PAN 2 กับ Qwen3.8-27B: คู่ต่อสู้อยู่ในโมเดลแล้ว

การเปรียบเทียบโมเดลส่วนใหญ่มีเส้นแบ่งที่ชัดเจน: เช็กพอยต์สองตัว ผู้จำหน่ายสองราย เลือกสักอย่าง กรณีนี้ไม่เป็นเช่นนั้น เพราะ Qwen วิ่งผ่านโครงสร้างระบบของ PAN 2 ในสามจุดพร้อมกัน PAN 2 โหลด Qwen3.5-9B เป็นตัวเข้ารหัสข้อความแบบแช่แข็ง ซึ่งเป็นองค์ประกอบที่เปลี่ยนคำบรรยายสถานะโลกแบบมีโครงสร้างให้เป็นฟีเจอร์เงื่อนไขที่ diffusion transformer ขนาด 29,000 ล้านพารามิเตอร์นำไปใช้ คะแนน PhyGround ในรายงานทางเทคนิคของ PAN 2 เองถูกตัดสินโดย Qwen3.8-27B ซึ่งตามชื่อแล้วเป็นโมเดลที่หน้านี้กำลังเปรียบเทียบด้วย และ Qwen3.8-Flashเป็นหนึ่งในตัวให้เหตุผลเชิงแนวคิดสี่ตัวที่รายงานใช้เป็นเกณฑ์ทดสอบสำหรับการเขียนคำบรรยายของ PAN 2 ตั้งแต่แรก ดังนั้นการวางกรอบอย่างตรงไปตรงมาจึงไม่ใช่ PAN 2 กับ Qwen3.8-27B แต่เป็นโมเดลโลกวิดีโอจาก Institute of Foundation Models ของ MBZUAI ที่เผยแพร่อย่างเงียบ ๆ และไม่เคยมีการเปิดตัว ตั้งอยู่บนองค์ประกอบของ Qwen ถูกให้คะแนนบางส่วนโดยผู้ตัดสิน Qwen เมื่อเทียบกับโมเดลภาษาภาพขนาด 27,000 ล้านพารามิเตอร์จาก Alibaba ซึ่งเป็นผลิตภัณฑ์ที่สมบูรณ์ในตัวเอง คำถามที่น่าสนใจคือความสัมพันธ์ใดในเหล่านั้นที่คุณควรให้ความสำคัญเมื่อคุณกำลังเลือกสิ่งที่จะนำไปใช้งาน

ดีเอ็นเอที่ใช้ร่วมกันหมายความว่าอะไร และไม่ได้หมายความว่าอะไร

ไม่ได้หมายความว่าโมเดลทั้งสองจะเปรียบเทียบกันได้ PAN 2 ส่งออกเป็นวิดีโอ ส่วน Qwen3.8-27B ส่งออกเป็นข้อความ ไม่มีสิ่งใดในเอนโคเดอร์ที่ใช้ร่วมกันจะเปลี่ยนข้อเท็จจริงนี้ และไม่มีเบนช์มาร์กใดที่มีอยู่ซึ่งจัดอันดับทั้งสองไว้เทียบกัน ใครก็ตามที่นำเสนอคะแนนแบบเผชิญหน้าโดยตรงกำลังนำเสนอเพียงความประทับใจ

สิ่งที่มันหมายความก็คือ การเปรียบเทียบนี้ให้ข้อมูลเกี่ยวกับแหล่งที่มามากเป็นพิเศษ เมื่อ PAN 2 อ่านคำบรรยายภาพของคุณ มันอ่านผ่านตัวเข้ารหัส Qwen ที่ MBZUAI ดาวน์โหลดมาโดยไม่ดัดแปลงจากที่เก็บของตัวเอง และการ์ดโมเดลระบุชัดเจนว่าน้ำหนัก Qwen3.5-9B ถูกใช้ตามที่เผยแพร่ และไม่ได้ผ่านการปรับแต่งละเอียดโดย MBZUAI งบโทเค็นที่ตัวตรวจสอบพรอมป์ต์บังคับใช้ — แบบซอฟต์ 1,480 โทเค็น แบบฮาร์ด 1,536 — เป็นงบของ Qwen3.5-9B ไม่ใช่ของ PAN 2 และเมื่อรายงานอ้างตัวเลข PhyGround ตัวเลขนั้นเกิดขึ้นจากการขอให้ Qwen3.8-27B ให้คะแนนวิดีโอที่สร้างขึ้นบนมาตรวัดห้าคะแนน ผู้ตัดสินคือคู่แข่ง

