PAN 2 vs Qwen3.8-27B: противник уже внутри модели

У большинства сравнений моделей есть чёткая граница: два чекпоинта, два вендора — выбирай один. Здесь её нет, потому что Qwen проходит через «сантехнику» PAN 2 сразу в трёх местах. PAN 2 загружает Qwen3.5-9B в качестве своего замороженного текстового энкодера — компонента, который превращает структурированное описание состояния мира в обусловливающие признаки, потребляемые его 29-миллиардным диффузионным трансформером. Оценки PhyGround в техническом отчёте самого PAN 2 выносятся Qwen3.8-27B — моделью, с которой эта страница номинально его сравнивает. А Qwen3.8-Flash — один из четырёх «концептуальных» ризонеров, которые в отчёте тестируются именно для того, чтобы писать подписи для PAN 2. Так что честная формулировка — не «PAN 2 против Qwen3.8-27B». Это видеомодель мира из Института фундаментальных моделей MBZUAI, опубликованная тихо и так и не получившая запуска, стоящая на компонентах Qwen, оцениваемая отчасти Qwen-судьёй, в сравнении с 27-миллиардной визуально-языковой моделью от Alibaba, которая сама по себе является законченным продуктом. Интересный вопрос — какие из этих связей должны вас волновать, когда вы выбираете, что разворачивать.

Что означает общая ДНК, а что — нет

Это не значит, что две модели сопоставимы. PAN 2 выдаёт видео; Qwen3.8-27B выдаёт текст. Ничто в общем энкодере этого не меняет, и не существует бенчмарка, который ранжировал бы их друг против друга. Любой, кто приводит счёт прямого сравнения, приводит лишь впечатление.

Что это на самом деле означает: сравнение необычайно много говорит о происхождении. Когда PAN 2 читает вашу подпись, он читает её через энкодер Qwen, который MBZUAI загрузила без изменений из собственного репозитория, а карточка модели прямо указывает, что веса Qwen3.5-9B используются в том виде, в каком были выпущены, и не дообучались MBZUAI. Бюджет токенов, который применяет валидатор промптов — мягкое ограничение 1 480 токенов, жёсткое 1 536, — это бюджет Qwen3.5-9B, а не PAN 2. И когда в отчёте приводится число PhyGround, это число получено путём запроса к Qwen3.8-27B оценить сгенерированное видео по пятибалльной шкале. Судья — это соперник.

Это не скандал. Использование сильной открытой модели в качестве автоматического оценщика — стандартная практика, и раскрытие этого лучше, чем удаётся большинству лабораторий. Но это означает, что цепочка доказательств для PAN 2 проходит через семейство моделей Alibaba в трёх отдельных точках, и если вы оцениваете PAN 2, вам следует знать, какие из его чисел являются измерениями PAN 2, а какие — измерениями PAN 2 в том виде, как их видит Qwen.

Qwen3.8-27B, по собственным правилам

Модель Alibaba — это объект совершенно иного рода: каузальная языковая модель с 27 млрд параметров и визуальным энкодером, построенная на архитектуре Qwen3.5 с гибридной компоновкой — шестнадцать повторов трёх блоков Gated DeltaNet, за которыми следует один блок Gated Attention, всего 64 слоя, скрытая размерность 5 120 и дополненный словарь объёмом 248 320 токенов. Собственный контекст — 262 144 токена с возможностью расширения до одного миллиона. Модель распространяется под лицензией Apache-2.0, была опубликована на Hugging Face 5 августа 2026 года и имеет 7,4 млн скачиваний в месяц.

Показатели вендора впечатляют, и эта карточка — одна из самых полных в области открытых весов: GPQA Diamond 89.2, HLE 30.8, LiveCodeBench v6 90.3, SWE-bench Pro 61.7, Terminal-Bench 2.1 — 73.0, OSWorld-Verified 84.3, OmniDocBench 1.5 — 91.1, CharXiv reasoning 83.7, IFBench 79.5, CoWorkBench 70.7. На MathVision сообщается 90.0 без chain-of-thought и 94.6 с ней. Это собственные оценки Alibaba на собственных базовых показателях Alibaba — та же оговорка применима к любой таблице вендора на этом сайте, включая таблицу PAN 2.

