PAN 2 vs ABot-Earth 0.7: สองโมเดลโลกที่ต่างกันเพียงแกนเดียว
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 119 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 99 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0727 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 120 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 230 tok/s
- Orcaใหม่OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 ต่อ 1 ล้านโทเค็น · 41 tok/s
- Orcaใหม่OrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 129 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 58 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 98 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 40 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 126 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 105 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 64 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 407 tok/s
ทั้งคู่ถูกเรียกว่าเวิลด์โมเดล ทั้งสองเปิดตัวในช่วงสองเดือนสุดท้ายของปี 2026 ทั้งสองจะพาคุณไปยังสถานที่ที่คุณไม่เคยไป และพวกมันไม่ใช่สิ่งทดแทนกันในแง่ใด ๆ ที่ผู้ซื้อจะให้ความสนใจ เพราะ PAN 2 ทำนายสิ่งที่เกิดขึ้นต่อไปในฉากภายในยี่สิบวินาทีข้างหน้า ขณะที่ ABot-Earth 0.7 สร้างเมืองขนาดระดับกิโลเมตรที่คุณเดินสำรวจได้นานเท่าที่ต้องการ ตัวหนึ่งเป็นโมเดลของผลลัพธ์ที่ตามมา อีกตัวเป็นโมเดลของสถานที่ หากคุณกำลังเลือกระหว่างสองตัวนี้สำหรับโปรเจกต์ ขั้นตอนแรกที่ซื่อตรงคือการตระหนักว่าคำถามที่ว่า "ตัวไหนดีกว่า" ไม่มีคำตอบ และคำถามที่มีประโยชน์ — ไปป์ไลน์ของคุณต้องการตัวไหนจริง ๆ และคุณได้มันมาหรือเปล่า — ต่างหากที่มีคำตอบ
คำถามข้อที่สองคือจุดที่ทั้งสองแตกต่างกันอย่างชัดเจน และไม่ใช่เรื่องของรสนิยม PAN 2 เปิดตัวในรูปแบบเวต Apache-2.0 ขนาด 86.17 กิกะไบต์ พร้อมการรองรับการเสิร์ฟที่รวมเข้ากับ vLLM-Omni แล้ว คุณสามารถดาวน์โหลดได้บ่ายนี้และรันบน GPU ของคุณเอง ABot-Earth 0.7 เป็นระบบที่ใช้งานจริงภายในแอปสำหรับผู้บริโภคของ Amap โดยไม่มี API สาธารณะ ไม่มีเวต และมีไวต์ลิสต์สำหรับฟีเจอร์การสร้างของมัน หนึ่งในนั้นคือชิ้นงานที่คุณจับต้องได้ อีกอันคือการสาธิตที่คุณดูได้
แต่ละอันปล่อยอะไรออกมาบ้าง อย่างแม่นยำ
