PAN 2 vs SKY-001: Um simula o que acontece a seguir, o outro desenha o que construir

O Kimi K3 aparece nos dois documentos de lançamento, na mesma quinzena, desempenhando papéis opostos. No relatório técnico do PAN 2, ele é o raciocinador conceitual — o modelo de linguagem que lê uma solicitação e escreve a legenda estruturada e ancorada no tempo que um transformer de difusão de 29 bilhões de parâmetros transforma em vídeo. Nas tabelas SKY-001 da Skyfall, ele é um concorrente de linha de base, solicitado a desenhar uma montagem CAD por conta própria, em que reproduz 9,5% da geometria de referência por interseção sobre união. Um lançamento usa um modelo de linguagem de fronteira para escrever o plano. O outro mede modelos de linguagem de fronteira falhando no desenho. Essa divisão é um guia melhor para esses dois modelos do que o rótulo que eles compartilham. O PAN 2 é o modelo de mundo do Institute of Foundation Models na MBZUAI, com pesos Apache-2.0 no Hugging Face desde 7 de outubro de 2026, código desde 5 de novembro e um anúncio próprio em 10 de novembro, e prevê até vinte segundos de vídeo em 704×1248 a partir de um primeiro quadro opcional mais uma ação descrita em texto. O SKY-001 é o modelo de engenharia da Skyfall AI, anunciado em 19 de outubro de 2026, ainda atrás de uma lista de espera com implantação comercial prevista para o início de 2027, e prevê a sequência ordenada de operações de desenho que produz uma peça CAD ou uma planta baixa.

Nenhuma das datas é hoje, e nada abaixo é apresentado como um lançamento. O que segue é o que cada modelo realmente calcula, onde cada um é fraco pelos seus próprios números, e qual dos dois o seu problema quer.

Duas coisas diferentes estão sendo previstas

A cadeia do PAN 2 contém um modelo de linguagem. Um raciocinador conceitual — qualquer modelo que siga instruções — lê a observação e as ações solicitadas e escreve o próximo estado do mundo como uma legenda estruturada: eventos em ordem, ações vinculadas a atores, movimento de câmera. Um codificador de texto Qwen3.5-9B congelado mapeia essa legenda para características de condicionamento. Um transformer de difusão multimodal de 29B, treinado do zero em vídeo anotado no mesmo formato, prevê os latentes que a legenda deixa em aberto, condicionado a ela e ao latente VAE do quadro inicial, e um decodificador Wan 2.2 os renderiza. O amostrador padrão tem 50 passos com deslocamento de fluxo 9 e orientação livre de classificador 2,5 em cada passo, e o checkpoint tem 86,17 GB distribuídos em sessenta arquivos.

A cadeia do SKY-001, em vez disso, tem uma hierarquia. Um Hierarchical Composer recebe uma intenção de projeto — uma imagem, texto ou um envelope de edifício com um briefing —, gera o projeto inteiro e, em seguida, divide-o nível a nível e refina cada folha em paralelo. Um Construction World Model então prevê a sequência ordenada de estados visuais que constrói cada folha: no CAD, uma cadeia de estados sólidos 3D com o esboço 2D desenhado entre cada par consecutivo; no BIM, uma planta baixa desenhada traço a traço. O desenho é executado como difusão em duas passagens, um rollout grosseiro num espaço latente comprimido de um autoencoder ao estilo Matryoshka e depois um refinador que restaura a resolução total. Ambas as etapas são transformadores de difusão; nenhuma delas prevê tokens. A Skyfall não publicou contagens de parâmetros, pesos, uma licença ou uma API.

• O que é previsto — o PAN 2 prevê a próxima observação como pixels, dada uma ação; o SKY-001 prevê o próximo estado de construção como um sólido ou um traço, dada uma intenção.

• Como o tempo entra — o PAN 2 funciona com um relógio físico, 241 quadros (cerca de dez segundos) por padrão e até 481 (vinte segundos) a 24 fps; o SKY-001 funciona com uma ordem procedural de aproximadamente 100 etapas de desenho por componente CAD e 70 por planta baixa, sem nenhum relógio físico em lugar algum.

