PAN 2 против Hi3D v1.0: две модели, которые обе отказываются сообщать размеры чего бы то ни было

Попросите любую из этих моделей создать мир — и первое, что вы потеряете, — это линейка. {{1}}PAN 2 — это модель мира с открытыми весами и 29 млрд параметров от Института фундаментальных моделей, доступная на Hugging Face в виде чекпойнта под Apache-2.0 с 7 октября 2026 года, с кодом, опубликованным 5 ноября, и поддержкой vLLM-Omni с первого дня, появившейся 10 ноября: передайте ей начальный кадр и описанное действие — и она отрендерит до двадцати секунд видео 704×1248 с частотой 24 кадра в секунду, показывающего последствия.{{/1}} {{2}}Hi3D v1.0, ранее Sparc3D, — это уточнитель геометрии с открытыми весами, представленный 23 октября 2026 года; он принимает одно изображение и грубый меш и возвращает более плотный меш, содержащий только геометрию, причём каждый результат заново центрируется и нормализуется до единичного радиуса.{{/2}} Одна выдаёт движущееся изображение без метрических утверждений; другая — статичную форму, у которой абсолютный масштаб намеренно удалён. Ни одна из них не скажет вам, составляет ли предмет перед вами метр в поперечнике, и обе становятся полезнее, когда вы перестаёте ждать от них этого.

Это общее упущение — честная основа для сравнения. Привычная формулировка — 3D против видео или геометрия против динамики — верна и бесполезна, потому что превращает выбор в вопрос предпочтений. А формулировка, которая действительно что-то решает, — это то, что каждая модель передаёт вам, чем она жертвует ради этого и что вам позволено делать с результатом после.

Что каждый из них вам даёт — пункт за пунктом

Сначала назовите объект вывода, а уже потом — какую-либо возможность, потому что эти два объекта относятся к разным категориям.

• Входные данные — PAN 2 принимает опциональный первый кадр, а также структурированную подпись действия, уточнённую навыком prompt-rewriter; Hi3D v1.0 принимает одно изображение и грубую сетку того же объекта.

• Выходные данные — PAN 2 возвращает MP4 длительностью до двадцати секунд; Hi3D возвращает только вершинную геометрию, без цвета, без текстуры, без материала и без цвета вершин.

• Время — PAN 2 существует, чтобы работать в прямом направлении, и каждый клип — это предсказание последствия; у Hi3D вообще нет оси времени, и для одних и тех же двух входных данных он вечно возвращал бы одну и ту же сетку.

• Масштаб — PAN 2 не делает никаких метрических утверждений ни о чём, что рендерит; Hi3D нормализует каждый результат до единичного радиуса, намеренно отбрасывая абсолютный размер.

• Форма батча — PAN 2 рендерит один клип за вызов; Hi3D работает с размером батча, равным одному.

• Resolution of the output — PAN 2 renders 704×1248 at 24 frames per second for up to twenty seconds; Hi3D refines to an effective sparse extraction-grid resolution of up to 1536°, which is a density of vertices rather than a pixel count.

• Доступ — PAN 2 занимает 86,17 гигабайта в шестидесяти файлах, без ограничений доступа, Apache-2.0; Hi3D можно скачать по его собственной Hi3D Open License, без лицензионных отчислений для коммерческого использования при указании авторства «Powered by Hi3D 1.0».

• Аппаратное обеспечение — документированная конфигурация PAN 2 по умолчанию — восемь H200s в BF16, а рецепт обеспечивает обработку тринадцати секунд видео примерно за 119 секунд на четырёх B300s; Hi3D была валидирована на одном 96GB H20 без пути инференса на CPU.

• What you can check yourself — PAN 2's card describes its harness in enough detail to argue with: 300 single-action cases across six capability categories, 100 multi-step tasks scored on step and full-plan completion over three seeds, and a blind pairwise study with thirteen reviewers; Hi3D's card states that training code and the paper's evaluation harness are not included in the release, so its quality claims cannot be re-run from the download.

Those nine rows are the whole purchase decision, and eight of them are descriptions of what each tool accepts and returns rather than claims about how good it is.

Число, которое удаляют обе модели, и почему

Нормализация в Hi3D задокументирована, но её легко упустить: каждый уточнённый меш заново центрируется и нормализуется до единичного радиуса. Это стандартная практика в обучении геометрии, потому что сеть, которой приходится регрессировать абсолютные координаты, тратит ёмкость на масштаб, о котором ей можно было бы сообщить, и потому что обучающие наборы, собранные из сканов и ассетов, редко согласуются по единицам измерения. Это также означает, что меш, полученный из Hi3D, нельзя просто поместить в сцену в реальном масштабе, не применив повторно коэффициент масштаба, который вам придётся узнать откуда-то ещё. Уточнённая геометрия по построению не привязана к метрике.

