoordelen en Qwen3.8-Flash als een van vier caption-schrijvers.

Als je die lus bouwt, is de planner het onderdeel dat je per token kunt kopen en de simulator het onderdeel dat je niet kunt kopen. Qwen3.8-27B is beschikbaar op OrcaRouter, dus met één API-sleutel krijg je een planner met automatische failover, routeringsregels voor welke verzoeken waarheen gaan, en de lijstprijs van de provider met 0% opslag die wordt doorgegeven — inclusief Alibaba's eigen prijsverlagingen op de dag dat ze ingaan. OrcaRouter host PAN 2 niet en kan het niet routeren; niemand host PAN 2. De tweedeling is geen beperking van de router, het is de vorm van de markt: gehoste taalmodellen zijn een commodity, gehoste videowereldmodellen bestaan nog niet.

Er is een tweede, stillere reden om te routeren in plaats van de planner vast te pinnen. Het rapport van PAN 2 rangschikt vier redeneermodellen op voltooiing van het volledige plan, en die rangschikking is niet wat de meeste mensen zouden raden: Claude Opus 5.5 eerste, GPT-6 Astra met gemiddelde inspanning tweede, Kimi K3 derde, Qwen3.8-Flash vierde. Die volgorde is gemeten op de prompts van MBZUAI, met hun captionbeleid en hun validator. Die van jou zal afwijken. De mogelijkheid om de vergelijking opnieuw uit te voeren zonder je stack opnieuw te hoeven inrichten, is meer waard dan welke afzonderlijke modelkeuze daarin dan ook.

Wat te doen met deze vergelijking

Als je hierheen bent gekomen om er één uit te kiezen, is het eerlijke antwoord dat de vraag verkeerd is gesteld. Qwen3.8-27B is een algemeen visie-taalmodel dat je vandaag op één accelerator kunt draaien of volgende week per token kunt huren. PAN 2 is een onderzoeksartefact dat consequenties weergeeft, een multi-GPU-node nodig heeft, geen gehost endpoint heeft en op 11 november 2026 nog nooit door zijn eigen auteurs is uitgebracht — één bericht van twee alinea's op het X-account van het lab is de hele aankondiging. De Hugging Face-repository dateert van 7 oktober, de GitHub-repository van 5 november, en het meest substantiële publieke dat ermee is gebeurd, is dat vLLM-Omni's Day-0-ondersteuning op 10 november werd samengevoegd.

De vergelijking die de moeite waard is, is beperkter. Als je pipeline een planner nodig heeft, is Qwen3.8-27B een sterke, goed gedocumenteerde, Apache-2.0-keuze, en de beslissing is een routeringsbeslissing. Als je pipeline moet zien wat een actie doet voordat hij die onderneemt, is PAN 2 een van de zeer weinige open-weight modellen die dat proberen, het draait op Qwen-componenten of je het nu merkt of niet, en de eerlijke samenvatting van zijn capaciteit is de zin in zijn eigen beperkingensectie: ongeveer twee op de drie gesimuleerde plannen bevatten minstens één stap die niet wordt uitgevoerd. Dat is het getal waar je omheen moet plannen, en het is het enige getal in deze hele vergelijking dat geen enkele encoder, beoordelaar of router voor je kan verbeteren.