นั่นไม่ใช่เรื่องอื้อฉาว การใช้โมเดลเปิดที่แข็งแกร่งเป็นผู้ให้คะแนนอัตโนมัติเป็นแนวปฏิบัติมาตรฐาน และการเปิดเผยเรื่องนี้ก็ดีกว่าที่ห้องแล็บส่วนใหญ่ทำได้ แต่มันหมายความว่าสายโซ่หลักฐานของ PAN 2 ผ่านตระกูลโมเดลของ Alibaba ถึงสามจุดแยกกัน และหากคุณกำลังประเมิน PAN 2 คุณควรรู้ว่าตัวเลขใดเป็นการวัด PAN 2 และตัวเลขใดเป็นการวัด PAN 2 ในมุมมองของ Qwen

Qwen3.8-27B ในแบบฉบับของตัวเอง

โมเดลของ Alibaba เป็นวัตถุอีกประเภทหนึ่งโดยสิ้นเชิง: โมเดลภาษาชนิด causal ที่มีพารามิเตอร์ 27 พันล้านตัว พร้อมตัวเข้ารหัสภาพ สร้างบนสถาปัตยกรรม Qwen3.5 ด้วยโครงแบบไฮบริด — บล็อก Gated DeltaNet สามบล็อกที่ทำซ้ำสิบหกครั้ง ตามด้วยบล็อก Gated Attention หนึ่งบล็อก รวมทั้งหมด 64 ชั้น มีมิติซ่อน 5,120 และคำศัพท์แบบแพดขนาด 248,320 โทเคน ความยาวบริบทเริ่มต้นคือ 262,144 โทเคน และขยายได้ถึงหนึ่งล้านโทเคน เผยแพร่ภายใต้ Apache-2.0 ขึ้นบน Hugging Face เมื่อวันที่ 5 สิงหาคม 2026 และมียอดดาวน์โหลดรายเดือน 7.4 ล้านครั้ง

ตัวเลขจากผู้ผลิตนั้นแข็งแรง และการ์ดสเปกนี้ก็เป็นหนึ่งในชุดข้อมูลที่ครบถ้วนกว่าหลายตัวในกลุ่มโมเดล open-weights: GPQA Diamond 89.2, HLE 30.8, LiveCodeBench v6 90.3, SWE-bench Pro 61.7, Terminal-Bench 2.1 อยู่ที่ 73.0, OSWorld-Verified 84.3, OmniDocBench 1.5 อยู่ที่ 91.1, CharXiv reasoning 83.7, IFBench 79.5, CoWorkBench 70.7 บน MathVision รายงานว่าได้ 90.0 เมื่อไม่ใช้ chain-of-thought และ 94.6 เมื่อใช้ สิ่งเหล่านี้เป็นการประเมินของ Alibaba เองเทียบกับ baseline ของ Alibaba เอง ซึ่งเป็นข้อแม้เดียวกันกับตารางของผู้ผลิตทุกรายบนไซต์นี้ รวมถึงของ PAN 2 ด้วย

• รูปแบบข้อมูล — Qwen3.8-27B: รับข้อความ รูปภาพ และวิดีโอเข้า; ส่งออกเป็นข้อความ PAN 2: รับเฟรมแรก (ไม่บังคับ) พร้อมคำบรรยายแบบมีโครงสร้างเข้า; ส่งออกเป็น MP4

• ขนาด — Qwen3.8-27B: แบบ dense 27B, 64 เลเยอร์, พารามิเตอร์ safetensors ประมาณ 27.8 พันล้าน PAN 2: ทรานส์ฟอร์เมอร์แบบ diffusion ขนาด 29B ที่ 67.37 GB ใน BF16 พร้อมตัวเข้ารหัส Qwen3.5-9B แบบ frozen ที่ 15.87 GB และ Wan 2.2 VAE

• บริบท — Qwen3.8-27B: 262,144 โทเค็นแบบเนทีฟ สูงสุดถึงหนึ่งล้าน PAN 2: แคปชันเดียวจำกัดที่ {{1}}1,536 โทเค็นของตัวเข้ารหัสข้อความ{{/1}} และเฟรมเริ่มต้นหนึ่งเฟรม

• สัญญาอนุญาต — Qwen3.8-27B: Apache-2.0. PAN 2: Apache-2.0 สำหรับน้ำหนักของตนเอง โดยมีส่วนประกอบของบุคคลที่สามภายใต้ข้อกำหนดของตนเอง