PAN 2 รับข้อมูลObservation — เฟรมเริ่มต้นหนึ่งเฟรมซึ่งไม่บังคับ พร้อมคำอธิบายเป็นข้อความ — และชุดการกระทำที่อธิบายเป็นข้อความ แล้วส่งคืนไฟล์ MP4 ภายในเป็นเครื่องสองขั้นตอน โดยโมเดลภาษาจะเขียนคำบรรยายสภาวะโลกที่มีโครงสร้างและอิงกับเวลา ตัวเข้ารหัสข้อความแบบ frozen จะแปลงคำบรรยายนั้นเป็นคุณลักษณะสำหรับกำหนดเงื่อนไข และทรานส์ฟอร์เมอร์แบบแพร่กระจายหลายรูปแบบขนาด 29B จะเรนเดอร์วิดีโอ 704×1248 ได้นานสูงสุดยี่สิบวินาทีที่ 24 เฟรมต่อวินาที เอาต์พุตนั้นสั้น ต้นทุนสูง และเจาะจง: มันตอบคำถามว่า "การกระทำนี้ส่งผลต่อฉากนี้อย่างไร" และคำตอบถูกจำกัดไว้ที่ยี่สิบวินาที เพราะแต่ละคลิปถูกจำลองจากเฟรมเริ่มต้นได้ไม่เกินหนึ่งเฟรม
ABot-Earth 0.7 รับภาพถ่ายดาวเทียมที่อ้างอิงพิกัดภูมิศาสตร์หรือข้อความพรอมต์ แล้วส่งคืนฉาก 3D Gaussian Splatting ที่มีโครงสร้างระดับรายละเอียดแบบลำดับชั้น ซึ่งส่งออกไปยัง Unreal Engine และ Unity ได้ Amap — หน่วยธุรกิจด้านแผนที่ของ Alibaba — เปิดตัวเทคโนโลยีนี้ในงาน Street Stars gala ที่หังโจวเมื่อวันที่ 10 กันยายน 2026 โดยนำเสนอว่าเป็นโมเดลโลกเมือง 3D แบบเนทีฟตัวแรก และอ้างว่าใช้เวลาราวสิบนาทีในการสร้างสภาพแวดล้อมระดับกิโลเมตรบน GPU สำหรับผู้บริโภคเพียงตัวเดียว ผลลัพธ์คือสถานที่ ไม่ใช่ช่วงเวลา: คุณสำรวจมันได้ ไม่ต้องรอให้มันค่อย ๆ คลี่คลายออกมา
เมื่อวางเทียบกัน ลักษณะของความไม่ลงรอยกันก็ชัดเจน
• ผลลัพธ์ — PAN 2 ให้ผลลัพธ์เป็นไฟล์ MP4 ความยาว 20 วินาที ที่ 704×1248 และ 24 fps; ABot-Earth 0.7 ให้ผลลัพธ์เป็นฉาก 3DGS พร้อมโครงสร้าง LOD ซึ่งส่งออกไปยัง Unreal และ Unity ได้
• อินพุต — {{1}}PAN 2{{/1}} รับเฟรมแรกพร้อมคำบรรยายการกระทำแบบมีโครงสร้าง; {{2}}ABot-Earth 0.7{{/2}} รับภาพดาวเทียมหรือพรอมต์ข้อความ
• กรอบเวลา — PAN 2 จำลองการเดินหน้าเป็นวินาที และเกิดการดริฟต์ข้ามคลิปเมื่อเกินช่วงดังกล่าว ส่วน ABot-Earth 0.7 หยุดนิ่งในเชิงเวลา เป็นสแนปช็อตของสถานที่ที่ไม่วิวัฒน์เปลี่ยนแปลง
• อุปกรณ์ — การกำหนดค่าการให้บริการเริ่มต้นที่มีการบันทึกไว้ของ PAN 2 คือ H200 จำนวนแปดเครื่องใน BF16 โดยมีสูตร B300 สี่ตัวสำหรับ 13 วินาทีใน 119 วินาที; ABot-Earth 0.7 อ้างว่าทำได้บน GPU ระดับผู้บริโภคหนึ่งตัวสำหรับระยะหนึ่งกิโลเมตรในสิบนาที
• การเข้าถึง — PAN 2 เป็น Apache-2.0 บน Hugging Face แบบไม่จำกัดการเข้าถึง พร้อมโค้ดบน GitHub; ส่วน ABot-Earth 0.7 ไม่มีไฟล์น้ำหนักโมเดล ไม่มี API สาธารณะ และมีฟีเจอร์การสร้างที่เฉพาะผู้ได้รับเชิญเท่านั้น
• การประเมินโดยอิสระ — ไม่มีฝ่ายใดมีเลย ตัวเลขทั้งสองชุดมาจากห้องแล็บที่สร้างโมเดลขึ้นมา
เวลาและอวกาศไม่ใช่แกนเดียวกัน
