PAN 2 kontra Qwen3.8-27B: Przeciwnik jest już wewnątrz modelu

Większość porównań modeli ma wyraźną granicę: dwa checkpointy, dwóch dostawców, wybierz jeden. To porównanie takiej granicy nie ma, ponieważ Qwen przewija się przez infrastrukturę PAN 2 w trzech miejscach jednocześnie. PAN 2 ładuje Qwen3.5-9B jako swój zamrożony enkoder tekstowy, komponent, który zamienia ustrukturyzowany opis stanu świata na cechy warunkujące, które konsumuje jego 29-miliardowy transformer dyfuzyjny. Oceny PhyGround w raporcie technicznym samego PAN 2 są wystawiane przez Qwen3.8-27B, model, z którym ta strona nominalnie go porównuje. A Qwen3.8-Flash jest jednym z czterech koncepcyjnych modeli rozumujących, których raport używa w benchmarkach do pisania opisów dla PAN 2. Uczciwe ujęcie nie brzmi więc: PAN 2 kontra Qwen3.8-27B. To model świata wideo z Instytutu Modeli Fundacyjnych MBZUAI, który ukazał się po cichu i nigdy nie miał premiery, oparty na komponentach Qwen, oceniany częściowo przez sędziego Qwen, porównywany z 27-miliardowym modelem wizyjno-językowym od Alibaba, który jest samodzielnym, kompletnym produktem. Ciekawe pytanie brzmi, na których z tych relacji powinno ci zależeć, gdy wybierasz, co wdrożyć.

Co wspólne DNA oznacza, a czego nie oznacza

To nie oznacza, że te dwa modele są porównywalne. PAN 2 generuje wideo; Qwen3.8-27B generuje tekst. Nic we wspólnym enkoderze tego nie zmienia i nie istnieje żaden benchmark, który porównuje je bezpośrednio. Każdy, kto przedstawia wynik bezpośredniego porównania, przedstawia wrażenie.

Oznacza to, że porównanie jest wyjątkowo pouczające w kwestii pochodzenia. Gdy PAN 2 odczytuje Twój opis, robi to za pośrednictwem enkodera Qwen, który MBZUAI pobrało w niezmienionej postaci z własnego repozytorium, a karta modelu wyraźnie stwierdza, że wagi Qwen3.5-9B są używane w takiej postaci, w jakiej zostały udostępnione, i nie zostały dostrojone przez MBZUAI. Budżet tokenów wymuszany przez walidator promptów — miękki limit 1480 tokenów, twardy 1536 — należy do Qwen3.5-9B, a nie do PAN 2. A kiedy raport podaje liczbę PhyGround, liczba ta powstała w wyniku poproszenia Qwen3.8-27B o ocenę wygenerowanego wideo w pięciostopniowej skali. Sędzią jest rywal.

To nie jest skandal. Używanie silnego otwartego modelu jako automatycznego oceniającego to standardowa praktyka, a ujawnienie tego jest lepsze niż udaje się to większości laboratoriów. Oznacza to jednak, że łańcuch dowodowy dla PAN 2 przechodzi przez rodzinę modeli Alibaba w trzech osobnych punktach, a jeśli oceniasz PAN 2, powinieneś wiedzieć, które z jego liczb są pomiarami PAN 2, a które są pomiarami PAN 2 widzianego przez Qwen.

Qwen3.8-27B, na własnych warunkach

Model Alibaby to zupełnie inny rodzaj obiektu: przyczynowy model językowy z 27 miliardami parametrów i enkoderem wizyjnym, zbudowany na architekturze Qwen3.5 o hybrydowym układzie — szesnaście powtórzeń trzech bloków Gated DeltaNet, po których następuje jeden blok Gated Attention, łącznie 64 warstwy, wymiar ukryty 5120 oraz dopełniane słownictwo 248 320 tokenów. Natywny kontekst wynosi 262 144 tokeny i można go rozszerzyć do miliona. Model jest objęty licencją Apache-2.0, opublikowano go na Hugging Face 5 sierpnia 2026 r., a miesięczna liczba pobrań wynosi 7,4 miliona.

Liczby podane przez producenta są mocne, a karta należy do bardziej kompletnych w obszarze modeli z otwartymi wagami: GPQA Diamond 89,2, HLE 30,8, LiveCodeBench v6 90,3, SWE-bench Pro 61,7, Terminal-Bench 2.1 na poziomie 73,0, OSWorld-Verified 84,3, OmniDocBench 1.5 na poziomie 91,1, CharXiv reasoning 83,7, IFBench 79,5, CoWorkBench 70,7. W MathVision podaje 90,0 bez łańcucha myśli i 94,6 z nim. To własne ewaluacje Alibaby względem własnych baseline’ów Alibaby, czyli to samo zastrzeżenie, które dotyczy każdej tabeli producenta na tej stronie, w tym tabeli PAN 2.

