PAN 2 ทำให้ "จะเป็นอย่างไรถ้า" ดูได้ — และบอกไว้ตรงจุดที่มันล้มเหลว
- 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
โยนสตรอว์เบอร์รีลงในชาม แล้วคุณก็รู้อยู่แล้วโดยไม่ต้องคิดว่าโดยคร่าว ๆ ของเหลวจะกระเด็นขึ้นอย่างไร PAN 2 คือแบบจำลองโลกจาก Institute of Foundation Models at MBZUAI ที่ถูกสร้างขึ้นเพื่อให้รู้สิ่งเดียวกันและแสดงให้เห็น เพียงให้เฟรมเริ่มต้น อธิบายการกระทำเป็นข้อความ และมันจะคืนวิดีโอความยาวสูงสุดยี่สิบวินาทีที่ความละเอียด 704×1248 ที่ 24 เฟรมต่อวินาที แสดงให้เห็นว่าการกระทำนั้นส่งผลต่อฉากอย่างไร การสาธิตที่ถูกแชร์กันทั่วในวันที่ 11 พฤศจิกายน 2026 เป็นคำอธิบายแนวคิดที่ชัดเจนที่สุดเท่าที่ใครเคยทำไว้: เปลี่ยนสตรอว์เบอร์รีเป็นเป็ดยาง หรือเปลี่ยนของเหลว และการกระเด็นก็เปลี่ยนตาม เพราะแบบจำลองกำลังคาดการณ์ผลลัพธ์ทางฟิสิกส์ ไม่ใช่การดึงคลิปมาเล่น ประกาศของ IFM เองที่โพสต์เมื่อเย็นวันก่อน สรุปข้อเสนอนี้ไว้ในประโยคเดียว — “แบบจำลองภาษาคาดการณ์คำถัดไป PAN 2 คาดการณ์โลกถัดไป: สิ่งที่เกิดขึ้นหลังการกระทำแต่ละครั้ง โดยยึดโยงกับเวลา ฟิสิกส์ และปริภูมิ”
สิ่งที่ทำให้ข้อความนั้นมากกว่าคำขวัญคือการเปิดตัวที่อยู่รายล้อมมันไว้ เวตเหล่านี้อยู่ภายใต้ Apache-2.0 และอยู่บน Hugging Face ตั้งแต่ 7 ตุลาคม 2026: 86.17 กิกะไบต์ในหกสิบไฟล์ โดยมีโค้ดอินเฟอเรนซ์ตามมาบน GitHub ในวันที่ 5 พฤศจิกายน และการรองรับการเสิร์ฟแบบ Day-0 ที่ถูก merge เข้า vLLM-Omni ในวันที่ 10 พฤศจิกายน ดังนั้นคำถามที่คุ้มค่าจะตอบจึงไม่ใช่แล้วว่า PAN 2 มีอยู่จริงหรือใครเข้าถึงมันได้ แต่คือซิมูเลเตอร์ขนาด 29 พันล้านพารามิเตอร์ที่ดาวน์โหลดได้นั้นทำอะไรได้ดีพอที่คุณจะวางแผนโดยอิงกับผลลัพธ์ของมัน และตรงไหนที่เอกสารของทีมเองบอกคุณว่าไม่ควรทำ
เดโมนี้เป็นไปป์ไลน์สองขั้นตอนที่สวมชื่อของโมเดลเดียว
คลิปสตรอว์เบอร์รีดูเหมือนการสร้างวิดีโอจากข้อความ แต่ไม่ใช่ และความแตกต่างนี้คือหัวใจของการออกแบบทั้งหมด PAN 2 นำรูปแบบ Generative Latent Prediction ที่ระบุไว้ใน บทวิจารณ์แบบจำลองโลก (arXiv 2507.05169) มาใช้ ซึ่งแบ่งการพยากรณ์ออกเป็นครึ่งหนึ่งสำหรับการให้เหตุผลและอีกครึ่งหนึ่งสำหรับการเรนเดอร์
ซีกการให้เหตุผลคือโมเดลภาษา — แบบใดก็ตามที่ทำตามคำสั่ง — ซึ่งอ่านการสังเกตพร้อมการกระทำที่ร้องขอ แล้วเขียนสถานะของโลกถัดไปเป็นคำบรรยายที่มีโครงสร้างและอิงกับเวลา: เหตุการณ์ตามลำดับ โดยแต่ละการกระทำผูกกับผู้กระทำที่ดำเนินการนั้น พร้อมการเคลื่อนที่ของกล้อง คำบรรยายนั้นไม่ใช่ของประดับตกแต่ง มันคืออินเทอร์เฟซจริง ตัวเข้ารหัสข้อความ Qwen3.5-9B แบบแช่แข็งจะแมปมันเป็นฟีเจอร์เงื่อนไข และทรานส์ฟอร์เมอร์แบบดิฟฟิวชันหลายรูปแบบขนาด 29B ที่ฝึกตั้งแต่เริ่มต้นบนวิดีโอนับร้อยล้านรายการซึ่งกำกับด้วยรูปแบบเดียวกันจะเติมรายละเอียดเชิงการรับรู้ที่คำบรรยายยังเปิดไว้ VAE Wan 2.2 ถอดรหัส latent ให้เป็นเฟรม
