PAN 2 vs SKY-001: de een simuleert wat er daarna gebeurt, de ander tekent wat er gebouwd moet worden.

{{1}}Kimi K3{{/1}} komt voor in beide lanceringsdocumenten, in dezelfde twee weken, en vervult daar tegenovergestelde taken. In het technische rapport van {{2}}PAN 2{{/2}} is het de conceptuele redeneerder — het taalmodel dat een verzoek leest en de gestructureerde, in de tijd verankerde beschrijving schrijft die een diffusietransformer met 29 miljard parameters omzet in video. In de SKY-001-tabellen van {{3}}Skyfall{{/3}} is het een baselineconcurrent, dat gevraagd wordt om zelf een CAD-assemblage te tekenen, waarbij het 9,5% van de referentiegeometrie reproduceert volgens intersection-over-union. De ene lancering gebruikt een frontier-taalmodel om het plan te schrijven. De andere meet hoe frontier-taalmodellen falen bij het tekenen. Die splitsing is een betere leidraad voor deze twee modellen dan het label dat ze gemeen hebben. {{4}}PAN 2{{/4}} is het wereldmodel van het Institute of Foundation Models aan de MBZUAI, Apache-2.0-gewichten op Hugging Face sinds 7 oktober 2026, code sinds 5 november en een eigen aankondiging op 10 november, en het voorspelt tot twintig seconden 704×1248-video op basis van een optioneel eerste frame plus een in tekst beschreven actie. {{5}}SKY-001{{/5}} is het engineeringmodel van {{6}}Skyfall AI{{/6}}, aangekondigd op 19 oktober 2026, nog steeds achter een wachtlijst met commerciële uitrol gericht op begin 2027, en het voorspelt de geordende reeks tekenbewerkingen die een CAD-onderdeel of een plattegrond oplevert.

Geen van beide datums is vandaag, en niets hieronder wordt als een lancering gepresenteerd. Wat volgt is wat elk model daadwerkelijk berekent, waar elk model volgens zijn eigen cijfers zwak is, en welke van de twee jouw probleem nodig heeft.

Er worden twee verschillende dingen voorspeld.

De keten van PAN 2 bevat een taalmodel. Een conceptuele redeneerder — elk instructievolgend model — leest de observatie en de gevraagde acties en schrijft de volgende wereldtoestand als een gestructureerde beschrijving: gebeurtenissen in volgorde, acties gekoppeld aan actoren, camerabeweging. Een bevroren Qwen3.5-9B-tekstencoder zet die beschrijving om in conditionerende features. Een multimodale diffusietransformer van 29B, vanaf nul getraind op video die in hetzelfde formaat is geannoteerd, voorspelt de latents die de beschrijving openlaat, geconditioneerd op die beschrijving en op de VAE-latent van het beginframe, en een Wan 2.2-decoder rendert ze. De standaardsampler gebruikt 50 stappen bij flow shift 9 met classifier-free guidance 2,5 bij elke stap, en de checkpoint is 86,17 GB verdeeld over zestig bestanden.

De keten van SKY-001 bevat in plaats daarvan een hiërarchie. Een Hiërarchische Composer neemt een ontwerpintentie — een afbeelding, tekst of een gebouwschil met een briefing — genereert het volledige ontwerp, splitst dat vervolgens niveau voor niveau op en verfijnt elk blad parallel. Daarna voorspelt een Construction World Model de geordende reeks visuele toestanden die elk blad opbouwt: in CAD een keten van 3D-solidtoestanden met tussen elk opeenvolgend paar de 2D-schets getekend; in BIM een plattegrond die streek voor streek wordt getekend. Het tekenen verloopt als diffusie in twee passes: een grove rollout in een gecomprimeerde latente ruimte van een autoencoder in Matryoshka-stijl en daarna een refiner die de volledige resolutie herstelt. Beide fasen zijn diffusietransformers; geen van beide voorspelt tokens. Skyfall heeft geen parameteraantallen, gewichten, licentie of API gepubliceerd.

• Wat wordt voorspeld — PAN 2 voorspelt de volgende observatie als {{1}}pixels{{/1}}, gegeven een actie; SKY-001 voorspelt de volgende constructiestatus als {{2}}een vaste vorm of een lijn{{/2}}, gegeven een intentie.

• Hoe tijd binnenkomt — PAN 2 draait op een fysieke klok, standaard 241 frames (ongeveer tien seconden) en tot 481 (twintig seconden) bij 24 fps; SKY-001 draait op een procedurele volgorde van ongeveer 100 tekenstappen per CAD-component en 70 per plattegrond, zonder dat er ergens een fysieke klok in zit.

