PAN 2 vs SKY-001: ตัวหนึ่งจำลองสิ่งที่จะเกิดขึ้นต่อไป อีกตัววาดสิ่งที่ต้องสร้าง

{{1}}Kimi K3{{/1}} ปรากฏในเอกสารเปิดตัวทั้งสองฉบับ ในช่วงสองสัปดาห์เดียวกัน โดยทำงานที่ตรงกันข้ามกัน ในรายงานทางเทคนิคของ {{2}}PAN 2{{/2}} มันคือตัวให้เหตุผลเชิงแนวคิด — โมเดลภาษาที่อ่านคำขอแล้วเขียนคำบรรยายที่มีโครงสร้างและยึดโยงกับเวลา ซึ่งทรานส์ฟอร์เมอร์แบบ diffusion ขนาด {{3}}29 พันล้านพารามิเตอร์{{/3}} เปลี่ยนเป็นวิดีโอ ในตาราง {{4}}Skyfall{{/4}} ที่ชื่อ {{5}}SKY-001{{/5}} มันเป็นคู่แข่งแบบ baseline ที่ถูกขอให้วาดชุดประกอบ CAD ด้วยตัวเอง โดยจำลองเรขาคณิตอ้างอิงได้ {{6}}9.5%{{/6}} ด้วย intersection-over-union การเปิดตัวครั้งหนึ่งใช้โมเดลภาษาระดับแนวหน้าเพื่อเขียนแผน ส่วนอีกครั้งวัดว่าโมเดลภาษาระดับแนวหน้าล้มเหลวในการวาด ความแตกต่างนี้เป็นแนวทางที่ดีกว่าสำหรับสองโมเดลนี้มากกว่าป้ายชื่อที่ทั้งคู่ใช้ร่วมกัน {{7}}PAN 2{{/7}} คือเวิลด์โมเดลของ {{8}}Institute of Foundation Models{{/8}} ที่ {{9}}MBZUAI{{/9}} มีน้ำหนักโมเดล {{10}}Apache-2.0{{/10}} บน {{11}}Hugging Face{{/11}} ตั้งแต่ {{12}}7 ตุลาคม 2026{{/12}} โค้ดตั้งแต่ {{13}}5 พฤศจิกายน{{/13}} และประกาศจากเจ้าของโครงการเมื่อ {{14}}10 พฤศจิกายน{{/14}} และมันทำนายได้นานถึง {{15}}ยี่สิบวินาที{{/15}} ของวิดีโอ {{16}}704×1248{{/16}} จากเฟรมแรกแบบไม่บังคับพร้อมกับการกระทำที่อธิบายในข้อความ {{17}}SKY-001{{/17}} เป็นโมเดลวิศวกรรมของ {{18}}Skyfall AI{{/18}} ประกาศเมื่อ {{19}}19 ตุลาคม 2026{{/19}} ยังคงอยู่ในรายการรอ โดยตั้งเป้าการใช้งานเชิงพาณิชย์ไว้ที่ {{20}}ต้นปี 2027{{/20}} และมันทำนายลำดับขั้นตอนการวาดที่เรียงตามลำดับซึ่งสร้างชิ้นส่วน CAD หรือผังพื้น

ทั้งสองวันที่ไม่ใช่วันนี้ และไม่มีสิ่งใดด้านล่างที่ถูกนำเสนอในฐานะการเปิดตัว ต่อไปนี้คือสิ่งที่แต่ละโมเดลคำนวณจริง จุดที่แต่ละตัวอ่อนแอตามตัวเลขของมันเอง และปัญหาของคุณต้องการตัวใดในสองตัวนี้