ซึ่งหมายความว่าข้ออ้างที่แท้จริงของเดโมไม่ได้เกี่ยวกับพิกเซลเลย แต่คือคำอธิบายเชิงโครงสร้างของการกระทำหนึ่งๆ เป็นสัญญาณควบคุมที่เพียงพอให้โปรแกรมจำลองสร้างผลลัพธ์ที่สอดคล้องทางฟิสิกส์ และเอเจนต์จึงสามารถจำลองแผนที่เป็นตัวเลือกหลายแผน เปรียบเทียบกัน และลงมือทำตามแผนที่ดีที่สุดได้ นั่นคือสิ่งที่ IFM หมายถึงด้วยการให้เหตุผลเชิงจำลอง และเป็นเหตุผลว่าทำไมสตรอว์เบอร์รี เป็ด และของเหลวที่ถูกสลับ จึงเป็นสามรอบรันของคำถามเดียวกัน ไม่ใช่ฟุตเทจสามชิ้น
ผลที่ตามมาในทางปฏิบัติไม่เป็นมิตร คุณไม่สามารถพิมพ์สิ่งที่ต้องการลงใน PAN 2 แล้วได้วิดีโอออกมา รีโพซิทอรีมาพร้อมสกิล prompt-rewriter ซึ่งประกอบด้วยพรอมต์ระบบ พรอมต์เชิงลบแบบคงที่ และตัวตรวจสอบที่ตรวจแคปชันเทียบกับงบโทเค็นของ text encoder ที่ 1,480 โทเค็นแบบซอฟต์และ 1,536 โทเค็นแบบฮาร์ด และการ์ดโมเดลระบุชัดเจนว่ากรณีศึกษาของเอเจนต์พึ่งพาพรอมต์ที่ปรับแต่งด้วยมือ ข้อความอิสระจะถูกเขียนใหม่ก่อนนำไปใช้ นั่นคือโมเดลที่มีสัญญาอินเทอร์เฟซ ไม่ใช่กล่องแชต
สิ่งที่รายงานวัด และถ้อยคำที่รายงานใช้
IFM เผยแพร่การประเมินไว้มากกว่าที่การเปิดตัวโมเดลวิดีโอส่วนใหญ่ทำ และระบุเงื่อนไขได้แม่นยำกว่าส่วนใหญ่ ทั้งหมดนี้เป็นงานของทีมเองบนฮาร์เนสของทีมเอง และการ์ดโมเดลระบุไว้เช่นนั้นในส่วนที่สำคัญ
• การกระทำแบบเดี่ยว — กรณีทดสอบ 300 กรณี ครอบคลุมหกหมวดหมู่ความสามารถ ได้แก่ image-to-video 201 รายการ และ text-to-video 99 รายการ โดยรายงานความแม่นยำเป็นเปอร์เซ็นต์
• แผนแบบหลายขั้นตอน — งานในชีวิตประจำวันแบบ egocentric จำนวน 100 งานที่ตั้งโจทย์ไว้ทั้งสองทาง พรอมต์ 200 รายการ และ 456 ขั้นตอน โดยให้คะแนนจากความสำเร็จของแต่ละขั้นตอนและความสำเร็จของแผนทั้งหมด เฉลี่ยจากการรันสามซีด
• เบนช์มาร์กสาธารณะ — Physics-IQ Verified ในโหมด image-to-video โดยปรับมาตรฐานให้ความแปรปรวนระหว่างการถ่ายจริงสองครั้งมีค่าเท่ากับ 100; PhyGround บนมาตรวัด 5 จุดที่ประเมินโดย Qwen3.8-27B; RBench เป็นค่าเฉลี่ยแบบไม่ถ่วงน้ำหนักจากหมวดหมู่งาน 5 หมวดและหมวดหมู่ embodiment 4 หมวด แล้วคูณด้วย 100
• ความชอบของมนุษย์ — การเปรียบเทียบแบบคู่โดยไม่รู้ว่าเป็นรุ่นใดจากพรอมต์ 140 รายการ ซึ่งเป็นข้อความเป็นวิดีโอ 90 รายการ และภาพเป็นวิดีโอ 50 รายการ โดยตัดสินด้านความสอดคล้องกับการกระทำ ฟิสิกส์ และความสอดคล้องของโลก โดยผู้ตรวจสอบ 13 คนจากการเปรียบเทียบทั้งหมด 1,400 ครั้ง โดยมี Elo ที่ปรับพอดีด้วย Bradley–Terry และกำหนดจุดศูนย์กลางที่ 1500