• Se a física é alegada — PAN 2 é pontuado diretamente pela plausibilidade física; os materiais do SKY-001 não fazem nenhuma alegação de dinâmica, porque o que ele desenha é um design, não um movimento.

• O que você obtém — um MP4 que dá para assistir, versus geometria que você avalia por IoU em relação a uma forma de referência.

• Pesos — um download Apache-2.0 para o PAN 2; nada publicado para o SKY-001.

• Preço — tempo de GPU que você pode dimensionar para o PAN 2; uma lista de espera para o SKY-001.

Ambos são de duas etapas, e o gargalo fica em lugares diferentes

A aposta de engenharia compartilhada é dividir o trabalho. Um estágio se compromete com a estrutura — uma descrição ordenada do que deve acontecer — e um segundo estágio preenche os detalhes que essa descrição deixa em aberto. O PAN 2 faz isso com uma legenda e uma espinha dorsal de difusão. O SKY-001 faz isso com uma hierarquia de subobjetivos e um modelo de construção por folha. Coloque os dois lançamentos lado a lado e a pergunta interessante deixa de ser qual arquitetura é melhor e passa a ser qual estágio está de fato custando caro para você.

Para o PAN 2, que é o planejador, e o relatório diz isso duas vezes. No Physics-IQ Verified, um benchmark de imagem para vídeo normalizado de modo que a dispersão entre duas capturas reais da mesma cena pontue 100, o PAN 2 alcança 93,2 ± 0,8 com Claude Opus 5.5 escrevendo as legendas e 90,9 ± 0,4 na configuração padrão do sistema, ao longo das seeds 123 a 126. Trocar o modelo de linguagem que escreve a legenda desloca a pontuação em 2,3 pontos numa escala de cem pontos em que uma pontuação perfeita significa indistinguível de filmagem real. O mesmo padrão aparece nas limitações do cartão de modelo: cerca de dois em cada três planos simulados contêm pelo menos uma etapa que não é executada, os estudos de caso de agente dependiam de prompts refinados manualmente, ações dextras, como onde cada dedo toca um objeto, são especificadas apenas de forma grosseira no texto, e as legendas são validadas em relação a um limite flexível de 1.480 e uma capacidade rígida de 1.536 tokens. O renderizador não é o problema relatado. A frase que descreve a cena é.

Para o SKY-001, o planejador não é medido como um estágio separado, portanto o gargalo relatado é o renderizador. No benchmark de construção CAD da Skyfall — 1.000 componentes amostrados de objetos como um Jaguar E-Type Roadster, um braço de solda FANUC ArcMate 100iB e um helicóptero Bell 222, cada um levando cerca de 100 etapas de desenho — o SKY-001 reproduz 79,7% da geometria de referência por IoU médio, contra 79,1% do GPT-6 Astra e 76,9% do Gemini 4. No benchmark BIM, 1.000 plantas baixas com cerca de 70 etapas de desenho cada, ele atinge 43,6% contra 42,3% do Gemini 3.8 Flash e 40,6% do GPT-6 Astra. Seis décimos de ponto e 1,3 ponto são as vantagens arquitetônicas. Menos de metade de uma planta baixa é o número absoluto.

Lidos em conjunto, e lidos apenas para aferir a magnitude relativa dentro do relatório de cada fornecedor, o planner é a alavanca maior em qualquer um dos documentos. Trocar o redator de legendas do PAN 2 o desloca mais do que toda a vantagem arquitetônica do SKY-001 sobre seu concorrente mais próximo. Os benchmarks são diferentes e as pontuações não são comparáveis; a questão é onde reside a variância própria de cada equipe.

Os benchmarks não compartilham nenhum harness, nenhum juiz e nenhuma política de linha de base.