กำลังมีการทำนายสองสิ่งที่แตกต่างกัน

เชนของ PAN 2 มีโมเดลภาษาอยู่ในนั้น ตัวให้เหตุผลเชิงแนวคิด — โมเดลใดก็ตามที่ทำตามคำสั่งได้ — อ่านข้อสังเกตและการกระทำที่ร้องขอ แล้วเขียนสถานะโลกถัดไปเป็นคำบรรยายแบบมีโครงสร้าง ได้แก่ เหตุการณ์ตามลำดับ การกระทำที่ผูกกับผู้กระทำ และการเคลื่อนกล้อง ตัวเข้ารหัสข้อความ Qwen3.5-9B ที่ถูกแช่แข็งจะแปลงคำบรรยายนั้นเป็นฟีเจอร์เงื่อนไข ทรานส์ฟอร์เมอร์การแพร่แบบมัลติโมดัลขนาด 29B ซึ่งฝึกตั้งแต่ต้นบนวิดีโอที่กำกับด้วยรูปแบบเดียวกัน จะทำนายเลเทนต์ที่คำบรรยายยังเปิดไว้ โดยมีเงื่อนไขจากคำบรรยายนั้นและจากเลเทนต์ VAE ของเฟรมเริ่มต้น และตัวถอดรหัส Wan 2.2 จะเรนเดอร์เลเทนต์เหล่านั้น แซมเพลอร์ค่าเริ่มต้นใช้ 50 สเต็ปที่ flow shift 9 พร้อม classifier-free guidance 2.5 ในทุกสเต็ป และเช็กพอยต์มีขนาด 86.17 GB กระจายอยู่ในหกสิบไฟล์

เชนของ SKY-001 กลับมีลำดับชั้นอยู่ภายในแทน Hierarchical Composer รับเจตนาการออกแบบ — ไม่ว่าจะเป็นภาพ ข้อความ หรือเปลือกอาคารพร้อมบรีฟ — สร้างงานออกแบบทั้งหมด แล้วแยกออกเป็นทีละระดับและปรับแต่งแต่ละโหนดใบพร้อมกัน จากนั้น Construction World Model จะทำนายลำดับของสถานะภาพที่สร้างแต่ละโหนดใบ: ใน CAD เป็นเชนของสถานะทรงตัน 3D ที่มีภาพร่าง 2D วาดอยู่ระหว่างคู่ที่ต่อเนื่องกันแต่ละคู่; ใน BIM เป็นแปลนพื้นที่วาดทีละเส้น การวาดทำงานเป็นการแพร่กระจายแบบสองรอบ รอบแรกเป็นการโรลเอาต์หยาบในพื้นที่แฝงแบบบีบอัดจากออโตเอนโคเดอร์สไตล์ Matryoshka แล้วจึงเป็นตัวปรับละเอียดที่คืนความละเอียดเต็ม ทั้งสองขั้นตอนเป็น diffusion transformer; ทั้งคู่ไม่ได้ทำนายโทเค็น Skyfall ยังไม่ได้เผยแพร่จำนวนพารามิเตอร์ เวต สัญญาอนุญาต หรือ API

• สิ่งที่ถูกทำนาย — PAN 2 ทำนายการสังเกตถัดไปในรูปแบบพิกเซล โดยอิงจากการกระทำ; SKY-001 ทำนายสถานะการก่อสร้างถัดไปในรูปแบบรูปทรงตันหรือเส้นขีด โดยอิงจากเจตนา

• การที่เวลาเข้ามาเกี่ยวข้อง — PAN 2 ทำงานบนนาฬิกาจริง โดยค่าเริ่มต้นที่ 241 เฟรม (ประมาณสิบวินาที) และสูงสุด 481 เฟรม (ยี่สิบวินาที) ที่ 24 fps; SKY-001 ทำงานตามลำดับเชิงกระบวนการประมาณ 100 ขั้นตอนการวาดต่อหนึ่งองค์ประกอบ CAD และ 70 ขั้นตอนต่อแผนผังพื้น โดยไม่มีนาฬิกาจริงอยู่เลยในระบบ

• ไม่ว่าจะมีการอ้างถึงฟิสิกส์หรือไม่ — PAN 2 ได้รับการให้คะแนนตามความสมเหตุสมผลทางกายภาพโดยตรง สื่อของ SKY-001 ไม่ได้กล่าวอ้างเรื่องพลศาสตร์เลย เพราะสิ่งที่มันวาดคือการออกแบบ ไม่ใช่การเคลื่อนไหว

• สิ่งที่คุณได้รับ — ไฟล์ MP4 ที่คุณดูได้ เทียบกับเรขาคณิตที่คุณให้คะแนนด้วย IoU เทียบกับรูปร่างอ้างอิง

• ค่าน้ำหนักโมเดล — ดาวน์โหลดภายใต้ Apache-2.0 สำหรับ PAN 2; ไม่มีการเผยแพร่ใด ๆ สำหรับ SKY-001