• Модальность — Qwen3.8-27B: на входе текст, изображение и видео; на выходе текст. PAN 2: на входе необязательный первый кадр плюс структурированная подпись; на выходе MP4.

• Размер — Qwen3.8-27B: 27B, плотная архитектура, 64 слоя, примерно 27,8 млрд параметров safetensors. PAN 2: 29B-диффузионный трансформер объёмом 67,37 ГБ в BF16, плюс замороженный энкодер Qwen3.5-9B на 15,87 ГБ и VAE Wan 2.2.

• Контекст — Qwen3.8-27B: 262 144 токена нативно, до одного миллиона. PAN 2: одна подпись, ограниченная 1 536 токенами текстового энкодера, и один начальный кадр.

• Лицензия — Qwen3.8-27B: Apache-2.0. PAN 2: Apache-2.0 для собственных весов; сторонние компоненты распространяются на своих условиях.

• Инференс — Qwen3.8-27B: Transformers, vLLM, SGLang, TokenSpeed и облачная конечная точка Qwen Cloud, которую Alibaba указывает как «скоро появится». PAN 2: Diffusers, vLLM-Omni и собственный generate.py репозитория — на вашем оборудовании, и ничего не размещено где-либо.

Почему выбор кодера — самая значимая строка в карточке PAN 2

Замораживание 9B текстового энкодера и обучение только диффузионного бэкбона — это обоснованное инженерное решение, и именно поэтому диффузионная половина PAN 2 имеет размер 29B, а не 40. Оно также жёстко ограничивает то, что можно сообщить PAN 2. Концептуальный ризонер пишет подпись; Qwen3.5-9B отображает её в признаки; диффузионная модель рендерит на основе этих признаков. Всё, что Qwen3.5-9B не может представить, PAN 2 не может смоделировать, каким бы хорошим ни был текст подписи.

Это объясняет ограничение, которое карточка прямо указывает, а большинство читателей пропускает: модель чувствительна к формулировке промпта, примеры за пределами обучающего распределения опирались на вручную доработанные промпты, а текстовые действия описывают ловкое манипулирование лишь грубо. Это не три отдельные проблемы. Это одна и та же проблема, увиденная тремя способами — интерфейс между языковым описанием и фиксированным текстовым энкодером, с бюджетом в 1 536 токенов и замороженным словарём с одной стороны.

Сравните это с тем, как Qwen3.8-27B справляется с той же задачей. Это и система рассуждений, и энкодер в одном объекте: окно в 262 144 токена, встроенное управление режимом размышления, которое можно отключать для каждого запроса, параметр reasoning_effort и preserve_thinking для сохранения контекста рассуждений между ходами. Если ваша задача — описать сцену и план достаточно подробно, чтобы что-то ниже по потоку могло действовать на их основе, Qwen3.8-27B создан именно для этого, а PAN 2 — для того, чтобы потреблять выходные данные. Они не конкурируют за одно и то же место; один находится выше по потоку, чем другой.

Асимметрия развёртывания, которую никто не указывает в сравнительной таблице

Qwen3.8-27B — большая модель, которая работает как обычная большая модель. Двадцать семь миллиардов параметров в BF16 — это примерно 55 ГБ весов, которые помещаются на один 80-ГБ ускоритель с запасом для KV-кэша, а в карточке модели перечислены четыре стека обслуживания плюс размещённая конечная точка с совместимым с OpenAI API на подходе. Вы сможете заставить её отвечать на запросы уже в тот же день, когда решите её использовать.

PAN 2 занимает 86,17 ГБ в шестидесяти файлах, а расчёты по обслуживанию ведутся в узло-минутах. Пятьдесят шагов сэмплера с classifier-free guidance на каждом шаге — это сто прямых проходов через 29B-трансформер на клип. Ключевая цифра рецепта vLLM — тринадцать секунд видео 704×1248 примерно за 119 секунд на четырёх GPU B300, причём guidance распараллелен между двумя рангами, а последовательный параллелизм Ulysses — ещё между двумя; его конфигурация по умолчанию — восемь H200 в BF16 с параллелизмом по патчам VAE между четырьмя рангами в tile-режиме. Собственный скрипт инференса из репозитория проще и прожорливее: один воркер на GPU, каждый хранит полную копию 67,37-ГБ трансформера и обрабатывает каждый N-й промпт.