• Of fysica wordt geclaimd — PAN 2 wordt rechtstreeks beoordeeld op fysische plausibiliteit; de materialen van SKY-001 claimen helemaal geen dynamica, omdat wat het toont een ontwerp is, geen beweging.

• Wat je eruit krijgt — een MP4 die je kunt bekijken, versus geometrie die je met IoU tegen een referentievorm scoort.

• Gewichten — een Apache-2.0-download voor PAN 2; niets gepubliceerd voor SKY-001.

• Prijs — GPU-tijd die je voor PAN 2 kunt dimensioneren; een wachtlijst voor SKY-001.

Beide zijn tweetraps, en de bottleneck zit op verschillende plekken.

De gedeelde technische gok is dat je de taak opsplitst. De ene fase legt zich vast op structuur — een geordende beschrijving van wat er zou moeten gebeuren — en een tweede fase vult de details in die die beschrijving openlaat. PAN 2 doet dat met een caption en een diffusion-backbone. SKY-001 doet dat met een hiërarchie van subdoelen en een constructiemodel per blad. Zet de twee lanceringen naast elkaar en dan is de interessante vraag niet langer welke architectuur beter is, maar welke fase je eigenlijk het meeste kost.

Bij PAN 2 is dat de planner, en het rapport zegt dat twee keer. Op Physics-IQ Verified, een image-naar-video-benchmark die zo genormaliseerd is dat de spreiding tussen twee echte takes van dezelfde scène een score van 100 oplevert, bereikt PAN 2 93,2 ± 0,8 met Claude Opus 5.5 dat de bijschriften schrijft en 90,9 ± 0,4 op zijn systeemstandaard, over seeds 123 tot en met 126. Het wisselen van het taalmodel dat het bijschrift schrijft, verschuift de score met 2,3 punten op een schaal van honderd punten, waar een perfecte score betekent dat het niet te onderscheiden is van echt opgenomen materiaal. Hetzelfde patroon is te zien in de beperkingen van de model card: ongeveer twee van de drie gesimuleerde plannen bevatten minstens één stap die niet wordt uitgevoerd, de casestudies met agents baseerden zich op handverfijnde prompts, behendige handelingen zoals waar elke vinger een object raakt worden in de tekst alleen grof gespecificeerd, en bijschriften worden gevalideerd tegen een zachte limiet van 1.480 en een harde capaciteit van 1.536 tokens. De renderer is niet het gemelde probleem. De zin die de scène beschrijft, is dat.

Voor SKY-001 wordt de planner niet als afzonderlijke fase gemeten, dus de gerapporteerde bottleneck is de renderer. Op Skyfalls CAD-constructiebenchmark — 1.000 componenten gesampled uit objecten zoals een Jaguar E-Type Roadster, een FANUC ArcMate 100iB-lasarm en een Bell 222-helikopter, elk ongeveer 100 tekenstappen — reproduceert SKY-001 79,7% van de referentiegeometrie op basis van gemiddelde IoU, tegenover 79,1% voor GPT-6 Astra en 76,9% voor Gemini 4. Op de BIM-benchmark, 1.000 plattegronden bij ongeveer 70 tekenstappen elk, bereikt het 43,6% tegenover 42,3% voor Gemini 3.8 Flash en 40,6% voor GPT-6 Astra. Zes tienden van een punt en 1,3 punt zijn de architecturale voorsprongen. Minder dan de helft van een plattegrond is het absolute getal.

Samen gelezen, en uitsluitend gelezen om de relatieve grootte binnen de eigen rapportage van elke leverancier te bepalen, is de planner in elk van beide documenten de grotere hefboom. Het wijzigen van de ondertitelschrijver van PAN 2 verschuift het verder dan SKY-001's volledige architectonische voorsprong op zijn naaste concurrent. De benchmarks zijn verschillend en de scores zijn niet vergelijkbaar; het punt is waar de eigen variantie van elk team zit.

De benchmarks delen geen harness, geen judge en geen baselinebeleid.