• ราคา — เวลา GPU ที่คุณสามารถกำหนดขนาดได้สำหรับ PAN 2; รายการรอสำหรับ SKY-001

ทั้งคู่เป็นแบบสองขั้นตอน และคอขวดอยู่คนละจุด

เดิมพันทางวิศวกรรมร่วมกันคือการแบ่งงานออกเป็นส่วน ๆ ขั้นหนึ่งรับผิดชอบโครงสร้าง — คำอธิบายแบบเรียงลำดับว่าควรเกิดอะไรขึ้น — และอีกขั้นหนึ่งเติมรายละเอียดที่คำอธิบายนั้นยังเปิดอยู่ PAN 2 ทำสิ่งนี้ด้วยแคปชันและแบ็กโบนแบบ diffusion ส่วน SKY-001 ทำด้วยลำดับชั้นของเป้าหมายย่อยและโมเดลการก่อสร้างต่อโหนดใบ เมื่อวางสองการเปิดตัวนี้เทียบกัน คำถามที่น่าสนใจก็จะไม่ใช่สถาปัตยกรรมใดดีกว่า แต่เป็นว่าขั้นตอนใดกันแน่ที่กำลังทำให้คุณเสียต้นทุนจริง ๆ

สำหรับ PAN 2 นั่นคือตัววางแผน และรายงานระบุเช่นนั้นถึงสองครั้ง บน Physics-IQ Verified ซึ่งเป็นเบนช์มาร์ก image-to-video ที่ปรับมาตรฐานให้ช่วงต่างระหว่างสองเทกจริงของฉากเดียวกันได้คะแนน 100 PAN 2 ทำได้ 93.2 ± 0.8 เมื่อ Claude Opus 5.5 เป็นผู้เขียนคำบรรยาย และ 90.9 ± 0.4 กับค่าเริ่มต้นของระบบ โดยใช้ซีด 123 ถึง 126 การสลับโมเดลภาษาที่เขียนคำบรรยายทำให้คะแนนขยับ 2.3 คะแนนบนสเกล 100 คะแนน ซึ่งคะแนนสมบูรณ์หมายถึงแยกไม่ออกจากฟุตเทจจริง รูปแบบเดียวกันปรากฏในข้อจำกัดของการ์ดโมเดล: แผนจำลองประมาณสองในสามมีอย่างน้อยหนึ่งขั้นตอนที่ไม่ถูกดำเนินการ กรณีศึกษาของเอเจนต์อาศัยพรอมต์ที่ปรับแต่งด้วยมือ การกระทำที่ต้องใช้ความคล่องแคล่ว เช่น ตำแหน่งที่นิ้วแต่ละนิ้วสัมผัสวัตถุ ถูกระบุในข้อความอย่างหยาบ ๆ เท่านั้น และคำบรรยายถูกตรวจสอบเทียบกับขีดจำกัดแบบซอฟต์ที่ 1,480 และความจุแบบฮาร์ดที่ 1,536 โทเคน ตัวเรนเดอร์ไม่ใช่ปัญหาที่ถูกรายงาน ปัญหาคือประโยคที่อธิบายฉาก

สำหรับ SKY-001 ตัว planner ไม่ได้ถูกวัดเป็นขั้นตอนแยกต่างหาก ดังนั้นคอขวดที่รายงานจึงเป็น renderer ในเบนช์มาร์กการสร้างแบบ CAD ของ Skyfall ซึ่งเป็นชิ้นส่วน 1,000 ชิ้นที่สุ่มจากวัตถุต่าง ๆ เช่น Jaguar E-Type Roadster แขนเชื่อม FANUC ArcMate 100iB และเฮลิคอปเตอร์ Bell 222 โดยแต่ละชิ้นใช้ขั้นตอนการวาดประมาณ 100 ขั้น SKY-001 สร้างเรขาคณิตอ้างอิงได้ซ้ำ 79.7% เมื่อวัดด้วยค่าเฉลี่ย IoU เทียบกับ 79.1% สำหรับ GPT-6 Astra และ 76.9% สำหรับ Gemini 4 ในเบนช์มาร์ก BIM ซึ่งมีแปลนพื้น 1,000 แปลนที่ประมาณ 70 ขั้นตอนการวาดต่อแปลน ทำได้ 43.6% เทียบกับ 42.3% สำหรับ Gemini 3.8 Flash และ 40.6% สำหรับ GPT-6 Astra 0.6 จุดและ 1.3 จุดคือแต้มนำด้านสถาปัตยกรรม ตัวเลขสัมบูรณ์คือไม่ถึงครึ่งหนึ่งของแปลนพื้นหนึ่งแปลน