ความแตกต่างที่อยู่เบื้องหลังทั้งหมดนั้นควรค่าแก่การกล่าวถึง เพราะมันเปลี่ยนว่าสิ่งที่แต่ละโมเดลมีไว้สำหรับคืออะไร. ABot-Earth ขยายฉากออกไปในอวกาศ: จากภาพดาวเทียมเพียงแผ่นเดียว มันสังเคราะห์อาคาร ถนน และพื้นที่ภายในที่คุณจะเห็นหากบินไปที่นั่น และรักษาสิ่งเหล่านี้ให้สอดคล้องกันเมื่อคุณเคลื่อนจากภาพรวมระดับเมืองไปจนถึงระดับถนน คำกล่าวอ้างของมันคือความครอบคลุมและความเที่ยงตรงในระดับสเกล
PAN 2 ขยายฉากผ่านเวลา: จากเฟรมเดียวและคำอธิบายการกระทำ มันคาดการณ์เฟรมที่ตามมา และสิ่งที่มันพยายามทำให้ถูกต้องคือสายโซ่เชิงสาเหตุ — น้ำกระเซ็นเปลี่ยนไปเมื่อวัตถุเปลี่ยน เพราะมวลและพื้นที่ผิวเปลี่ยน และโมเดลได้เรียนรู้ความสัมพันธ์นั้นแทนที่จะจดจำภาพน้ำกระเซ็นไว้ กรอบแนวคิดของ IFM คือโมเดลภาษาคาดการณ์คำถัดไป และ PAN 2 คาดการณ์โลกถัดไป และเดโมที่เผยแพร่เมื่อวันที่ 11 พฤศจิกายน 2026 ทำให้เห็นเป็นรูปธรรม: หย่อนสตรอว์เบอร์รีลงในชาม จากนั้นเปลี่ยนเป็นเป็ดยาง แล้วเปลี่ยนของเหลว และการจำลองทั้งสามแตกต่างกันในลักษณะที่สอดคล้องกับฟิสิกส์
แอปพลิเคชันที่ต้องการสิ่งหนึ่งแทบจะไม่ต้องการอีกสิ่งหนึ่ง ทีมหุ่นยนต์ที่ประเมินการจับที่เป็นตัวเลือกต้องการแกนของ PAN 2 ผลิตภัณฑ์ด้านแผนที่ การติดตั้งใช้งานดิจิทัลทวิน หรือสตูดิโอเกมที่สร้างสภาพแวดล้อมต้องการแกนของ ABot-Earth จุดที่ทับซ้อนกันเป็นแถบแคบ ๆ ที่มีคนต้องการวางเมืองที่สร้างขึ้นลงในแบบจำลองแล้วทำให้สิ่งที่เกิดขึ้นภายในนั้นเคลื่อนไหว — และตรงนั้น ทั้งสองจะทำงานประกอบกันมากกว่าแข่งขันกัน หากครึ่งหลังนั้นหาได้
การเปรียบเทียบที่ได้ผลจริงคือ: คุณรันมันได้ไหม
ในด้านขีดความสามารถ สองสิ่งนี้เปรียบเทียบกันไม่ได้ และไม่มีใครพยายามเปรียบเทียบกันเลย ส่วนในด้านการจัดซื้อจัดจ้างนั้นต่างกันราวฟ้ากับเหว
เรื่องราวการเข้าถึงของ PAN 2 นั้นครบถ้วนอย่างผิดปกติสำหรับการเปิดตัวงานวิจัย น้ำหนักโมเดลถูกเผยแพร่เมื่อวันที่ 7 ตุลาคม 2026 พร้อมการ์ดโมเดล คอนฟิก และสกิลตัวเขียนพรอมป์ใหม่ จากนั้นที่เก็บ GitHub ที่มีสคริปต์ inference และ training ก็ตามมาเมื่อวันที่ 5 พฤศจิกายน vLLM-Omni รวมการรองรับ text-to-video และ image-to-video แบบ Day-0 เมื่อวันที่ 10 พฤศจิกายน และหน้า recipe ก็ตามมาในเย็นวันเดียวกัน โดยระบุคอนฟิกสี่ B300 และค่าเริ่มต้นแปด H200 IFM โพสต์ประกาศบน X เมื่อเวลา 17:00 UTC ของวันที่ 10 พฤศจิกายน — ห้าสิบหกนาทีหลังการ merge ของเฟรมเวิร์ก — ว่า “ขอแนะนำ PAN 2: world model พื้นฐานแบบเปิดสำหรับ physical intelligence” ไม่มีบล็อกโพสต์ ไม่มีลิงก์เปเปอร์ ไม่มีเอนด์พอยต์ที่โฮสต์ไว้ ไม่มีราคา แต่ตัวโมเดลเองดาวน์โหลดได้ และสัญญาอนุญาตอนุญาตให้ใช้เชิงพาณิชย์