PAN 2 wordt op vier manieren gerapporteerd, en drie daarvan omvatten het oordeel van iemand anders. Physics-IQ Verified is een publieke benchmark met een leaderboardinstelling, en de vermelding van PAN 2 gebruikt Claude Opus 5.5 als redeneermodel, terwijl de kolom met systeemstandaard elke eigen pipeline van een deelnemer laat draaien zoals IFM die aanstuurde. PhyGround is een vijfpuntsschaal beoordeeld door Qwen3.8-27B, dat wil zeggen de mening van een ander model in plaats van een fysieke meting; PAN 2 scoort 3,98 en 4,11 op de twee configuraties die het rapport rapporteert. RBench is een ongewogen gemiddelde over vijf taak- en vier embodiment-categorieën, vermenigvuldigd met 100, waarbij PAN 2 83,7 en 73,5 scoort. De baselines van gesloten modellen hebben een dolkmarkering omdat ze elk één keer zijn gegenereerd in plaats van over seeds. Er is ook een blinde menselijke studie: 140 prompts, 13 beoordelaars, 1.400 paarsgewijze vergelijkingen, gefit op een Bradley–Terry-model met Elo gecentreerd op 1500 en 95%-betrouwbaarheidsintervallen. En er is IFM's eigen harness: 300 testcases met één actie, verdeeld in 201 image-to-video en 99 text-to-video over zes vaardigheden, plus 100 egocentrische taken met meerdere stappen, opgesteld als 200 prompts en 456 stappen, gerapporteerd als gemiddelde ± standaarddeviatie over drie seeds.

SKY-001 wordt op twee manieren gerapporteerd, beide van Skyfall, beide gescoord met IoU ten opzichte van een referentievorm, en beide met de concurrerende modellen aangestuurd door Skyfall met one-shot prompting. Er staan nergens foutbalken bij, en geen enkele derde partij heeft een cijfer gereproduceerd. Als je de tabellen zorgvuldig leest, kom je drie dingen tegen die je moet weten voordat je ze citeert.

Ten eerste spreken de eigen pagina's van de leverancier elkaar tegen. Het 3D CAD-paneel op de productpagina toont SKY-001 op 76,1% tegenover GPT-6 Astra op 73,4%, met Claude Opus 5.5 op 61,8%, Gemini 3.8 Flash op 45,9%, Qwen 3.8 Max op 26,6% en Kimi K3 op 6,5%. De constructiebenchmark meldt 79,7% tegenover 79,1%. Verschillende taken, verschillende scores, dezelfde modelnamen op beide — en Claude Opus 5.5, het redeneermodel dat de Physics-IQ-score van PAN 2 opkrikt, verschijnt slechts in één ervan.

Ten tweede wordt de snelheidsfactor op drie verschillende manieren vermeld in drie documenten die op dezelfde dag zijn gepubliceerd: 51× in de grafiek van de blog, 49× op de productpagina en 100× in het persbericht. De rekensom beslecht het: 199 seconden gedeeld door 3,9 is 51,0. Maar het zegt wel dat de cijfers in de koppen door verschillende mensen zijn geschreven die hun werk niet met elkaar hebben vergeleken.

Ten derde wordt de kostenkolom niet toegelicht. Skyfall rapporteert $0,005 per CAD-case en $0,0024 per plan, en zegt niet of dat een listprijs is, gehuurde GPU-tijd of geamortiseerde inferentie op eigen servers. Dat zijn drie verschillende beweringen, en het verschil is het belangrijkst voor de modellen die Skyfall zelf heeft gedraaid in plaats van aangeroepen.

Niets daarvan maakt het efficiëntieverhaal van SKY-001 onjuist. Een 51-voudig snelheidsvoordeel en een 150-voudig kostenvoordeel ten opzichte van de beste concurrent, bij een nauwkeurigheid die gelijkwaardig is, is een echte claim over een echte workload. Het maakt het ongeverifieerd, wat iets anders is.

Wat het kost om te runnen, en hoeveel daarvan kenbaar is

De rekenkracht van PAN 2 is gepubliceerd als een recept dat je zelf kunt prijzen. De standaardimplementatie bestaat uit acht H200's in BF16, met classifier-free guidance verdeeld over twee ranks en Ulysses-sequentieparallellisme over twee, en de VAE-decodering gepatcht over vier tiles. Het servingrecept meldt dertien seconden 704×1248-video in ongeveer 119 seconden op vier B300's. Er is geen lijstprijs per seconde, omdat IFM geen gehost endpoint draait; het getal dat ertoe doet, is wat je provider rekent voor de GPU's, vermenigvuldigd met de seconden per clip die je daadwerkelijk genereert.

De rekenkracht van SKY-001 is in geen enkele vorm gepubliceerd die je kunt prijzen. Er is geen parameteraantal, geen hardwarebeschrijving, geen doorvoercijfer en geen endpoint. Wat wel bestaat, is een leverancierskost per case waarvan de samenstelling niet bekendgemaakt is, en een formulier voor een wachtlijst.