Сопоставьте их — и практический вывод будет однозначным. Обращение к Qwen3.8-27B — это запрос. Клип PAN 2 — это пакетная задача с прикреплённым резервированием GPU. Если вам нужно один раз создать двадцатисекундное видео, PAN 2 — это полдня на настройку и три минуты на рендеринг. Если вам нужно смоделировать тысячу планов, вы покупаете время на узле, и значимое сравнение — с другими моделями видеомира, а не с языковой моделью.

Единственное место, где эти двое по-настоящему встречаются

Предполагаемое использование PAN 2 — симулятивное рассуждение: агент воображает исход каждого кандидатного действия, а затем останавливается на лучшем. Этот цикл требует планировщика, который генерирует кандидатные действия, и симулятора, который отображает их последствия. Qwen3.8-27B — убедительный планировщик: сильное следование инструкциям — 79,5 в IFBench, долгосрочная офисная работа — 70,7 в CoWorkBench, агентное программирование в терминале — 73,0 в Terminal-Bench 2.1, — и он уже участвует в цикле, поскольку MBZUAI использовала его для оценки PhyGround и Qwen3.8-Flash в качестве одного из четырёх авторов подписей.

Если вы строите такой цикл, планировщик — это та часть, которую можно купить за токены, а симулятор — та, которую купить нельзя. Qwen3.8-27B доступен на OrcaRouter, так что один API-ключ даёт вам планировщик с автоматическим переключением при сбое, правилами маршрутизации, определяющими, какие запросы куда направляются, и ценой по прайс-листу провайдера с 0% наценки, передаваемой напрямую — включая собственные снижения цен Alibaba в тот же день, когда они вступают в силу. OrcaRouter не размещает PAN 2 и не может маршрутизировать его; PAN 2 не размещает никто. Это разделение — не ограничение роутера, а форма рынка: размещённые языковые модели — это биржевой товар, а размещённых видеомировых моделей пока не существует.

Есть вторая, менее очевидная причина маршрутизировать запросы, а не жёстко закреплять планировщик. В отчёте PAN 2 четыре reasoning-модели ранжируются по завершению полного плана, и этот порядок вряд ли совпадёт с ожиданиями большинства: Claude Opus 5.5 — первый, GPT-6 Astra при среднем уровне усилий — второй, Kimi K3 — третий, Qwen3.8-Flash — четвёртый. Этот порядок был измерен на промптах MBZUAI, с их политикой подписей и их валидатором. У вас он будет другим. Возможность повторно запустить сравнение, не перестраивая весь стек, ценнее любого отдельного выбора модели в нём.

Что делать с этим сравнением?

Если вы пришли сюда, чтобы выбрать одну, честный ответ таков: вопрос поставлен некорректно. Qwen3.8-27B — это универсальная визуально-языковая модель, которую можно обслуживать сегодня на одном ускорителе или арендовать с оплатой по токенам на следующей неделе. PAN 2 — это исследовательский артефакт, который отрисовывает последствия, требует узла с несколькими GPU, не имеет хостингового эндпоинта и по состоянию на 11 ноября 2026 года так и не был запущен собственными авторами — весь анонс состоит из одного поста в два абзаца в аккаунте лаборатории в X. Его репозиторий на Hugging Face датируется 7 октября, репозиторий на GitHub — 5 ноября, а самое существенное публичное событие, произошедшее с ним, — это слияние поддержки Day-0 в vLLM-Omni 10 ноября.

Сравнение, которое стоит проводить, — более узкое. Если вашему пайплайну нужен планировщик, Qwen3.8-27B — сильный, хорошо документированный вариант под Apache-2.0, и это решение относится к маршрутизации. Если вашему пайплайну нужно увидеть, что делает действие, прежде чем его выполнить, PAN 2 — одна из очень немногих моделей с открытыми весами, которые это пытаются делать; она будет работать на компонентах Qwen, заметите вы это или нет, а честная сводка её возможностей — это фраза из её собственного раздела ограничений: примерно в двух из трёх смоделированных планов есть как минимум один шаг, который не выполняется. Вот на это число и стоит ориентироваться при планировании, и это единственное число во всём этом сравнении, которое ни один энкодер, судья или маршрутизатор не сможет улучшить за вас.