เมื่ออ่านร่วมกัน และอ่านเพียงเพื่อดูขนาดเชิงสัมพัทธ์ภายในรายงานของแต่ละผู้ขายเท่านั้น planner คือคันโยกที่ใหญ่กว่าในเอกสารทั้งสองฉบับ การเปลี่ยนผู้เขียนคำบรรยายของ PAN 2 ทำให้มันขยับไปได้ไกลกว่าความได้เปรียบเชิงสถาปัตยกรรมทั้งหมดของ SKY-001 ที่มีเหนือคู่แข่งที่ใกล้ที่สุดเสียอีก benchmark แตกต่างกันและคะแนนก็เทียบกันไม่ได้ ประเด็นอยู่ที่ว่าความแปรปรวนของแต่ละทีมอยู่ตรงไหน

แบบทดสอบเหล่านี้ไม่มีฮาร์เนส ตัวตัดสิน หรือนโยบายพื้นฐานที่ใช้ร่วมกัน

PAN 2 ถูก รายงานในสี่วิธี และสามวิธีเกี่ยวข้องกับวิจารณญาณของผู้อื่น Physics-IQ Verified เป็น Benchmark สาธารณะที่มีการตั้งค่าบนกระดานจัดอันดับ และรายการที่ส่งเข้าของ PAN 2 ใช้ Claude Opus 5.5 เป็นตัวให้เหตุผล ขณะที่คอลัมน์ค่าเริ่มต้นของระบบรันไปป์ไลน์ของผู้แข่งขันแต่ละรายตามที่ IFM ขับเคลื่อน PhyGround เป็นมาตรา 5 ระดับที่ตัดสินโดย Qwen3.8-27B กล่าวคือเป็นความเห็นของโมเดลอื่นมากกว่าการวัดทางกายภาพ PAN 2 ได้ 3.98 และ 4.11 ในการกำหนดค่าสองแบบที่รายงานระบุ RBench เป็นค่าเฉลี่ยแบบไม่ถ่วงน้ำหนักจากหมวดงาน 5 หมวดและหมวด embodiment 4 หมวด คูณด้วย 100 โดย PAN 2 ได้ 83.7 และ 73.5 baseline ของโมเดลแบบปิดมีเครื่องหมาย † เพราะสร้างเพียงครั้งละหนึ่งครั้งแทนที่จะสร้างซ้ำหลายซีด นอกจากนี้ยังมีการศึกษามนุษย์แบบ blind: 140 พรอมป์ ผู้ตรวจสอบ 13 คน การเปรียบเทียบแบบเป็นคู่ 1,400 ครั้ง ปรับให้เข้ากับโมเดล Bradley–Terry โดยมี Elo มีศูนย์กลางที่ 1500 และช่วงความเชื่อมั่น 95% และยังมีฮาร์เนสของ IFM เอง — กรณีทดสอบการกระทำเดี่ยว 300 กรณี แบ่งเป็น 201 image-to-video และ 99 text-to-video ครอบคลุม 6 ความสามารถ พร้อมงาน egocentric หลายขั้นตอน 100 งาน ที่ตั้งเป็นพรอมป์ 200 รายการและ 456 ขั้นตอน รายงานเป็นค่าเฉลี่ย ± ส่วนเบี่ยงเบนมาตรฐานจากสามซีด

SKY-001 ถูกนำเสนอในสองแบบ ทั้งสองแบบเป็นของ Skyfall ทั้งสองให้คะแนนด้วย IoU เทียบกับรูปร่างอ้างอิง และทั้งสองใช้โมเดลคู่แข่งที่ Skyfall เป็นผู้ขับเคลื่อนด้วยการพรอมต์แบบ one-shot ไม่มีแถบความคลาดเคลื่อนในข้อมูลใด ๆ เลย และยังไม่มีบุคคลที่สามรายใดจำลองตัวเลขขึ้นมาได้ การอ่านตารางอย่างละเอียดเผยให้เห็นสามสิ่งที่น่าจะรู้ไว้ก่อนนำไปอ้างอิง

