PAN 2 vs Qwen3.8-27B: O oponente já está dentro do modelo

A maioria das comparações de modelos tem um limite claro: dois checkpoints, dois fornecedores, escolha um. Esta não tem, porque o Qwen percorre a estrutura do PAN 2 em três pontos ao mesmo tempo. O PAN 2 carrega o Qwen3.5-9B como seu codificador de texto congelado, o componente que transforma uma legenda estruturada de estado do mundo nas features de condicionamento que seu transformer de difusão de 29 bilhões de parâmetros consome. As pontuações PhyGround no próprio relatório técnico do PAN 2 são avaliadas pelo Qwen3.8-27B, o modelo com o qual esta página nominalmente o compara. E o Qwen3.8-Flash é um dos quatro raciocinadores conceituais que o relatório avalia para escrever as legendas do PAN 2, para começar. Portanto, o enquadramento honesto não é PAN 2 versus Qwen3.8-27B. É um modelo de mundo de vídeo do Institute of Foundation Models da MBZUAI, publicado discretamente e nunca lançado oficialmente, apoiado em componentes Qwen, sendo avaliado em parte por um juiz Qwen, comparado com um modelo de linguagem visual de 27 bilhões de parâmetros da Alibaba que é um produto completo por si só. A pergunta interessante é quais dessas relações você deve levar em conta ao escolher o que implantar.

O que o DNA compartilhado significa e não significa

Isso não significa que os dois modelos sejam comparáveis. O PAN 2 gera vídeo; o Qwen3.8-27B gera texto. Nada no encoder compartilhado muda isso, e não existe nenhum benchmark que os ranqueie um contra o outro. Qualquer pessoa que apresente uma pontuação de confronto direto está apresentando uma impressão.

O que isso significa é que a comparação é extraordinariamente informativa sobre a proveniência. Quando o PAN 2 lê sua legenda, ele a lê por meio de um codificador Qwen que a MBZUAI baixou sem modificações do próprio repositório, e a ficha do modelo declara explicitamente que os pesos do Qwen3.5-9B são usados conforme lançados e não foram ajustados finamente pela MBZUAI. O orçamento de tokens que o validador de prompt impõe — um limite flexível de 1.480 tokens, um limite rígido de 1.536 — é o orçamento do Qwen3.5-9B, não do PAN 2. E quando o relatório alega um número PhyGround, esse número foi produzido pedindo ao Qwen3.8-27B que pontuasse o vídeo gerado numa escala de cinco pontos. O juiz é o rival.

Isso não é um escândalo. Usar um modelo aberto forte como avaliador automático é prática padrão, e divulgar isso é melhor do que a maioria dos laboratórios consegue. Mas isso significa que a cadeia de evidências do PAN 2 passa pela família de modelos da Alibaba em três pontos separados, e, se você está avaliando o PAN 2, deveria saber quais dos seus números são medições do PAN 2 e quais são medições do PAN 2 como visto pelo Qwen.

Qwen3.8-27B, nos seus próprios termos

O modelo da Alibaba é um tipo de objeto completamente diferente: um modelo de linguagem causal de 27 bilhões de parâmetros com um codificador de visão, construído sobre a arquitetura Qwen3.5 com um layout híbrido — dezesseis repetições de três blocos Gated DeltaNet seguidas de um bloco Gated Attention, 64 camadas no total, uma dimensão oculta de 5.120 e um vocabulário preenchido de 248.320 tokens. O contexto nativo é de 262.144 tokens, extensível a um milhão. Tem licença Apache-2.0, foi publicado no Hugging Face em 5 de agosto de 2026 e tem 7,4 milhões de downloads mensais.

Os números do fornecedor são sólidos e a ficha é uma das mais completas do campo de pesos abertos: GPQA Diamond 89.2, HLE 30.8, LiveCodeBench v6 90.3, SWE-bench Pro 61.7, Terminal-Bench 2.1 em 73.0, OSWorld-Verified 84.3, OmniDocBench 1.5 em 91.1, raciocínio CharXiv 83.7, IFBench 79.5, CoWorkBench 70.7. No MathVision, reporta 90.0 sem cadeia de raciocínio e 94.6 com ela. Essas são avaliações da própria Alibaba contra as próprias baselines da Alibaba, a mesma ressalva que se aplica a toda tabela de fornecedor neste site, incluindo a do PAN 2.