• Modalność — Qwen3.8-27B: tekst, obraz i wideo na wejściu; tekst na wyjściu. PAN 2: opcjonalna pierwsza klatka oraz ustrukturyzowany opis na wejściu; MP4 na wyjściu.

• Rozmiar — Qwen3.8-27B: 27B gęsty, 64 warstwy, około 27,8 miliarda parametrów safetensors. PAN 2: 29-miliardowy transformer dyfuzyjny o rozmiarze 67,37 GB w BF16, plus zamrożony enkoder Qwen3.5-9B o rozmiarze 15,87 GB i VAE Wan 2.2.

• Kontekst — Qwen3.8-27B: natywnie 262 144 tokeny, maksymalnie do miliona. PAN 2: pojedynczy opis ograniczony do 1 536 tokenów enkodera tekstu i jedna klatka początkowa.

• Licencja — Qwen3.8-27B: Apache-2.0. PAN 2: Apache-2.0 dla własnych wag, przy czym komponenty firm trzecich podlegają własnym warunkom.

• Serwowanie — Qwen3.8-27B: Transformers, vLLM, SGLang, TokenSpeed oraz hostowany endpoint Qwen Cloud, który Alibaba podaje jako wkrótce dostępny. PAN 2: Diffusers, vLLM-Omni i własny generate.py repozytorium, na Twoim sprzęcie, i nic hostowanego nigdzie.

Dlaczego wybór enkodera to najważniejszy wiersz na karcie PAN 2

Zamrożenie 9B enkodera tekstowego i trenowanie wyłącznie szkieletu dyfuzyjnego to uzasadniona decyzja inżynierska i właśnie dlatego dyfuzyjna połowa PAN 2 ma 29B, a nie 40. Nakłada to również twardy limit na to, co można przekazać PAN 2. Koncepcyjny moduł rozumowania pisze opis; Qwen3.5-9B odwzorowuje go na cechy; model dyfuzyjny renderuje na podstawie tych cech. Czegokolwiek Qwen3.5-9B nie potrafi reprezentować, PAN 2 nie potrafi symulować, niezależnie od tego, jak dobry jest opis.

To wyjaśnia ograniczenie, które karta podaje wprost, a większość czytelników je pomija: model jest wrażliwy na sformułowanie promptu, przykłady spoza rozkładu treningowego opierały się na ręcznie dopracowanych promptach, a akcje tekstowe określają manipulację wymagającą zręczności tylko zgrubnie. To nie są trzy osobne problemy. To ten sam problem widziany na trzy sposoby — interfejs między opisem słownym a stałym enkoderem tekstu, z budżetem 1,536 tokenów i zamrożonym słownikiem po jednej stronie.

Porównaj to z tym, jak Qwen3.8-27B radzi sobie z tym samym zadaniem. Jest on jednocześnie modelem rozumującym i enkoderem w jednym obiekcie, z oknem 262 144 tokenów, natywną kontrolą myślenia, którą można wyłączyć dla każdego żądania, parametrem reasoning_effort oraz preserve_thinking do zachowywania kontekstu rozumowania między turami. Jeśli Twoim zadaniem jest opisanie sceny i planu wystarczająco szczegółowo, aby coś dalej w procesie mogło na ich podstawie działać, Qwen3.8-27B jest do tego stworzony, a PAN 2 jest stworzony do konsumowania wyniku. Nie konkurują o to samo miejsce; jeden jest przed drugim w łańcuchu.

Asymetria wdrożeniowa, której nikt nie umieszcza w tabeli porównawczej

Qwen3.8-27B to duży model, który działa jak zwykły duży model. Dwadzieścia siedem miliardów parametrów w BF16 to około 55 GB wag, które mieszczą się na jednym akceleratorze 80 GB, zostawiając miejsce na pamięć podręczną KV, a karta wymienia cztery stosy obsługi oraz hostowany punkt końcowy zgodny z OpenAI w przygotowaniu. Możesz mieć go odpowiadającego na żądania już tego samego popołudnia, w którym zdecydujesz się go użyć.

PAN 2 ma 86,17 GB i składa się z sześćdziesięciu plików, a obliczenia na potrzeby serwowania liczone są w minutach węzła. Pięćdziesiąt kroków próbkowania z classifier-free guidance na każdym kroku to sto przejść w przód przez transformer 29B na klip. Wiodącym wynikiem recepty vLLM jest trzynaście sekund wideo 704×1248 w około 119 sekund na czterech GPU B300, przy czym guidance jest zrównoleglony na dwóch rangach, a równoległość sekwencji Ulyssesa na dwóch kolejnych; jego domyślna konfiguracja to osiem H200 w BF16 z równoległością patchy VAE na czterech rangach w trybie tile. Własny skrypt inferencji z repozytorium jest prostszy i bardziej zachłanny: jeden worker na GPU, każdy przechowujący pełną kopię transformera o rozmiarze 67,37 GB, każdy przyjmujący co N-ty prompt.