อย่างแรก หน้าเว็บของผู้ขายเองขัดแย้งกันเอง แผง 3D CAD บนหน้าผลิตภัณฑ์แสดง SKY-001 ที่ 76.1% เทียบกับ GPT-6 Astra ที่ 73.4% โดย Claude Opus 5.5 อยู่ที่ 61.8%, Gemini 3.8 Flash ที่ 45.9%, Qwen 3.8 Max ที่ 26.6% และ Kimi K3 ที่ 6.5% ส่วนเบนช์มาร์กด้านการก่อสร้างรายงาน 79.7% เทียบกับ 79.1% งานต่างกัน คะแนนต่างกัน แต่มีชื่อโมเดลเดียวกันในทั้งสองแห่ง — และ Claude Opus 5.5 ซึ่งเป็นโมเดลให้เหตุผลที่ดันตัวเลข Physics-IQ ของ PAN 2 กลับปรากฏในเพียงหนึ่งในนั้นเท่านั้น

ประการที่สอง ตัวคูณความเร็วถูกระบุไว้สามแบบในเอกสารสามฉบับที่เผยแพร่ในวันเดียวกัน: 51× ในแผนภูมิของบล็อก, 49× บนหน้าสินค้า, 100× ในข่าวประชาสัมพันธ์ การคำนวณทางคณิตศาสตร์เป็นตัวตัดสิน — 199 วินาทีหารด้วย 3.9 ได้ 51.0 — แต่สิ่งนี้บ่งชี้ว่าตัวเลขในพาดหัวถูกเขียนโดยคนละคนที่ไม่ได้รับการตรวจเทียบงานของกันและกัน

ประการที่สาม คอลัมน์ต้นทุนไม่ได้อธิบายไว้ Skyfall รายงานว่า 0.005 ดอลลาร์ต่อเคส CAD และ 0.0024 ดอลลาร์ต่อแผน แต่ไม่ได้ระบุว่านั่นคือราคาตามรายการ เวลา GPU ที่เช่า หรือต้นทุนการอนุมานแบบโฮสต์เองที่ตัดจำหน่ายแล้ว สิ่งเหล่านี้เป็นข้อกล่าวอ้างที่แตกต่างกันสามแบบ และความแตกต่างนี้สำคัญที่สุดสำหรับโมเดลที่ Skyfall รันเองแทนที่จะเรียกใช้ผ่านบริการอื่น

ไม่มีส่วนใดในนั้นทำให้เรื่องราวประสิทธิภาพของ SKY-001 กลายเป็นผิด ความได้เปรียบด้านความเร็ว 51 เท่าและด้านต้นทุน 150 เท่าเหนือคู่แข่งที่ดีที่สุด โดยมีความแม่นยำที่สูสีกัน ถือเป็นข้ออ้างที่เป็นจริงเกี่ยวกับภาระงานจริง สิ่งนี้ทำให้มันยังไม่ได้รับการตรวจสอบยืนยัน ซึ่งเป็นคนละเรื่องกัน

ค่าใช้จ่ายในการดำเนินงานอยู่ที่เท่าไร และเราสามารถรู้ค่าใช้จ่ายนั้นได้มากน้อยเพียงใด

การประมวลผลของ PAN 2 ถูกเผยแพร่ในรูปแบบสูตรที่คุณสามารถคำนวณราคาได้เอง การติดตั้งใช้งานเริ่มต้นคือ H200 จำนวนแปดตัวใน BF16 โดยแยก classifier-free guidance กระจายไปยังสองแร็งก์ และใช้ Ulysses sequence parallelism กระจายไปยังอีกสองแร็งก์ พร้อมกับแพตช์การถอดรหัส VAE กระจายไปยังสี่ไทล์ สูตรการให้บริการระบุว่าวิดีโอ 704×1248 ความยาวสิบสามวินาทีใช้เวลาประมาณ 119 วินาทีบน B300 จำนวนสี่ตัว ไม่มีราคาต่อวินาทีแบบกำหนดตายตัว เพราะ IFM ไม่ได้ให้บริการปลายทางแบบโฮสต์ ตัวเลขที่คุณควรสนใจคือราคาที่ผู้ให้บริการของคุณเรียกเก็บสำหรับ GPU คูณกับจำนวนวินาทีต่อคลิปที่คุณสร้างจริง