• Modalidade — Qwen3.8-27B: entrada de texto, imagem e vídeo; saída de texto. PAN 2: entrada opcional de um primeiro quadro mais uma legenda estruturada; saída em MP4.

• Tamanho — Qwen3.8-27B: 27B denso, 64 camadas, aproximadamente 27,8 bilhões de parâmetros safetensors. PAN 2: um transformador de difusão de 29B com 67,37 GB em BF16, além de um codificador Qwen3.5-9B congelado com 15,87 GB e um VAE Wan 2.2.

• Contexto — Qwen3.8-27B: 262.144 tokens nativos, até um milhão. PAN 2: uma única legenda limitada a 1.536 tokens do codificador de texto, e um quadro inicial.

• Licença — Qwen3.8-27B: Apache-2.0. PAN 2: Apache-2.0 sobre os seus próprios pesos, com componentes de terceiros sob os seus próprios termos.

• Serviço — Qwen3.8-27B: Transformers, vLLM, SGLang, TokenSpeed e um endpoint hospedado do Qwen Cloud que a Alibaba indica como chegando em breve. PAN 2: Diffusers, vLLM-Omni e o generate.py do próprio repositório, no seu hardware, e nada hospedado em lugar nenhum.

Por que a escolha do encoder é a linha de maior impacto no cartão do PAN 2

Congelar um codificador de texto de 9B e treinar apenas o backbone de difusão é uma decisão de engenharia defensável, e é por isso que a metade de difusão do PAN 2 tem 29B em vez de 40. Isso também impõe um teto rígido ao que se pode informar ao PAN 2. O raciocinador conceitual escreve uma legenda; o Qwen3.5-9B a mapeia para features; o modelo de difusão renderiza a partir dessas features. Tudo o que o Qwen3.5-9B não consegue representar, o PAN 2 não consegue simular, por melhor que seja a legenda.

Isto explica uma limitação que a ficha declara claramente e que a maioria dos leitores ignora: o modelo é sensível à formulação do prompt, exemplos além da distribuição de treinamento dependiam de prompts refinados manualmente, e as ações de texto especificam a manipulação dextra apenas de forma grosseira. Esses não são três problemas separados. São o mesmo problema visto de três maneiras — a interface entre uma descrição em linguagem e um codificador de texto fixo, com um orçamento de 1.536 tokens e um vocabulário congelado de um lado.

Compare isso com como o Qwen3.8-27B lida com a mesma tarefa. Ele é o raciocinador e o codificador em um único objeto, com uma janela de 262.144 tokens, controle nativo de pensamento que pode ser desativado por requisição, um ajuste reasoning_effort e preserve_thinking para retomar o contexto de raciocínio entre turnos. Se a sua tarefa é descrever uma cena e um plano com detalhes suficientes para que algo a jusante possa agir sobre isso, o Qwen3.8-27B foi criado para isso e o PAN 2 foi criado para consumir a saída. Eles não são concorrentes para o mesmo espaço; um está a montante do outro.

A assimetria de implantação que ninguém coloca na tabela de comparação

O Qwen3.8-27B é um modelo grande que roda como um modelo grande normal. Vinte e sete bilhões de parâmetros em BF16 equivalem a aproximadamente 55 GB de pesos, o que cabe em um único acelerador de 80 GB com espaço para um cache KV, e a ficha lista quatro stacks de serviço, além de um endpoint hospedado compatível com OpenAI a caminho. Você pode tê-lo respondendo a solicitações na mesma tarde em que decidir usá-lo.

O PAN 2 tem 86,17 GB distribuídos em sessenta arquivos, e a aritmética de serviço é feita em minutos-nó. Cinquenta passos de amostragem com orientação livre de classificador em cada passo equivalem a cem passagens diretas por um transformer de 29B por clipe. O destaque da receita do vLLM é treze segundos de vídeo 704×1248 em cerca de 119 segundos em quatro GPUs B300, com a orientação paralelizada entre dois ranks e o paralelismo de sequência Ulysses entre mais dois; sua configuração padrão é oito H200s em BF16 com paralelismo de patches VAE entre quatro ranks no modo tile. O script de inferência do próprio repositório é mais simples e mais faminto por recursos: um worker por GPU, cada um mantendo uma cópia completa do transformer de 67,37 GB, cada um processando a cada N-ésimo prompt.