O PAN 2 é relatado de quatro maneiras, e três delas envolvem o julgamento de outra pessoa. O Physics-IQ Verified é um benchmark público com configuração de leaderboard, e a entrada do PAN 2 usa o Claude Opus 5.5 como raciocinador, enquanto a coluna padrão do sistema executa o pipeline de cada concorrente da forma como a IFM o conduziu. O PhyGround é uma escala de cinco pontos julgada pelo Qwen3.8-27B, ou seja, a opinião de outro modelo em vez de uma medição física; o PAN 2 obtém 3,98 e 4,11 nas duas configurações relatadas no relatório. O RBench é uma média não ponderada de cinco categorias de tarefa e quatro categorias de corporificação, multiplicada por 100, na qual o PAN 2 obtém 83,7 e 73,5. As linhas de base de modelos fechados trazem uma marca de adaga porque foram geradas uma única vez cada, em vez de ao longo de várias sementes. Há também um estudo humano cego: 140 prompts, 13 revisores, 1.400 comparações pareadas, ajustado a um modelo Bradley–Terry com Elo centrado em 1500 e intervalos de confiança de 95%. E há o harness da própria IFM — 300 casos de teste de ação única, divididos em 201 de imagem para vídeo e 99 de texto para vídeo, em seis capacidades, além de 100 tarefas egocêntricas de várias etapas apresentadas como 200 prompts e 456 etapas, relatadas como média ± desvio padrão em três sementes.

SKY-001 é reportado de duas maneiras, ambas da Skyfall, ambas pontuadas por IoU em relação a uma forma de referência, ambas com os modelos rivais conduzidos pela Skyfall com prompting one-shot. Não há barras de erro em nada disso, e nenhum terceiro reproduziu um número. Ler as tabelas com atenção revela três coisas que vale a pena saber antes de citá-las.

Primeiro, as próprias páginas do fornecedor divergem entre si. O painel de CAD 3D na página do produto mostra o SKY-001 com 76,1% contra o GPT-6 Astra com 73,4%, com Claude Opus 5.5 em 61,8%, Gemini 3.8 Flash em 45,9%, Qwen 3.8 Max em 26,6% e Kimi K3 em 6,5%. O benchmark de construção registra 79,7% contra 79,1%. Tarefas diferentes, pontuações diferentes, os mesmos nomes de modelos em ambos — e Claude Opus 5.5, que é o modelo de raciocínio que eleva o número de Physics-IQ do PAN 2, aparece em apenas um deles.

Em segundo lugar, o multiplicador de velocidade é declarado de três maneiras em três documentos publicados no mesmo dia: 51× no gráfico do blog, 49× na página do produto, 100× no comunicado de imprensa. A aritmética resolve a questão — 199 segundos divididos por 3,9 é 51,0 —, mas revela que os números de destaque foram escritos por pessoas diferentes que não compararam seu trabalho.

Terceiro, a coluna de custo não é explicada. O Skyfall informa $0.005 por caso de CAD e $0.0024 por plano, e não diz se isso é preço de tabela, tempo de GPU alugada ou inferência auto-hospedada amortizada. Essas são três alegações diferentes, e a diferença importa mais para os modelos que o próprio Skyfall executou, em vez de acionar por API.

Nada disso torna a história de eficiência do SKY-001 errada. Uma vantagem de velocidade de 51 vezes e uma vantagem de custo de 150 vezes sobre o melhor concorrente, com precisão equivalente, é uma alegação real sobre uma carga de trabalho real. Isso a torna não verificada, o que é uma coisa diferente.

Quanto custa operar, e quanto disso é possível saber

A computação do PAN 2 é publicada como uma receita que você mesmo pode precificar. A implantação padrão é de oito H200s em BF16, com orientação livre de classificador dividida entre dois ranks e paralelismo de sequência Ulysses em dois, e a decodificação do VAE dividida em quatro tiles. A receita de serving relata treze segundos de vídeo 704×1248 em aproximadamente 119 segundos em quatro B300s. Não há preço de tabela por segundo porque a IFM não opera um endpoint hospedado; o número que importa é o que seu provedor cobra pelas GPUs, multiplicado pelos segundos por clipe que você realmente gera.

O poder computacional do SKY-001 não é publicado em nenhuma forma que você possa precificar. Não há contagem de parâmetros, descrição de hardware, taxa de processamento nem endpoint. O que existe é um custo por caso do fornecedor cuja composição não é divulgada e um formulário de lista de espera.