ความสามารถในการประมวลผลของ SKY-001 ไม่ได้เผยแพร่ในรูปแบบใดที่คุณสามารถนำไปกำหนดราคาได้ ไม่มีจำนวนพารามิเตอร์ ไม่มีคำอธิบายฮาร์ดแวร์ ไม่มีตัวเลขอัตราการประมวลผล และไม่มีเอนด์พอยต์ สิ่งที่มีอยู่คือต้นทุนจากผู้ขายต่อเคสซึ่งไม่เปิดเผยองค์ประกอบ และแบบฟอร์มรายชื่อรอ

ความไม่สมมาตรนี้เป็นตัวชี้ขาดในการเปรียบเทียบครั้งนี้มากกว่าช่องว่างของคะแนน benchmark เสียอีก หนึ่งในโมเดลเหล่านี้สามารถนำมาทดสอบกับข้อมูลของคุณเองได้ในบ่ายวันนี้ บนฮาร์ดแวร์ของคุณเอง ในต้นทุนที่คุณคาดการณ์ได้ ส่วนอีกโมเดลหนึ่งนั้นทำได้เพียงอ่านเกี่ยวกับมันเท่านั้น

ส่วนประกอบเดียวของทั้งสองสแตกที่คุณเช่าใช้ได้ในวันนี้

ทั้ง PAN 2 และ SKY-001 ไม่ได้อยู่บน OrcaRouter และทั้งคู่ไม่สามารถกำหนดเส้นทางผ่านมันได้: PAN 2 เป็น checkpoint ขนาด 86 GB ที่คุณติดตั้งใช้งานเอง และ SKY-001 ไม่มี API ให้เรียกใช้ ส่วนหนึ่งของไปป์ไลน์ของ PAN 2 ที่เป็นโมเดลโฮสต์ปกติคือส่วนแรก — ตัวให้เหตุผลเชิงแนวคิดที่เปลี่ยนคำขอของคุณให้เป็นคำบรรยายสถานะโลก IFM ประเมินสี่ตัวตามลำดับการทำแผนทั้งหมดให้เสร็จสมบูรณ์: Claude Opus 5.5, GPT-6 Astra ที่ความพยายามระดับปานกลาง, Kimi K3 และ Qwen3.8-Flash และระบุว่าโมเดลที่ปฏิบัติตามคำสั่งใด ๆ ก็ใช้ได้Qwen3.8-Flash อยู่ในแคตตาล็อกของ OrcaRouter ซึ่งหมายความว่าขั้นตอนการสร้างคำบรรยายของการติดตั้งใช้งาน PAN 2 สามารถทำงานได้ด้วยคีย์เดียวพร้อมราคาตามรายการของผู้ให้บริการที่ส่งต่อโดยบวกเพิ่ม 0% และด้วยการสลับไปยังผู้ให้บริการสำรองอัตโนมัติ หากผู้ให้บริการมีประสิทธิภาพลดลงกลางชุดแผน ควรกำหนดค่านี้ก่อนขั้นตอน diffusion ไม่ใช่หลังจากนั้น: ตัววางแผนคือจุดที่มีความแปรปรวนที่วัดได้ ดังนั้นจึงเป็นขั้นตอนที่ควรทดสอบโมเดลที่ถูกกว่าและผู้ให้บริการรายที่สองเทียบกันด้วยพรอมต์ของคุณเอง

