PAN 2 vs SKY-001: Jeden symuluje, co wydarzy się dalej, drugi kreśli, co zbudować

Kimi K3 pojawia się w obu dokumentach premierowych, w ciągu tych samych dwóch tygodni, wykonując przeciwstawne zadania. W raporcie technicznym PAN 2 jest konceptualnym rozumującym — modelem językowym, który czyta żądanie i pisze ustrukturyzowany, osadzony w czasie opis, który transformator dyfuzyjny o 29 miliardach parametrów zamienia w wideo. W tabelach SKY-001 Skyfall jest konkurencyjnym modelem bazowym, proszonym o samodzielne narysowanie złożenia CAD, gdzie odtwarza 9,5% geometrii referencyjnej według intersection-over-union. Jedna premiera wykorzystuje wiodący model językowy do napisania planu. Druga mierzy porażkę wiodących modeli językowych w rysowaniu. Ten podział jest lepszym przewodnikiem po tych dwóch modelach niż etykieta, którą dzielą. PAN 2 to model świata Institute of Foundation Models w MBZUAI, wagi Apache-2.0 na Hugging Face od 7 października 2026, kod od 5 listopada i oficjalne ogłoszenie 10 listopada, i przewiduje do dwudziestu sekund wideo 704×1248 z opcjonalnej pierwszej klatki plus akcję opisaną w tekście. SKY-001 to model inżynieryjny Skyfall AI, ogłoszony 19 października 2026, wciąż za listą oczekujących z komercyjnym wdrożeniem planowanym na wczesny 2027, i przewiduje uporządkowaną sekwencję operacji rysunkowych, która tworzy część CAD lub plan piętra.

Żadna z tych dat nie jest dzisiejsza i nic poniżej nie jest przedstawione jako premiera. Poniżej opisano, co każdy model faktycznie oblicza, w czym każdy z nich jest słaby według własnych liczb oraz którego z tych dwóch potrzebuje twój problem.

Przewiduje się dwie różne rzeczy

Łańcuch PAN 2 zawiera model językowy. Rozumujący konceptualnie — dowolny model podążający za instrukcjami — czyta obserwację i żądane działania, po czym zapisuje następny stan świata jako ustrukturyzowany opis: zdarzenia w kolejności, działania przypisane aktorom, ruch kamery. Zamrożony enkoder tekstowy Qwen3.5-9B odwzorowuje ten opis na cechy warunkowania. 29B multimodalny transformator dyfuzyjny, wytrenowany od zera na wideo anotowanym w tym samym formacie, przewiduje latenty, które opis pozostawia otwarte, warunkując się nim oraz latentem VAE klatki początkowej, a dekoder Wan 2.2 renderuje je. Domyślny sampler to 50 kroków przy flow shift 9 z classifier-free guidance 2,5 na każdym kroku, a checkpoint ma 86,17 GB i obejmuje sześćdziesiąt plików.

Łańcuch SKY-001 ma zamiast tego wbudowaną hierarchię. Hierarchical Composer przyjmuje intencję projektową — obraz, tekst lub obudowę budynku wraz z briefem — generuje cały projekt, a następnie dzieli go poziom po poziomie i równolegle udoskonala każdy liść. Construction World Model przewiduje następnie uporządkowaną sekwencję stanów wizualnych, które budują każdy liść: w CAD łańcuch stanów brył 3D z rysunkiem 2D szkicu tworzonym między każdą kolejną parą; w BIM plan piętra rysowany pociągnięcie po pociągnięciu. Rysowanie przebiega jako dyfuzja w dwóch przebiegach: najpierw zgrubne rozwinięcie w skompresowanej przestrzeni ukrytej z autoenkodera w stylu Matryoshka, a potem refiner przywracający pełną rozdzielczość. Oba etapy to transformatory dyfuzyjne; żaden nie przewiduje tokenów. Skyfall nie opublikował liczby parametrów, wag, licencji ani API.

• Co jest przewidywane — PAN 2 przewiduje następną obserwację jako piksele, na podstawie akcji; SKY-001 przewiduje następny stan konstrukcji jako bryłę lub obrys, na podstawie intencji.

• Jak czas jest wprowadzany — PAN 2 działa w oparciu o zegar fizyczny, domyślnie 241 klatek (około dziesięciu sekund), a przy 24 fps maksymalnie 481 (dwadzieścia sekund); SKY-001 działa według porządku proceduralnego obejmującego około 100 kroków rysowania na komponent CAD i 70 na plan kondygnacji, bez żadnego fizycznego zegara.

• Czy fizyka jest deklarowana — PAN 2 jest oceniany bezpośrednio pod kątem wiarygodności fizycznej; materiały SKY-001 w ogóle nie zawierają twierdzeń o dynamice, ponieważ to, co przedstawiają, jest projektem, a nie ruchem.