Zestaw je obok siebie, a praktyczny wniosek nie jest bliski. Wywołanie Qwen3.8-27B to zapytanie. Klip PAN 2 to zadanie wsadowe z przypisaną rezerwacją GPU. Jeśli masz raz wyprodukować dwudziestosekundowe wideo, PAN 2 to popołudnie konfiguracji i trzy minuty renderowania. Jeśli masz tysiąc planów do symulacji, kupujesz czas na węźle, a istotne porównanie dotyczy innych modeli świata wideo, nie modelu językowego.

Jedyne miejsce, w którym te dwa naprawdę się spotykają

Przewidziane zastosowanie PAN 2 to rozumowanie symulacyjne: agent wyobraża sobie wynik każdego z rozważanych działań, a następnie wybiera najlepsze z nich. Ta pętla wymaga planisty, który generuje kandydujące działania, oraz symulatora, który przedstawia ich konsekwencje. Qwen3.8-27B jest wiarygodnym planistą — silne podążanie za instrukcjami z wynikiem 79,5 w IFBench, długoterminowa praca biurowa z wynikiem 70,7 w CoWorkBench, agentowe kodowanie w terminalu z wynikiem 73,0 w Terminal-Bench 2.1 — i już znajduje się w tej pętli, ponieważ MBZUAI użyło go jako jednego z czterech autorów opisów do oceny PhyGround i Qwen3.8-Flash.

Jeśli zbudujesz tę pętlę, planer to część, którą można kupić za tokeny, a symulator to część, której nie można. Qwen3.8-27B jest dostępny w OrcaRouter, więc jeden klucz API daje Ci planer z automatycznym przełączaniem awaryjnym, regułami routingu określającymi, gdzie trafiają poszczególne żądania, a także cenę katalogową dostawcy z 0% narzutu przenoszonego na klienta — w tym własne obniżki cen Alibaby w dniu, w którym wchodzą w życie. OrcaRouter nie hostuje PAN 2 i nie może go routować; nikt nie hostuje PAN 2. Ten podział nie jest ograniczeniem routera, to kształt rynku: hostowane modele językowe są towarem, hostowane modele świata wideo jeszcze nie istnieją.

Jest drugi, cichszy powód, by trasować, a nie przypinać planner. Raport PAN 2 klasyfikuje cztery modele rozumujące według ukończenia pełnego planu, a ten ranking nie jest tym, którego większość ludzi by się domyśliła — Claude Opus 5.5 pierwszy, GPT-6 Astra przy średnim wysiłku drugi, Kimi K3 trzeci, Qwen3.8-Flash czwarty. Ta kolejność została zmierzona na promptach MBZUAI, z ich polityką podpisów i ich walidatorem. U Ciebie będzie inaczej. Możliwość ponownego uruchomienia porównania bez przepinania swojego stacku jest warta więcej niż jakikolwiek pojedynczy wybór modelu w nim.

Co zrobić z tym porównaniem?

Jeśli przyszedłeś tu, żeby wybrać jeden z nich, uczciwa odpowiedź brzmi: pytanie jest źle postawione. Qwen3.8-27B to ogólny model wizyjno-językowy, który możesz dziś uruchomić na jednym akceleratorze albo w przyszłym tygodniu wynająć na tokeny. PAN 2 to artefakt badawczy, który renderuje konsekwencje, wymaga węzła z wieloma GPU, nie ma hostowanego endpointu i na dzień 11 listopada 2026 r. nigdy nie został uruchomiony przez własnych autorów — cała zapowiedź to jeden post składający się z dwóch akapitów na koncie laboratorium na X. Jego repozytorium na Hugging Face pochodzi z 7 października, repozytorium na GitHubie z 5 listopada, a najpoważniejszym publicznym wydarzeniem, jakie go spotkało, jest scalenie wsparcia Day-0 w vLLM-Omni 10 listopada.

Porównanie, które warto przeprowadzić, jest węższe. Jeśli Twój potok potrzebuje planisty, Qwen3.8-27B jest mocnym, dobrze udokumentowanym wyborem na licencji Apache-2.0, a sama decyzja sprowadza się do routingu. Jeśli Twój potok musi zobaczyć, co dana akcja robi, zanim ją wykona, PAN 2 jest jednym z bardzo niewielu modeli o otwartych wagach, które tego próbują; będzie działać na komponentach Qwen, niezależnie od tego, czy to zauważysz, a uczciwe podsumowanie jego możliwości to zdanie z jego własnej sekcji ograniczeń: około dwa z trzech symulowanych planów zawierają co najmniej jeden krok, który nie zostaje wykonany. To liczba, wokół której trzeba planować, i jedyna liczba w całym tym porównaniu, której żaden enkoder, sędzia ani router nie poprawi za Ciebie.