เรื่องการเข้าถึงของ ABot-Earth 0.7 นั้นตรงกันข้าม เว็บไซต์ทดลองใช้งานเปิดให้ใช้งานแล้ว แต่การสร้างผลลัพธ์เป็นแบบเชิญเท่านั้น — อินเทอร์เฟซระบุว่าการสร้างอยู่ในช่วงเบต้าและมีแบบฟอร์มสมัครเข้าไวต์ลิสต์ ไม่มีราคาที่ประกาศไว้ ไม่มีตารางราคา และไม่มีเอกสารสำหรับนักพัฒนาที่อธิบายว่าระบบภายนอกจะเรียกใช้งานมันได้อย่างไร การเปิดตัว 0.5 ในเดือนมิถุนายนได้เผยแพร่รายงานทางเทคนิคบน arXiv และรีโพซิทอรีบน GitHub โดยรีโพซิทอรีนั้นเป็นที่เก็บรายงานมากกว่าจะเป็นการนำไปใช้งานจริง ไม่มีสิ่งใดที่ประกาศพร้อมกับ 0.7 บ่งชี้ว่าน้ำหนักโมเดลได้เปิดแล้ว เว็บไซต์ยังเป็นภาษาจีนตัวย่อทั้งหมด โดยไม่มีตัวสลับภาษา ดังนั้นการประเมินเป็นภาษาอังกฤษจึงต้องอาศัยสื่อประชาสัมพันธ์ของ Amap
สำหรับทีมส่วนใหญ่ นั่นคือจุดจบของการเปรียบเทียบก่อนที่จะได้พูดถึงความสามารถกันด้วยซ้ำ โมเดลที่คุณเรียกใช้ไม่ได้ไม่ใช่ผู้เข้าชิง แต่เป็นมาตรฐานอ้างอิงว่าหมวดหมู่นี้จะมีหน้าตาอย่างไรเมื่อมันเข้าถึงได้
สิ่งที่ Amap มีแต่ IFM ไม่มี และเหตุใดจึงไม่สามารถถ่ายโอนได้
เหตุผลที่ ABot-Earth 0.7 คุ้มค่าที่จะให้ความสำคัญอย่างจริงจังแม้จะมีปัญหาด้านการเข้าถึงก็คือ มันไม่ใช่เดโมในห้องแล็บ มันขับเคลื่อน Flying Street View 2.0 ซึ่งเป็นฟีเจอร์สำหรับผู้บริโภคที่แทนที่การบินผ่านเส้นทางแบบคงที่ด้วยพื้นที่ 3D ที่สำรวจได้อย่างอิสระ และ Amap ระบุว่ามีผู้ใช้มากกว่า 880 ล้านคนใช้พื้นผิว Street Stars ที่มันทำงานอยู่ การทดลองใช้งานเปิดจริงแล้วสำหรับสถานที่ที่เลือกในเมืองต่างๆ รวมถึงปักกิ่งและหางโจว โดยมีกรณีการใช้งานที่บริษัทระบุอย่างชัดเจน ได้แก่ การตรวจสอบแนวสายตาจากที่นั่งโรงละครแห่งหนึ่ง การนำทางภายในห้างสรรพสินค้า และการประเมินสภาพภูมิประเทศก่อนการเดินทาง
เบื้องหลังสิ่งนั้นคือจุดยืนด้านข้อมูลที่ห้องปฏิบัติการโมเดลใดก็ไม่สามารถลอกเลียนได้อย่างรวดเร็ว — Amap ระบุว่ามีผู้ใช้งานรายเดือนเกือบหนึ่งพันล้านคน การเรียกใช้ตำแหน่งจาก Beidou ในช่วงพีกต่อวันใกล้แตะหนึ่งล้านล้านครั้ง และข้อมูลเชิงพื้นที่และเวลาที่สะสมมาหลายทศวรรษซึ่งครอบคลุมโครงข่ายถนน จุดสนใจ และข้อมูลการจราจรแบบเรียลไทม์ สถาปัตยกรรม 3DGS เป็นงานที่เผยแพร่แล้ว แต่คลังข้อมูลที่รองรับอยู่นั้นไม่ใช่