คุณกำลังถือปัญหาอะไรอยู่จริง ๆ

หากสิ่งที่คุณต้องการคือการคาดการณ์ว่าการกระทำหนึ่งจะส่งผลต่อฉากอย่างไร ในระดับพิกเซล ในช่วงไม่กี่วินาทีข้างหน้า — สำหรับเอเจนต์ที่ต้องการจินตนาการถึงผลลัพธ์ก่อนตัดสินใจ หรือสำหรับไปป์ไลน์วิดีโอที่ฟิสิกส์ต้องคงอยู่ — PAN 2 คือหนึ่งในสองตัวนี้ที่สร้างมาเพื่อสิ่งนั้น และคุณใช้ได้เลยตอนนี้ ตั้งงบประมาณสำหรับขั้นตอนแคปชันและสำหรับการ์ดเรล: IFM มีรีโพซิทอรีการ์ดเรลแยกต่างหากที่คัดกรองคำขอด้วย Qwen3Guard-Gen-4B ก่อนการสร้าง และคัดกรองเอาต์พุตด้วยตัวจำแนกเฟรม Q16 หลังการสร้าง และในการประเมินภายใน การจับคู่นี้ลดสัดส่วนคำขอแปลงข้อความเป็นวิดีโอที่เป็นอันตรายซึ่งสร้างวิดีโอไม่ปลอดภัยจาก 33.9% เหลือ 1.5% พร้อมทั้งยังหยุดคำขอแปลงข้อความเป็นวิดีโอที่ไม่เป็นอันตราย 11.5% และคำขอแปลงภาพเป็นวิดีโอที่ไม่เป็นอันตราย 3.3% ชั้นความปลอดภัยที่ทำให้คุณเสียคำขอที่ไม่เป็นอันตรายหนึ่งในเก้าคำขอถือเป็นต้นทุนการผลิตจริง ไม่ใช่หมายเหตุเล็ก ๆ

หากสิ่งที่คุณต้องการคือเจตนาการออกแบบที่แปลงเป็นเรขาคณิต CAD หรือ BIM แล้วล่ะก็ SKY-001 เป็นเพียงตัวเดียวในสองตัวที่มุ่งเป้าไปที่สิ่งนั้น และคุณยังไม่สามารถมีมันได้ ตัวแทนที่ตรงไปตรงมาในวันนี้คือโมเดลภาษาชั้นแนวหน้าที่เชื่อมต่อเข้ากับเครื่องมือ CAD ของคุณ ซึ่งเป็นชุดการตั้งค่าที่ตารางของ SKY-001 เองวัดไว้พอดี โดยมีค่า IoU ตั้งแต่ 9.5% ถึง 42.3% ขึ้นอยู่กับโมเดลและงาน นั่นคือเหตุผลที่รายชื่อรอทำงานจริงแทนที่จะเป็นงานการตลาด: ทางเลือกไม่ใช่คู่แข่ง แต่เป็นตัวเลขที่แย่กว่า

ถ้าสิ่งที่คุณต้องการคือเอนจินฟิสิกส์ ก็ไม่ใช่ทั้งสองตัว การจำลองของ PAN 2 เป็นการพยากรณ์ การ์ดของมันระบุไว้ตรงตัว และรายการข้อจำกัดของมันเองก็รวมถึงการจำลองที่ดำเนินไปโดยละเมิดข้อจำกัดทางฟิสิกส์ — พาสต้าปรากฏในกระชอนก่อนจะถูกสะเด็ดน้ำ SKY-001 วาดแบบและไม่มีการอ้างอิงใด ๆ เกี่ยวกับพลศาสตร์เลย การเรียกทั้งสองตัวว่าเวิลด์โมเดลนั้นถูกต้องตามความหมายที่สองทีมใช้คำนี้ และชวนเข้าใจผิดตามความหมายที่เกมเอนจินใช้

สิ่งที่ต้องจับตาดูไม่ใช่ benchmark ครั้งถัดไป แต่คือว่ามีใครนอกบริษัททั้งสองนี้สามารถสร้างตัวเลขขึ้นมาซ้ำได้หรือไม่: Skyfall จะเผยแพร่โปรโตคอล IoU และการบัญชีต้นทุนเบื้องหลังตัวเลขต่อกรณีของตนหรือไม่ และช่องว่างประสิทธิภาพระหว่างไปป์ไลน์เริ่มต้นของ PAN 2 กับ reasoner ที่ดีที่สุดของมันจะยังคงอยู่เมื่อเผชิญกับพรอมป์ที่ไม่มีใครปรับแต่งด้วยมือหรือไม่ ทั้งสองเป็นคำถามเกี่ยวกับขั้นตอนเดียวกัน — ขั้นตอนที่ตัดสินว่าควรเกิดอะไรขึ้น ก่อนจะมีการวาดสิ่งใด ๆ