• การเสิร์ฟ — Qwen3.8-27B: Transformers, vLLM, SGLang, TokenSpeed และเอนด์พอยต์ Qwen Cloud แบบโฮสต์ที่ Alibaba ระบุว่าจะเปิดให้บริการเร็ว ๆ นี้ PAN 2: Diffusers, vLLM-Omni และ generate.py ของรีโพซิทอรีเอง บนฮาร์ดแวร์ของคุณ และไม่มีอะไรถูกโฮสต์ที่ใดเลย

ทำไมการเลือกเอนโคเดอร์จึงเป็นบรรทัดที่ส่งผลกระทบมากที่สุดในการ์ดของ PAN 2

การตรึงเอนโคเดอร์ข้อความขนาด 9B และฝึกเฉพาะแบ็กโบน diffusion เป็นการตัดสินใจทางวิศวกรรมที่สมเหตุสมผล และนี่คือเหตุผลที่ส่วน diffusion ของ PAN 2 มีขนาด 29B ไม่ใช่ 40B มันยังกำหนดเพดานแบบตายตัวว่าสิ่งใดที่ PAN 2 จะถูกบอกได้ ตัวให้เหตุผลเชิงแนวคิดเขียนแคปชัน Qwen3.5-9B แมปแคปชันนั้นเป็นฟีเจอร์ และโมเดล diffusion เรนเดอร์จากฟีเจอร์เหล่านั้น สิ่งใดที่ Qwen3.5-9B ไม่สามารถแทนได้ PAN 2 ก็ไม่สามารถจำลองได้ ไม่ว่าแคปชันจะดีเพียงใด

สิ่งนี้อธิบายข้อจำกัดที่การ์ดระบุไว้อย่างตรงไปตรงมาและผู้อ่านส่วนใหญ่ข้ามไป: โมเดลไวต่อถ้อยคำในพรอมป์ ตัวอย่างที่อยู่นอกการแจกแจงของการฝึกต้องพึ่งพรอมป์ที่ปรับแต่งด้วยมือ และการกระทำแบบข้อความระบุการจัดการที่ต้องใช้ความคล่องแคล่วเพียงระดับหยาบ ๆ เท่านั้น สิ่งเหล่านี้ไม่ใช่ปัญหาสามเรื่องที่แยกจากกัน แต่เป็นปัญหาเดียวกันที่มองได้สามแง่ — รอยต่อระหว่างคำอธิบายภาษาและตัวเข้ารหัสข้อความแบบตายตัว โดยมีงบ 1,536 โทเคนและคำศัพท์ที่ตรึงไว้อยู่ฝั่งหนึ่ง

ลองเปรียบเทียบกับวิธีที่ Qwen3.8-27B จัดการงานเดียวกัน มันเป็นทั้งตัวให้เหตุผลและตัวเข้ารหัสในออบเจกต์เดียว มีหน้าต่าง 262,144 โทเคน การควบคุมการคิดแบบเนทีฟที่ปิดได้ต่อคำขอ ปุ่มปรับ reasoning_effort และ preserve_thinking สำหรับเก็บบริบทการให้เหตุผลข้ามเทิร์น ถ้างานของคุณคือการอธิบายฉากและแผนให้ละเอียดพอที่ระบบปลายน้ำจะลงมือทำได้ Qwen3.8-27B ถูกสร้างมาเพื่อสิ่งนั้น และ PAN 2 ถูกสร้างมาเพื่อใช้ผลลัพธ์ ทั้งสองไม่ได้แข่งขันกันในช่องเดียวกัน ตัวหนึ่งอยู่ต้นน้ำของอีกตัว

ความไม่สมมาตรของการนำไปใช้งานที่ไม่มีใครใส่ไว้ในตารางเปรียบเทียบ

Qwen3.8-27B เป็นโมเดลขนาดใหญ่ที่ทำงานได้เหมือนโมเดลขนาดใหญ่ทั่วไป พารามิเตอร์สองหมื่นเจ็ดพันล้านตัวที่ BF16 คิดเป็นน้ำหนักประมาณ 55 GB ซึ่งพอดีกับตัวเร่งความเร็วมืออาชีพขนาด 80 GB ตัวเดียว โดยยังเหลือที่สำหรับ KV cache และในสเปกยังระบุถึง serving stack สี่ตัว พร้อมปลายทางโฮสต์ที่เข้ากันได้กับ OpenAI ซึ่งกำลังจะตามมา คุณสามารถให้มันตอบคำขอได้ในบ่ายวันเดียวกับที่คุณตัดสินใจใช้งานมัน