ไม่มีข้อใดช่วยนักพัฒนาภายนอกได้ และนี่คือส่วนที่การรายงานข่าวตอนเปิดตัวมักเลี่ยงข้ามไป ตัวเลขพาดหัวของ Amap — สิบนาทีต่อตารางกิโลเมตร เร็วขึ้นสูงสุด 1,000 เท่าเมื่อเทียบกับการสร้างใหม่แบบดั้งเดิม ด้วยต้นทุนประมาณ 1/100, ครอบคลุม 196 ประเทศและภูมิภาคขึ้นไป, เอาต์พุต 3DGS ที่พร้อมใช้กับ Unreal และ Unity — ล้วนเป็นข้อมูลที่ผู้ขายรายงานเอง ยังไม่มีใครจำลองซ้ำได้อย่างอิสระ และมาพร้อมกับการเข้าถึงแบบ whitelist มากกว่า endpoint การเปิดให้ผู้บริโภคใช้เองก็เป็นหลักฐานรูปแบบหนึ่งว่าระบบทำงานได้ในระดับสเกล แต่ไม่ใช่หลักฐานว่าคุณจะรันมันได้
จุดที่แต่ละชิ้นพิสูจน์คุณค่าว่าสมควรมีที่อยู่ในบิลด์
สมมติสักครู่หนึ่งว่าคุณจะได้ทั้งสองอย่าง เพราะนั่นคือสถานการณ์ที่หมวดหมู่นี้กำลังมุ่งไป การแบ่งแยกนั้นชัดเจน
PAN 2 เป็นตัวกรองสำหรับแอ็กชันที่เป็นตัวเลือก การออกแบบของมันตั้งอยู่บนสมมติฐานว่ามีเอเจนต์อยู่ในลูปอยู่แล้ว โดยตัวให้เหตุผลเชิงแนวคิดคือโมเดลภาษาที่ทำตามคำสั่งใด ๆ ก็ได้ และ IFM ได้จัดอันดับสี่โมเดลจากความสำเร็จในการทำแผนให้ครบทั้งแผน ได้แก่ Claude Opus 5.5, GPT-6 Astra ที่ระดับความพยายามปานกลาง, Kimi K3 และ Qwen3.8-Flash ซึ่งบ่งบอกว่ารูปแบบที่ตั้งใจไว้คือตัวให้เหตุผลที่เสนอแผน แล้วมีตัวจำลองที่แสดงผลลัพธ์ของแผนเหล่านั้นเพื่อให้ตัวให้เหตุผลเลือกสักแผนหนึ่ง สิ่งที่ต้องนำมาวางแผนรับมือคือต้นทุนของลูปนั้น ไม่ใช่คุณภาพวิดีโอ เพราะการสุ่มตัวอย่าง 50 สเต็ปโดยมี guidance ในทุกสเต็ป เท่ากับการ forward pass หนึ่งร้อยครั้งผ่านทรานส์ฟอร์เมอร์ขนาด 29B ต่อคลิป และแผนแบบห้าตัวเลือกสิบสเต็ปก็คือห้าสิบคลิป
ช่อง reasoner นั้นเป็นส่วนเดียวของสแต็กที่ไม่ต้องใช้คลัสเตอร์ GPU และโมเดลที่ได้รับการจัดอันดับทั้งสี่ของ IFM อยู่ในแคตตาล็อกของ OrcaRouter การขับ prompt-rewriter ผ่าน API key เดียวช่วยให้คุณสลับ planner ต่อการทดลองแทนที่จะต่อสัญญา โดยมี failover อัตโนมัติที่รองรับการเสื่อมประสิทธิภาพของผู้ให้บริการ และ ราคาตามรายการของผู้ให้บริการที่ส่งผ่านด้วยมาร์กอัป 0% ดังนั้นการเปลี่ยนแปลงราคาของผู้ขายจะมีผลบน endpoint ในวันที่เกิดขึ้น ไม่ใช่หลังรอบจัดซื้อจัดจ้าง OrcaRouter ไม่ได้โฮสต์ PAN 2 และไม่สามารถ route ได้ — ครึ่งที่เป็น diffusion ยังคงอยู่บนฮาร์ดแวร์ของคุณ — แต่ครึ่งที่ตัดสินใจว่าจะจำลองอะไรนั้นเป็นงานข้อความทั่วไปที่คิดค่าบริการตามการใช้งาน และนั่นคือที่ที่ความแปรปรวนระหว่างการรันอยู่จริง