Coloque esses dois lado a lado e a conclusão prática não é nem de perto parecida. Uma chamada ao Qwen3.8-27B é uma requisição. Um clipe do PAN 2 é um job em lote com uma reserva de GPU atrelada. Se você tem um vídeo de vinte segundos para produzir uma única vez, o PAN 2 é uma tarde de configuração e três minutos de renderização. Se você tem mil planos para simular, você está comprando tempo em um nó e a comparação que importa é com outros modelos de mundo de vídeo, não com um modelo de linguagem.

O único lugar onde os dois realmente se encontram

O uso pretendido do PAN 2 é o raciocínio simulativo: um agente imagina o resultado de cada ação candidata e então opta pela melhor. Esse ciclo precisa de um planejador que gere ações candidatas e de um simulador que represente suas consequências. O Qwen3.8-27B é um planejador confiável — forte acompanhamento de instruções, com 79,5 no IFBench; trabalho de escritório de longo horizonte, com 70,7 no CoWorkBench; e codificação agêntica em terminal, com 73,0 no Terminal-Bench 2.1 — e já faz parte do ciclo, já que a MBZUAI o usou para julgar o PhyGround e o Qwen3.8-Flash como um dos quatro redatores de legendas.

Se você construir esse loop, o planejador é a parte que você pode comprar por token e o simulador é a parte que você não pode. Qwen3.8-27B está no OrcaRouter, então uma única chave de API lhe dá um planejador com failover automático, regras de roteamento para quais solicitações vão para onde, e o preço de tabela do provedor com 0% de markup repassado — incluindo os próprios cortes de preço da Alibaba no dia em que entram em vigor. O OrcaRouter não hospeda o PAN 2 e não pode roteá-lo; ninguém hospeda o PAN 2. A divisão não é uma limitação do roteador, é o formato do mercado: modelos de linguagem hospedados são uma commodity, modelos de mundo de vídeo hospedados ainda não existem.

Há um segundo motivo, mais discreto, para rotear em vez de fixar o planejador. O relatório do PAN 2 classifica quatro raciocinadores pela taxa de conclusão de planos completos, e a classificação não é a que a maioria das pessoas adivinharia — Claude Opus 5.5 em primeiro, GPT-6 Astra com esforço médio em segundo, Kimi K3 em terceiro, Qwen3.8-Flash em quarto. Essa ordem foi medida com os prompts da MBZUAI, com a política de legendas e o validador deles. A sua será diferente. Poder executar novamente a comparação sem refazer a integração da sua stack vale mais do que qualquer escolha de modelo individual nela.

O que fazer com esta comparação

Se você veio aqui para escolher um, a resposta honesta é que a pergunta é malformulada. O Qwen3.8-27B é um modelo geral de visão-linguagem que você pode servir hoje em um único acelerador ou alugar por token na próxima semana. O PAN 2 é um artefato de pesquisa que renderiza consequências, precisa de um nó com várias GPUs, não tem endpoint hospedado e, até 11 de novembro de 2026, nunca foi lançado pelos próprios autores — um único post de dois parágrafos na conta do laboratório no X é toda a divulgação. Seu repositório no Hugging Face data de 7 de outubro, o do GitHub, de 5 de novembro, e a coisa pública mais substancial que lhe aconteceu é o suporte Day-0 do vLLM-Omni sendo mesclado em 10 de novembro.

A comparação que vale a pena fazer é mais estreita. Se o seu pipeline precisa de um planejador, o Qwen3.8-27B é uma escolha forte, bem documentada e sob Apache-2.0, e a decisão é uma decisão de roteamento. Se o seu pipeline precisa ver o que uma ação faz antes de executá-la, o PAN 2 é um dos pouquíssimos modelos de pesos abertos que tentam isso, ele vai rodar sobre componentes do Qwen quer você perceba ou não, e o resumo honesto da capacidade dele é a frase presente na própria seção de limitações: cerca de duas em cada três planos simulados contêm pelo menos uma etapa que não é executada. Esse é o número em torno do qual planejar, e é o único número em toda esta comparação que nenhum codificador, juiz ou roteador pode melhorar para você.