Упущение PAN 2 тоньше и получает меньше внимания, чем заслуживает. Модель воспроизводит физически связное следствие — демонстрация с клубникой, где замена фрукта или жидкости меняет брызги, является самым ясным изложением этой идеи из всех, что кто-либо создавал, — и делает это, ни разу не утверждая расстояние. Обучающий сигнал — видео, выход — видео, а видео не имеет внутреннего масштаба: крупный план напёрстка и общий план ведра — один и тот же тензор. Собственный список сокращений в карточке модели указывает на тот же пробел с другой стороны: макароны оказываются в дуршлаге до того, как их сливают, — сцена, которая развивалась без физики, которая должна была бы произойти.

Именно поэтому из PAN 2 нельзя построить симулятор вождения, как бы хорошо он ни справлялся с брызгами. Дорожной сети нужны ширины полос в метрах и данные лидара в сантиметрах, а модели, всё представление мира которой сводится к латентному видео, некуда поместить ни то, ни другое. Это же причина, по которой Hi3D не может дать эти метры: он уточняет форму одного объекта — в масштабе, который сам же устранил нормализацией, — по изображению, в котором не было глубины.

Если вашему пайплайну нужен результат в метрических единицах, метрика должна откуда-то войти до обеих моделей — из датчика глубины, маркера известного размера в кадре, CAD-файла, — и обе модели находятся ниже по потоку от этого решения, а не принимают его. Об этом стоит сказать прямо, потому что иначе команда обнаружит это только после недели интеграции.

Редактируемость — это то отличие, которое сохраняется при соприкосновении с проектом

Сгенерированное видео — тупик для правок. Если PAN 2 отрендерит план, в котором открывается ящик и опрокидывается чашка, а вы хотите, чтобы ящик открывался медленнее, вы не редактируете клип; вы переписываете подпись и платите ещё за сотню прямых проходов через 29B-трансформер. Подпись — единственная доступная для редактирования поверхность, и она действительно хороша: структурированная, привязанная ко времени, с действиями, привязанными к актёрам, и явно прописанным движением камеры, — но она работает на уровне «что происходит», а не «куда идёт эта вершина».

Уточнённая сетка — это артефакт противоположного рода. Результат Hi3D открывается в программе для моделирования, проходит ретопологию, текстурируется в другом месте и размещается. Уточнение — это один необратимый этап в конвейере, который в остальном полон обратимых, и именно это нужно команде контента: инструмент, который улучшает блокаут, а затем уходит в сторону.

Вот композиция, которая действительно существует, сформулированная без преувеличений. Грубый блокинг, уточнённый Hi3D, становится детализированным пропом; сборщик сцены размещает этот проп; мировая модель в стиле PAN 2 рендерит то, что происходит, когда на неё что-то воздействует. Это две смежные стадии, а не конкуренты. Чего не существует, так это цикла: Hi3D не может взять кадр из PAN 2 и вернуть вам геометрию, потому что один видеокадр без глубины и с неизвестным масштабом — это не та задача построения сетки, для решения которой создавался Hi3D.

Слой маршрутизации оправдывает себя в этом конвейере не за счёт той или иной модели, а за счёт связующей языковой работы. Создавать подписи к рендеру, чтобы симулятор мог на них опираться; писать структурированное описание состояния мира, которое потребляет текстовый кодировщик PAN 2 при бюджете в 1 480 токенов для мягкого лимита и 1 536 токенов для жёсткого; оценивать, соответствует ли сгенерированный кадр техническому заданию, — всё это обычные тарифицируемые вызовы моделей, и они окружают оба инструмента. OrcaRouter предоставляет более 200 моделей через единый API с наценкой 0% к прайс-листу провайдеров, с автоматическим переключением при сбое между провайдерами, так что создатель подписей и критик рендеров могут использовать общий ключ и общий резервный путь. Ни PAN 2, ни Hi3D v1.0 не входят в этот каталог, и ничто здесь не говорит об обратном: рендерер — это ваш узел, модуль уточнения — ваш GPU, а маршрутизируем мы связующий клей.

Две лицензии, которые подсказывают, кем должен быть клиент

Обе модели достаточно открыты, чтобы их можно было скачать, а их условия различаются так, что это информативнее самих весов.