ABot-Earth คือโรงงานสร้างสภาพแวดล้อม ผลผลิตตามธรรมชาติของมันคือสถานที่ไว้ใส่อะไรบางอย่างลงไป ได้แก่ สนามฝึกซ้อมสำหรับเอเจนต์แบบมีร่างกาย แฝดดิจิทัล ข้อมูลการขับขี่สังเคราะห์ และเวทีสำหรับการจำลอง หากวันหนึ่งมันเปิดตัว API ออกมา เวิร์กโฟลว์ที่มันทำให้เกิดขึ้นได้จะเสริมกับของ PAN 2 มากกว่าจะซ้ำซ้อน — สร้างโลกขึ้นมาครั้งเดียว แล้วจำลองการกระทำต่าง ๆ ภายในโลกนั้น — และรูปแบบการส่งออกที่ Amap ประกาศไว้อยู่แล้วก็คือจุดเชื่อมต่อ
อะไรจะทำให้หน้านี้เปลี่ยนไป
สำหรับ ABot-Earth 0.7 มีสิ่งหนึ่งที่สำคัญเหนือสิ่งอื่นใด นั่นคือ API ที่เผยแพร่พร้อมราคา ขั้นตอนเดียวนี้เปลี่ยนไวท์ลิสต์ให้กลายเป็นตัวเลือกที่นำมาพิจารณา และทำให้การเปรียบเทียบต้นทุนกับค่าใช้จ่าย GPU ของ PAN 2 มีความหมาย เบื้องหลังสิ่งนี้มีunknownเล็ก ๆ สามข้อ ได้แก่ จะมีรายงานทางเทคนิคของ 0.7 ออกมาหรือไม่เลย โดยที่ 0.5 มีภายในไม่กี่วัน; น้ำหนักโมเดลจะเปิดหรือไม่ ซึ่งจะทำให้มันเป็นข้อเสนอที่แตกต่างอย่างแท้จริงสำหรับทีมจำลองที่ Amap บอกว่ากำลังจีบอยู่; และจะมีใครนอก Amap ที่ทำซ้ำข้ออ้างสิบรนาทีต่อตารางกิโลเมตรบนฮาร์ดแวร์ที่ตนมีหรือไม่
สำหรับ PAN 2 ชิ้นส่วนที่ยังขาดอยู่คือการศึกษาเรื่องความล้มเหลว การ์ดโมเดลของมันยอมรับว่าแผนจำลองประมาณสองในสามมีอย่างน้อยหนึ่งขั้นตอนที่ไม่ได้ดำเนินการ และยังไม่ได้วัดว่ามันจำลองแผนซึ่งควรล้มเหลวได้แม่นยำเพียงใด เครื่องจำลองที่ไม่สามารถแสดงผลลัพธ์ที่แย่ให้คุณเห็นได้ถือเป็นตัวกรองเพียงครึ่งเดียว การประเมินตัวเลขความสามารถอย่างอิสระก็จะช่วยได้เช่นกัน ตัวเลขทุกตัวในรายงานของ IFM มาจากฮาร์เนสของ IFM โดยมีการศึกษากับมนุษย์ที่ใช้คณะผู้ตรวจทาน 13 คน
เลือกอันไหน
ถ้าคุณต้องการสถานที่ — เมือง ภายในอาคาร ภูมิประเทศ หรืออะไรก็ตามที่คุณจะสร้างขึ้นใหม่ด้วยข้อมูลสำรวจ — PAN 2 ช่วยคุณไม่ได้ และ ABot-Earth 0.7 เป็นระบบที่น่าประทับใจกว่า แต่คุณยังใช้มันไม่ได้ในตอนนี้ ดังนั้นคำตอบในทางปฏิบัติคือให้ใช้ไปป์ไลน์การสร้างใหม่ปัจจุบันของคุณต่อไปและคอยจับตาดู API ถ้าคุณต้องการรู้ว่าการกระทำหนึ่งๆ ทำอะไรก่อนที่คุณจะลงมือ ABot-Earth ช่วยคุณไม่ได้เลย — ฉากแบบคงที่ไม่มีผลสืบเนื่องใดๆ อยู่ในนั้น — และ PAN 2 เป็นหนึ่งในไม่กี่โมเดล open-weight ที่พยายามทำ โดยเผยแพร่ทั้ง weights โค้ด สูตรการให้บริการ และอัตราความล้มเหลวทั้งหมด
การเปรียบเทียบที่ผู้คนค้นหา ราวกับว่าสิ่งเหล่านี้เป็นสินค้าคู่แข่งบนชั้นวาง ไม่มีอยู่จริง สิ่งที่มีอยู่คือหมวดหมู่หนึ่ง — เวิลด์โมเดล — ที่แยกออกตามแกนที่สื่อส่วนใหญ่ไม่ได้สนใจจะเรียกชื่อ ด้านหนึ่งจำลองว่าสิ่งต่างๆ อยู่ที่ไหน อีกด้านจำลองว่าอะไรจะเกิดขึ้นต่อไป ในปลายปี 2026 มีเพียงหนึ่งในนั้นที่มาพร้อมลิงก์ดาวน์โหลด