PAN 2 มีขนาด 86.17 GB กระจายอยู่ในหกสิบไฟล์ และการคำนวณด้านการให้บริการทำเป็นหน่วย node-minutes การสุ่มตัวอย่างห้าสิบสเต็ปพร้อม classifier-free guidance ในทุกสเต็ปนั้นเท่ากับการทำ forward pass หนึ่งร้อยครั้งผ่าน transformer ขนาด 29B ต่อคลิปหนึ่งคลิป สูตรของ vLLM มีจุดเด่นคือวิดีโอขนาด 704×1248 ความยาวสิบสามวินาที ใช้เวลาประมาณ 119 วินาทีบน GPU B300 สี่ตัว โดยแบ่ง guidance แบบขนานข้ามสอง rank และใช้ Ulysses sequence parallelism อีกสอง rank ส่วนการกำหนดค่าเริ่มต้นคือ H200 แปดตัวใน BF16 พร้อม VAE patch parallelism ข้ามสี่ rank ในโหมด tile สคริปต์ inference ของรีโปเองนั้นเรียบง่ายกว่าแต่กินทรัพยากรกว่า: หนึ่ง worker ต่อหนึ่ง GPU โดยแต่ละตัวถือสำเนาเต็มของ transformer ขนาด 67.37 GB และแต่ละตัวรับพรอมป์ต์ทุกตัวที่ N

ถ้าเอามาวางเทียบกัน ข้อสรุปในทางปฏิบัติก็ไม่ได้ใกล้เคียงกันเลย การเรียกใช้ Qwen3.8-27B หนึ่งครั้งคือคำขอหนึ่งรายการ ส่วนคลิป PAN 2 หนึ่งคลิปคืองานแบบแบตช์ที่มีการจอง GPU แนบมาด้วย หากคุณมีวิดีโอ 20 วินาทีที่ต้องผลิตเพียงครั้งเดียว PAN 2 คือเวลาติดตั้งหนึ่งบ่ายบวกเวลเรนเดอร์สามนาที แต่หากคุณมีแผนหนึ่งพันแผนที่ต้องจำลอง คุณกำลังซื้อเวลาบนโหนด และการเปรียบเทียบที่สำคัญคือการเทียบกับโมเดลโลกแบบวิดีโออื่น ๆ ไม่ใช่การเทียบกับโมเดลภาษา

ที่เดียวที่ทั้งสองพบกันอย่างแท้จริง

การใช้งานตามวัตถุประสงค์ของ PAN 2 คือการให้เหตุผลเชิงจำลอง: เอเจนต์จินตนาการถึงผลลัพธ์ของแต่ละการกระทำที่เป็นทางเลือก จากนั้นจึงเลือกดำเนินการกับทางเลือกที่ดีที่สุด วงจรนั้นต้องมีตัววางแผนที่สร้างการกระทำที่เป็นทางเลือก และตัวจำลองที่แสดงผลลัพธ์ที่ตามมาของการกระทำเหล่านั้น Qwen3.8-27B เป็นตัววางแผนที่น่าเชื่อถือ — มีความสามารถในการทำตามคำสั่งที่โดดเด่นที่ 79.5 บน IFBench งานสำนักงานระยะยาวที่ 70.7 บน CoWorkBench และการเขียนโค้ดในเทอร์มินัลแบบเอเจนต์ที่ 73.0 บน Terminal-Bench 2.1 — และมันอยู่ในวงจรอยู่แล้ว เนื่องจาก MBZUAI ใช้มันในการตัดสิน PhyGround และใช้ Qwen3.8-Flash เป็นหนึ่งในผู้เขียนคำบรรยายสี่ราย

หากคุณสร้างลูปนั้น ตัววางแผนคือส่วนที่คุณซื้อได้เป็นรายโทเคน และตัวจำลองคือส่วนที่คุณซื้อไม่ได้ Qwen3.8-27B อยู่บน OrcaRouter ดังนั้นคีย์ API เพียงคีย์เดียวจะทำให้คุณได้ตัววางแผนที่มีการสลับระบบสำรองอัตโนมัติเมื่อเกิดข้อขัดข้อง มีกฎการกำหนดเส้นทางว่าคำขอใดไปที่ใด และราคาตามรายการของผู้ให้บริการพร้อมกับ มาร์กอัป 0% ที่ส่งต่อ — รวมถึงการลดราคาของ Alibaba เองในวันที่ประกาศใช้ OrcaRouter ไม่ได้โฮสต์ PAN 2 และไม่สามารถกำหนดเส้นทางไปยัง PAN 2 ได้; ไม่มีใครโฮสต์ PAN 2 การแยกส่วนนี้ไม่ใช่ข้อจำกัดของเราเตอร์ แต่เป็นรูปร่างของตลาด: โมเดลภาษาที่โฮสต์แล้วเป็นสินค้าโภคภัณฑ์ ส่วนโมเดลโลกวิดีโอแบบโฮสต์ยังไม่มีอยู่จริง