• Co otrzymujesz na wyjściu — plik MP4, który możesz obejrzeć, w przeciwieństwie do geometrii, którą oceniasz za pomocą IoU względem kształtu referencyjnego.

• Wagi — plik do pobrania na licencji Apache-2.0 dla PAN 2; dla SKY-001 nie opublikowano nic.

• Cena — czas GPU, który możesz dopasować do PAN 2; lista oczekujących na SKY-001.

Oba są dwustopniowe, a wąskie gardło znajduje się w różnych miejscach.

Wspólne założenie inżynierskie polega na podziale zadania. Jeden etap odpowiada za strukturę — uporządkowany opis tego, co powinno się wydarzyć — a drugi uzupełnia szczegóły, które ten opis pozostawia otwarte. PAN 2 robi to za pomocą podpisu i szkieletu dyfuzyjnego. SKY-001 robi to za pomocą hierarchii podcelów i modelu konstrukcyjnego dla każdego liścia. Zestaw oba te starty obok siebie, a interesujące pytanie przestaje dotyczyć tego, która architektura jest lepsza, a zaczyna dotyczyć tego, który etap faktycznie kosztuje cię najwięcej.

W przypadku PAN 2 to planista, a raport mówi o tym dwukrotnie. W benchmarku Physics-IQ Verified, image-to-video znormalizowanym tak, że rozrzut między dwoma rzeczywistymi ujęciami tej samej sceny daje wynik 100, PAN 2 osiąga 93,2 ± 0,8, gdy podpisy pisze Claude Opus 5.5, oraz 90,9 ± 0,4 w swoim domyślnym ustawieniu systemowym, dla seedów od 123 do 126. Zmiana modelu językowego piszącego podpis przesuwa wynik o 2,3 punktu w skali stupunktowej, gdzie doskonały wynik oznacza nieodróżnialność od prawdziwego materiału filmowego. Ten sam wzorzec widać w ograniczeniach karty modelu: około dwa z trzech symulowanych planów zawierają co najmniej jeden krok, który nie jest realizowany, studia przypadków agenta opierały się na ręcznie dopracowanych promptach, zręczne działania, takie jak miejsce, w którym każdy palec styka się z obiektem, są określane w tekście tylko zgrubnie, a podpisy są walidowane względem miękkiego limitu 1 480 i twardej pojemności 1 536 tokenów. Problemem zgłoszonym w raporcie nie jest renderer. Jest nim zdanie opisujące scenę.

Dla SKY-001 moduł planowania nie jest mierzony jako osobny etap, więc zgłaszanym wąskim gardłem jest moduł renderujący. W benchmarku Skyfall dotyczącym konstrukcji CAD — 1000 komponentów pobranych z obiektów takich jak Jaguar E-Type Roadster, ramię spawalnicze FANUC ArcMate 100iB i śmigłowiec Bell 222, z których każdy wymaga około 100 kroków rysowania — SKY-001 odtwarza 79,7% geometrii referencyjnej według średniego IoU, wobec 79,1% dla GPT-6 Astra i 76,9% dla Gemini 4. W benchmarku BIM, obejmującym 1000 planów pięter po około 70 kroków rysowania każdy, osiąga 43,6% wobec 42,3% dla Gemini 3.8 Flash i 40,6% dla GPT-6 Astra. Sześć dziesiątych punktu i 1,3 punktu to przewagi architektoniczne. Mniej niż połowa planu piętra to liczba bezwzględna.

Czytane łącznie i odczytywane wyłącznie pod kątem względnej wielkości w ramach własnych raportów każdego dostawcy, planner jest większą dźwignią w obu dokumentach. Zmiana modułu odpowiedzialnego za podpisy w PAN 2 przesuwa go dalej niż cała przewaga architektoniczna SKY-001 nad jego najbliższym rywalem. Benchmarki są różne, a wyniki nie są porównywalne; chodzi o to, gdzie leży własna wariancja każdego zespołu.

Benchmarki nie mają wspólnego środowiska testowego, sędziego ani polityki bazowej.