PAN 2 распространяется под лицензией Apache-2.0: никаких требований к указанию авторства сверх текста лицензии, никакого порога по числу пользователей, никаких условий по выручке, никаких ограничений по области применения. Вы можете дообучать её, квантовать, поставлять в составе продукта и ничего об этом не сообщать. Для диффузионного трансформера на 29 миллиардов параметров, обученного с нуля на сотнях миллионов видео лабораторией, аффилированной с университетом, это необычно разрешительный выбор, и это самое большое практическое отличие PAN 2 от закрытых моделей мира, с которыми её обычно сравнивают.

Hi3D v1.0 можно использовать в коммерческих целях без роялти при указании атрибуции «Powered by Hi3D 1.0», а при превышении 200 000 ежемесячных активных пользователей или $1 млн ежемесячной выручки вступает в силу отдельное соглашение. Этот порог — отпечаток: он говорит, что целевой клиент — студия, платформа или поставщик инструментов, и что авторы рассчитывают на встраивание модели, а не на её изучение. Ниже этой черты это ничего не стоит; выше — вы ведёте переговоры.

Ни одна из этих лицензий не ловушка. Это разные ставки на то, для чего нужна открытость: лицензия PAN 2 — заявка на внедрение в качестве инфраструктуры, а Hi3D — заявка на внедрение с прилагающимся коммерческим разговором, когда вы дорастёте до того, чтобы его вести.

Счёт за оборудование, который не близок

Требования Hi3D строгие, но их дёшево выполнить, если машина уже есть: Linux, Python 3.10, NVIDIA GPU с вычислительной способностью 8.0 или выше, CUDA от 12.0 до 12.5, flash-attn без резервного пути, без вывода на CPU, проверено на одном H20 объёмом 96 ГБ. Студийная рабочая станция это покрывает. Проблема не в памяти, а в привязке к CUDA и отсутствии резервного пути.

Требования PAN 2 относятся к другой категории. Восемь H200 в BF16 — это задокументированный вариант по умолчанию, поверх которого включается параллелизм патчей VAE по четырём тайлам, поскольку декодирование двадцатисекундного клипа 704×1248 само по себе создаёт проблему с памятью. Показатель «119 секунд на тринадцать секунд» на четырёх B300 взят из рецепта vLLM, и именно это число превращает каждый вопрос проектирования в арифметический: пятьдесят шагов сэмплера при flow shift 9 с guidance 2.5 на каждом шаге — это сто прямых проходов через трансформер 29B на клип, а планировщик, который оценивает пять кандидатных действий на шаг десятишаговой задачи, хочет пятьдесят клипов.

Так что сравнение затрат — это не вопрос «что дешевле». Дело в том, что одно из решений — инструмент для рабочей станции, а другое — кластерная нагрузка, и команда, которая может позволить себе первое, может вообще не иметь возможности запустить второе. Эта асимметрия не делает PAN 2 хуже. Она делает выбор очевидным для всех, чей бюджет на GPU ограничен одной картой.

Какой вопрос вы на самом деле задаёте?

Если ваша проблема в том, что блокаут слишком грубый или у отсканированного объекта нет мелких деталей, то нужен Hi3D v1.0, а PAN 2 не при чём — в видеогенераторе нет ничего, что даст вам вершины. Заложите в бюджет стек CUDA, проверьте зависимость flash-attn, прежде чем обещать дату сдачи, и помните, что сетка приходит с единичным радиусом.

Если ваша проблема в том, что вам нужно увидеть, к чему приводит действие, прежде чем на него решиться — оценка плана, контрфактические данные, робот или агент, который предварительно просматривает свои варианты, — PAN 2 — единственный из двух, который отвечает, и, согласно его собственной карточке, отвечает в пикселях, с пропущенным шагом примерно в двух из трёх планов. Встройте проверяющий механизм в цикл, держите свои промпты в пределах бюджета токенов и относитесь к каждому клипу как к гипотезе, а не как к измерению.

Если вам нужны оба, стройте конвейер в том порядке, в котором артефакты фактически проходят друг за другом: сначала метрический вход, затем геометрия, затем следствие, и языковая модель на каждом стыке, где одно представление должно превратиться в другое. Это требует больше инженерии, чем подразумевает анонс любой из моделей, и именно такую форму в итоге приобрел каждый серьезный стек моделей мира 2026 года.

Эту страницу изменила бы модель, которая выдаёт геометрию в метрическом масштабе и временную ось — 4D-результат с единицами измерения. Ни в одном из этих релизов нет и намёка на это. Пока не появится нечто подобное, точная формулировка такова: PAN 2 показывает, что происходит, а Hi3D повышает чёткость того, что уже есть; ни один из них не скажет, каков размер, и именно второе ограничение незаметно определяет, какие из ваших проектов могут использовать тот или иной.