ยังมีเหตุผลข้อที่สองที่เงียบกว่าในการเลือกเส้นทางให้ planner แทนการกำหนดตัวใดตัวหนึ่งไว้ตายตัว รายงานของ PAN 2 จัดอันดับระบบให้เหตุผลสี่ตัวตามอัตราการทำแผนให้เสร็จสมบูรณ์ และลำดับที่ได้ไม่ใช่อย่างที่คนส่วนใหญ่คาดเดา — Claude Opus 5.5 อยู่อันดับหนึ่ง, GPT-6 Astra ที่ระดับความพยายามปานกลางอยู่อันดับสอง, Kimi K3 อันดับสาม, Qwen3.8-Flash อันดับสี่ ลำดับนั้นวัดจากพรอมต์ของ MBZUAI ด้วยนโยบายคำบรรยายและตัวตรวจสอบของพวกเขา ลำดับของคุณจะแตกต่างออกไป การที่สามารถรันการเปรียบเทียบซ้ำได้โดยไม่ต้องปรับโครงสร้างระบบของคุณใหม่ มีค่ามากกว่าการเลือกโมเดลใดโมเดลหนึ่งในนั้น

จะทำอย่างไรกับการเปรียบเทียบนี้

ถ้าคุณมาที่นี่เพื่อเลือกสักตัว คำตอบที่ซื่อสัตย์คือคำถามนี้ตั้งไว้ผิดตั้งแต่ต้น Qwen3.8-27B เป็นโมเดลภาพ-ภาษาเอนกประสงค์ที่คุณสามารถให้บริการได้วันนี้บน accelerator หนึ่งตัว หรือเช่าใช้แบบคิดตามโทเคนในสัปดาห์หน้า ส่วน PAN 2 เป็นชิ้นงานวิจัยที่แสดงผลลัพธ์ตามมา ต้องใช้โหนดหลาย GPU ไม่มี endpoint ที่โฮสต์ไว้ และ ณ วันที่ 11 พฤศจิกายน 2026 มันยังไม่เคยถูกเปิดตัวโดยผู้เขียนของมันเอง — โพสต์หนึ่งโพสต์ความยาวสองย่อหน้าบนบัญชี X ของแล็บคือประกาศทั้งหมด รีโพซิทอรี Hugging Face ของมันลงวันที่ 7 ตุลาคม รีโพซิทอรี GitHub ลงวันที่ 5 พฤศจิกายน และสิ่งสาธารณะที่มีนัยสำคัญที่สุดที่เกิดขึ้นกับมันคือการ merge การรองรับ Day-0 ของ vLLM-Omni เมื่อวันที่ 10 พฤศจิกายน

การเปรียบเทียบที่คุ้มค่าจะต้องแคบลงกว่านี้ หากไปป์ไลน์ของคุณต้องการตัววางแผน Qwen3.8-27B ถือเป็นตัวเลือกที่แข็งแกร่ง มีเอกสารประกอบครบถ้วน และใช้ Apache-2.0 และการตัดสินใจนี้เป็นการตัดสินใจเรื่องการกำหนดเส้นทาง หากไปป์ไลน์ของคุณจำเป็นต้องเห็นว่าการกระทำหนึ่ง ๆ ให้ผลอย่างไรก่อนจะลงมือทำ PAN 2 เป็นหนึ่งในไม่กี่รุ่นที่เปิดน้ำหนักซึ่งพยายามทำสิ่งนี้ มันจะทำงานบนองค์ประกอบของ Qwen ไม่ว่าคุณจะสังเกตเห็นหรือไม่ก็ตาม และสรุปความสามารถของมันอย่างตรงไปตรงมาคือประโยคในส่วนข้อจำกัดของมันเอง: ประมาณสองในสามของแผนจำลองมีอย่างน้อยหนึ่งขั้นตอนที่ไม่ได้รับการดำเนินการ นั่นคือตัวเลขที่ต้องใช้ในการวางแผน และเป็นตัวเลขเดียวในการเปรียบเทียบทั้งหมดนี้ที่ไม่มีเอนโคเดอร์ ตัวตัดสิน หรือเราเตอร์ใด ๆ ปรับปรุงให้คุณได้