Die asymmetrie bepaalt meer van deze vergelijking dan de verschillen in benchmarks. Een van deze modellen kan vanmiddag op je eigen data en je eigen hardware worden gebenchmarkt, tegen een kosten die je kunt voorspellen. Over het andere kun je alleen lezen.

Het enige onderdeel van beide stacks dat je vandaag kunt huren

Noch PAN 2 noch SKY-001 staat op OrcaRouter, en geen van beide kan er via worden gerouteerd: PAN 2 is een checkpoint van 86 GB dat je zelf uitrolt, en SKY-001 heeft geen API om aan te roepen. Het deel van de pijplijn van PAN 2 dat een normaal gehost model is, is het eerste onderdeel — de conceptuele redeneerder die je verzoek omzet in een caption van de wereldtoestand. IFM evalueerde er vier in volgorde van volledige planvoltooiing: Claude Opus 5.5, GPT-6 Astra bij medium inspanning, Kimi K3 en Qwen3.8-Flash, en merkt op dat elk instructievolgend model kan worden gebruikt. Qwen3.8-Flash staat in de OrcaRouter-catalogus, wat betekent dat de captionfase van een PAN 2-uitrol op één sleutel kan draaien met lijstprijzen van providers die met 0% markup worden doorgegeven, en met automatische failover als een provider halverwege een batch plannen verslechtert. Dat is het waard om vóór de diffusiefase te configureren, niet erna: de planner is waar de gemeten variantie zit, dus dat is de fase waarin een goedkoper model en een tweede provider de moeite waard zijn om tegen elkaar te testen op je eigen prompts.

Welk probleem houd je eigenlijk vast?

Als wat je nodig hebt een voorspelling is van wat een actie met een scène doet, in pixels, over de komende paar seconden — voor een agent die zich uitkomsten wil voorstellen voordat hij kiest, of voor een videopijplijn waarin de fysica moet kloppen — dan is PAN 2 van deze twee degene die daarvoor is gebouwd, en je kunt hem nu krijgen. Begroot de captionfase en de guardrail: IFM levert een aparte guardrail-repository die het verzoek vóór generatie controleert met Qwen3Guard-Gen-4B en de output erna met een Q16-frameklassifier, en in zijn interne evaluatie verlaagde die combinatie het aandeel schadelijke text-to-video-verzoeken dat onveilige video oplevert van 33,9% naar 1,5%, terwijl ook 11,5% van onschadelijke text-to-video-verzoeken en 3,3% van onschadelijke image-to-video-verzoeken werden tegengehouden. Een veiligheidslaag die je een op de negen onschadelijke verzoeken kost, is een echte productiekost, geen voetnoot.

Als het ding dat je nodig hebt een ontwerpintentie is die is omgezet in CAD- of BIM-geometrie, is SKY-001 van de twee de enige die daarop is gericht, en je kunt er niet aan komen. Het eerlijke alternatief vandaag is een frontier-taalmodel dat aan je CAD-toolchain is gekoppeld — precies de opzet die de eigen tabellen van SKY-001 meten, met 9,5% tot 42,3% IoU, afhankelijk van het model en de taak. Daarom doet de wachtlijst echt werk in plaats van marketingwerk: het alternatief is geen concurrent, het is een slechter cijfer.

Als je een physics-engine nodig hebt: geen van beide. De simulaties van PAN 2 zijn voorspellingen, dat staat met zoveel woorden op de modelkaart, en de eigen lijst met beperkingen noemt simulaties die voortgang boeken terwijl ze natuurkundige beperkingen schenden — pasta die in het vergiet verschijnt voordat die is afgegoten. SKY-001 tekent ontwerpen en doet nergens een uitspraak over dynamica. Een van beide een wereldmodel noemen is accuraat in de betekenis die de twee teams aan de term geven, en misleidend in de betekenis die een game-engine eraan geeft.

Het punt om in de gaten te houden is niet de volgende benchmark. Het is of iemand buiten deze twee bedrijven een cijfer reproduceert: of Skyfall het IoU-protocol publiceert en de kostenberekening achter zijn cijfers per geval, en of de prestatiekloof tussen de standaardpipeline van PAN 2 en zijn beste redeneerder standhoudt bij prompts die niemand handmatig heeft verfijnd. Beide zijn vragen over dezelfde fase — degene die bepaalt wat er moet gebeuren, voordat er iets wordt getekend.