Essa assimetria pesa mais nesta comparação do que as diferenças nos benchmarks. Um desses modelos pode passar por benchmark com os seus próprios dados hoje à tarde, no seu próprio hardware, a um custo que você consegue prever. O outro só pode ser lido a respeito.

A única parte de qualquer uma das duas stacks que você pode alugar hoje

Nem o PAN 2 nem o SKY-001 estão no OrcaRouter, e nenhum dos dois pode ser roteado por ele: o PAN 2 é um checkpoint de 86 GB que você mesmo implanta, e o SKY-001 não tem API para chamar. A parte do pipeline do PAN 2 que é um modelo hospedado normal é a primeira — o raciocinador conceitual que transforma sua solicitação em uma legenda de estado de mundo. A IFM avaliou quatro deles em ordem de conclusão do plano completo: Claude Opus 5.5, GPT-6 Astra em esforço médio, Kimi K3 e Qwen3.8-Flash, e observa que qualquer modelo que siga instruções pode ser usado. O Qwen3.8-Flash está no catálogo do OrcaRouter, o que significa que o estágio de legenda de uma implantação do PAN 2 pode rodar com uma única chave com preços de tabela do provedor repassados com 0% de margem, e com failover automático se um provedor degradar no meio de um lote de planos. Vale a pena configurar isso antes do estágio de difusão, não depois: o planejador é onde está a variância medida, então é o estágio em que vale a pena testar um modelo mais barato e um segundo provedor um contra o outro com seus próprios prompts.

Qual problema você está realmente carregando?

Se o que você precisa é de uma previsão do que uma ação faz a uma cena, em pixels, ao longo dos próximos segundos — para um agente que quer imaginar resultados antes de escolher, ou para um pipeline de vídeo em que a física precisa se sustentar —, o PAN 2 é o destes dois feito para isso, e você pode tê-lo agora. Reserve orçamento para a etapa de legenda e para o guardrail: o IFM fornece um repositório de guardrail separado que filtra a solicitação com o Qwen3Guard-Gen-4B antes da geração e a saída com um classificador de quadros Q16 depois dela, e, em sua avaliação interna, esse pareamento reduziu a parcela de solicitações prejudiciais de texto para vídeo que produziam vídeo inseguro de 33,9% para 1,5%, enquanto também bloqueava 11,5% das solicitações benignas de texto para vídeo e 3,3% das solicitações benignas de imagem para vídeo. Uma camada de segurança que custa uma solicitação benigna em cada nove é um custo real de produção, não uma nota de rodapé.

Se o que você precisa é de uma intenção de projeto convertida em geometria CAD ou BIM, o SKY-001 é o único dos dois voltado para isso, e você não pode tê-lo. O substituto honesto hoje é um modelo de linguagem de fronteira conectado ao seu fluxo de ferramentas CAD — que é exatamente a configuração que as próprias tabelas do SKY-001 medem, com 9,5% a 42,3% de IoU, dependendo do modelo e da tarefa. É por isso que a lista de espera está fazendo trabalho real, e não trabalho de marketing: a alternativa não é um concorrente, é um número pior.

Se o que você precisa é de um motor de física, nenhum dos dois. As simulações do PAN 2 são previsões, sua ficha diz isso com todas as letras, e sua própria lista de limitações inclui simulações que avançam violando restrições físicas — macarrão aparecendo no escorredor antes de ser escorrido. O SKY-001 desenha projetos e não faz nenhuma alegação sobre dinâmica em lugar nenhum. Chamar qualquer um dos dois de modelo de mundo é preciso no sentido que as duas equipes usam o termo, e enganoso no sentido que um motor de jogo usa.

O que observar não é o próximo benchmark. É se alguém fora dessas duas empresas reproduz um número: se a Skyfall publica o protocolo de IoU e a contabilização de custos por trás de seus números por caso, e se a diferença de desempenho entre o pipeline padrão do PAN 2 e seu melhor raciocinador sobrevive ao contato com prompts que ninguém refinou manualmente. Ambas são perguntas sobre a mesma etapa — a que decide o que deve acontecer, antes que qualquer coisa seja desenhada.