PAN 2 jest raportowany na cztery sposoby, a trzy z nich opierają się na osądzie kogoś innego. Physics-IQ Verified to publiczny benchmark z trybem tabeli liderów, a wpis PAN 2 wykorzystuje Claude Opus 5.5 jako model rozumujący, podczas gdy kolumna domyślna systemu uruchamia własny potok każdego konkurenta w sposób, w jaki obsługiwał go IFM. PhyGround to pięciopunktowa skala oceniana przez Qwen3.8-27B, czyli opinia innego modelu, a nie fizyczny pomiar; PAN 2 uzyskuje wyniki 3,98 i 4,11 w dwóch konfiguracjach uwzględnionych w raporcie. RBench to nieważona średnia z pięciu kategorii zadań i czterech kategorii ucieleśnienia pomnożona przez 100, przy czym PAN 2 uzyskuje wyniki 83,7 i 73,5. Wartości odniesienia dla modeli zamkniętych są oznaczone sztyletem, ponieważ wygenerowano je po jednym razie dla każdego modelu, a nie w ramach wielu losowań. Jest też zaślepione badanie z udziałem ludzi: 140 promptów, 13 recenzentów, 1400 porównań parami, dopasowane do modelu Bradleya–Terry'ego ze skalą Elo wyśrodkowaną na 1500 i 95% przedziałami ufności. Jest również własny zestaw testowy IFM — 300 przypadków testowych pojedynczych akcji, podzielonych na 201 przypadków image-to-video i 99 text-to-video w sześciu zdolnościach, oraz 100 wieloetapowych zadań egocentrycznych sformułowanych jako 200 promptów i 456 kroków, raportowanych jako średnia ± odchylenie standardowe z trzech losowań.

SKY-001 jest raportowany na dwa sposoby, oba pochodzą od Skyfall, oba oceniane za pomocą IoU względem kształtu referencyjnego, oba z modelami konkurencyjnymi napędzanymi przez Skyfall przy użyciu promptowania one-shot. Nigdzie nie ma słupków błędu, a żadna strona trzecia nie odtworzyła żadnej liczby. Uważne czytanie tabel ujawnia trzy rzeczy warte poznania, zanim je zacytujesz.

Po pierwsze, własne strony dostawcy przeczą sobie nawzajem. Panel 3D CAD na stronie produktu pokazuje SKY-001 z wynikiem 76,1% wobec GPT-6 Astra 73,4%, przy czym Claude Opus 5.5 ma 61,8%, Gemini 3.8 Flash 45,9%, Qwen 3.8 Max 26,6%, a Kimi K3 6,5%. Benchmark konstrukcyjny podaje 79,7% wobec 79,1%. Inne zadania, inne wyniki, te same nazwy modeli w obu — a Claude Opus 5.5, który jest modelem rozumującym podnoszącym wynik Physics-IQ modelu PAN 2, pojawia się tylko w jednym z nich.

Po drugie, mnożnik prędkości jest podany na trzy sposoby w trzech dokumentach opublikowanych tego samego dnia: 51× na wykresie w blogu, 49× na stronie produktu, 100× w komunikacie prasowym. Arytmetyka rozstrzyga sprawę — 199 sekund podzielone przez 3,9 daje 51,0 — ale to pokazuje, że liczby w nagłówkach zostały napisane przez różne osoby, które nie porównały swoich wersji.

Po trzecie, kolumna kosztów nie została wyjaśniona. Skyfall podaje 0,005 USD za przypadek CAD i 0,0024 USD za plan i nie mówi, czy jest to cena katalogowa, czas wynajmu GPU czy zamortyzowany koszt wnioskowania na własnej infrastrukturze. To trzy różne twierdzenia, a różnica ma największe znaczenie w przypadku modeli, które Skyfall uruchamiał sam, a nie wywoływał.

Nic z tego nie sprawia, że historia efektywności SKY-001 jest błędna. 51-krotna przewaga szybkości i 150-krotna przewaga kosztowa nad najlepszym rywalem, przy dorównującej dokładności, to realne twierdzenie o realnym obciążeniu. To czyni ją niezweryfikowaną, co jest czymś innym.

Ile kosztuje eksploatacja i jak duża część tego jest poznawalna

Moc obliczeniowa PAN 2 jest opublikowana jako przepis, który możesz wycenić samodzielnie. Domyślne wdrożenie to osiem H200 w BF16, z classifier-free guidance rozdzielonym na dwa rangi i równoległością sekwencji Ulysses na dwóch, a dekodowanie VAE podzielone na cztery kafle. Przepis serwowania podaje, że trzynaście sekund wideo 704×1248 powstaje w około 119 sekund na czterech B300. Nie ma ceny cennikowej za sekundę, ponieważ IFM nie prowadzi hostowanego endpointu; liczba, która Cię interesuje, to stawka, jaką Twój dostawca pobiera za GPU, pomnożona przez liczbę sekund na klip, które faktycznie generujesz.

Moc obliczeniowa SKY-001 nie jest publikowana w żadnej formie, którą można wycenić. Nie ma liczby parametrów, opisu sprzętu, wskaźnika przepustowości ani punktu końcowego. Istnieje jedynie koszt dostawcy za przypadek, którego skład nie jest ujawniony, oraz formularz listy oczekujących.

Ta asymetria rozstrzyga o tym porównaniu w większym stopniu niż różnice w wynikach benchmarków. Jeden z tych modeli można jeszcze dziś po południu poddać benchmarkowi na własnych danych, na własnym sprzęcie, przy koszcie, który da się przewidzieć. O drugim można jedynie poczytać.

Jedyna część któregoś ze stosów, którą możesz dziś wynająć

Ani PAN 2, ani SKY-001 nie znajduje się w OrcaRouter i żadnego z nich nie można przez niego kierować: PAN 2 to 86 GB checkpoint, który wdrażasz samodzielnie, a SKY-001 nie ma API, które można by wywołać. Częścią potoku PAN 2, która jest zwykłym hostowanym modelem, jest pierwszy z nich — koncepcyjny moduł rozumowania, który zamienia Twoje żądanie w opis stanu świata. IFM ocenił cztery z nich według kolejności ukończenia pełnego planu: Claude Opus 5.5, GPT-6 Astra przy średnim poziomie wysiłku, Kimi K3 i Qwen3.8-Flash, i zauważa, że można użyć dowolnego modelu realizującego instrukcje. Qwen3.8-Flash znajduje się w katalogu OrcaRouter, co oznacza, że etap opisu w ramach wdrożenia PAN 2 może działać na jednym kluczu z cennikiem listowym dostawcy przekazywanym z 0% marży, a także z automatycznym przełączaniem awaryjnym, jeśli dostawca ulegnie degradacji w trakcie przetwarzania partii planów. Warto to skonfigurować przed etapem dyfuzji, a nie po nim: to w planerze występuje zmierzona wariancja, więc to etap, na którym warto skonfrontować ze sobą tańszy model i drugiego dostawcę na własnych promptach.

Który problem tak naprawdę trzymasz?

Jeśli potrzebujesz przewidzenia, co dana akcja zrobi ze sceną, w pikselach, w ciągu najbliższych kilku sekund — dla agenta, który chce wyobrazić sobie wyniki przed dokonaniem wyboru, albo dla potoku wideo, w którym fizyka musi się zgadzać — PAN 2 jest tym z tych dwóch, który został do tego zbudowany, i możesz mieć go już teraz. Uwzględnij w budżecie etap opisu i guardrail: IFM dostarcza osobne repozytorium guardrail, które przed generowaniem sprawdza żądanie za pomocą Qwen3Guard-Gen-4B, a po generowaniu weryfikuje wynik klasyfikatorem klatek Q16, i w jego wewnętrznej ewaluacji takie połączenie zmniejszyło udział szkodliwych żądań text-to-video skutkujących niebezpiecznym wideo z 33,9% do 1,5%, jednocześnie zatrzymując 11,5% nieszkodliwych żądań text-to-video i 3,3% nieszkodliwych żądań image-to-video. Warstwa bezpieczeństwa, która kosztuje cię jedno nieszkodliwe żądanie na dziewięć, to realny koszt produkcyjny, a nie przypis.

Jeśli potrzebujesz przełożenia intencji projektowej na geometrię CAD lub BIM, SKY-001 jest jedynym z dwóch, który jest do tego przeznaczony, a nie możesz go mieć. Uczciwym zamiennikiem jest dziś model językowy z czołówki podłączony do twojego łańcucha narzędzi CAD — czyli dokładnie ten układ, który mierzą własne tabele SKY-001, przy IoU od 9,5% do 42,3% w zależności od modelu i zadania. Dlatego lista oczekujących wykonuje prawdziwą pracę, a nie marketingową: alternatywą nie jest konkurent, lecz gorsza liczba.

Jeśli potrzebujesz silnika fizyki, to żaden z nich. Symulacje PAN 2 są predykcjami — jego karta mówi to wprost, a jego własna lista ograniczeń obejmuje symulacje, które postępują, naruszając ograniczenia fizyczne — makaron pojawiający się w durszlaku, zanim zostanie odcedzony. SKY-001 rysuje projekty i nigdzie nie twierdzi, że modeluje dynamikę. Nazwanie któregokolwiek z nich modelem świata jest trafne w znaczeniu, w jakim używają tego terminu oba zespoły, i mylące w znaczeniu, w jakim używa go silnik gry.

Na co trzeba uważać, to nie kolejny benchmark. Lecz to, czy ktokolwiek spoza tych dwóch firm odtworzy jakąś liczbę: czy Skyfall publikuje protokół IoU i rozliczenie kosztów stojące za jego liczbami dla poszczególnych przypadków oraz czy różnica wydajności między domyślnym pipeline’em PAN 2 a jego najlepszym reasonerem przetrwa zetknięcie z promptami, których nikt ręcznie nie dopracował. Oba pytania dotyczą tego samego etapu — tego, który decyduje, co powinno się wydarzyć, zanim cokolwiek zostanie narysowane.