คณะผู้ตรวจสอบสิบสามคนเป็นคณะเล็ก ๆ และพวกเขากำลังประเมินโมเดลของผู้เขียนเทียบกับค่าฐานของผู้เขียนเอง ยังถือเป็นหลักฐานมากกว่าที่งานเปิดตัวส่วนใหญ่ในหมวดนี้เผยแพร่ และการวางกรอบก็ระมัดระวังเป็นพิเศษ: โมเดลแบบปิดในการเปรียบเทียบถูกสร้างขึ้นเพียงครั้งเดียวผ่าน API การอนุมานของบุคคลที่สาม และการ์ดระบุว่าแถวใดใช้ seed เดียว ทั้งหมดนั้นไม่ได้ทำให้ตัวเลขเป็นอิสระจากกัน แต่มันทำให้ตัวเลขอ่านเข้าใจได้ ซึ่งเป็นสิ่งที่ดีรองลงมา
ใช้ GPU สองนาทีต่อวิดีโอทุก ๆ 13 วินาที
ตัวเลขที่ตัดสินว่าคุณจะใช้ PAN 2 ได้หรือไม่ ไม่ใช่คะแนน benchmark แต่เป็นตัวเลขในสูตรของ vLLM ซึ่งระบุว่าวิดีโอ 704×1248 ความยาวสิบสามวินาทีใช้เวลาราว 119 วินาทีบน GPU B300 สี่ตัว โดยแยก classifier-free guidance กระจายไปสอง rank และ Ulysses sequence parallelism อีกสอง rank ค่าเริ่มต้นที่ระบุไว้ในเอกสารคือ H200 แปดตัวใน BF16 พร้อม VAE patch parallelism กระจายสี่ tile เพิ่มเข้าไปอีกชั้น เพราะการถอดรหัสคลิป 704×1248 ความยาวยี่สิบวินาทีก็เป็นปัญหาเรื่องหน่วยความจำในตัวมันเองอยู่แล้ว
ลองนำการตั้งค่า sampler ไปใช้กับตัวเลขนั้นดู แล้วต้นทุนจะกลายเป็นเรื่องเชิงโครงสร้างมากกว่าเรื่องบังเอิญ ห้าสิบสเต็ปที่ flow shift 9 โดยใช้ guidance 2.5 ทุกสเต็ป หมายถึงการ forward pass หนึ่งร้อยครั้งผ่าน transformer ขนาด 29B สำหรับทุกคลิป นั่นคือเหตุผลที่ guidance ต้องถูกทำให้ขนานกันแทนที่จะรันแบบลำดับ และเป็นเหตุผลที่คำถามตรง ๆ เกี่ยวกับ PAN 2 ไม่ใช่ "มันดีแค่ไหน" แต่เป็น "การจำลองหนึ่งครั้งราคาเท่าไร และแผนหนึ่งแผนต้องใช้กี่ครั้ง" นักวางแผนที่ประเมินการกระทำที่เป็นไปได้ห้าอย่างต่อสเต็ป ในงานสิบสเต็ป กำลังขอคลิปถึงห้าสิบคลิป ภายใต้การกำหนดค่าที่ผู้ขายเผยแพร่เอง นั่นคือโหนดสี่ GPU ที่ยุ่งอยู่เกือบสองชั่วโมง ก่อนจะได้เรียนรู้อะไรจากผลลัพธ์
ตัววางแผนคือครึ่งที่ถูกกว่า และ IFM ปล่อยให้มันสลับเปลี่ยนกันได้
มีส่วนหนึ่งของไปป์ไลน์นี้ที่ไม่ต้องใช้คลัสเตอร์ GPU และรายงานระบุไว้อย่างชัดเจนว่าสามารถสลับเปลี่ยนได้ ตัวให้เหตุผลเชิงแนวคิดถูกนิยามให้เป็นโมเดลภาษาที่ทำตามคำสั่งใดก็ได้ และ IFM จัดอันดับสี่โมเดลตามความถี่ที่แผนจำลองดำเนินการจนเสร็จครบทั้งกระบวนการ: Claude Opus 5.5 เป็นอันดับหนึ่ง จากนั้น GPT-6 Astra ที่ระดับความพยายามปานกลาง ตามด้วย Kimi K3 และ Qwen3.8-Flash
โมเดลทั้งสี่นั้นอยู่ในแคตตาล็อกของ OrcaRouter ซึ่งทำให้ช่อง reasoner เป็นชิ้นส่วนเดียวของสแตก PAN 2 ที่คุณสามารถทำ benchmark ได้โดยไม่ต้องเช่าอะไรเลย ชี้ prompt-rewriter ไปที่แต่ละโมเดลผ่าน API key เดียว เก็บครึ่งที่เป็น diffusion ไว้กับฮาร์ดแวร์ของคุณเอง และปล่อยให้ automatic failover รองรับความสะดุดของผู้ให้บริการระหว่างการทดลองแทนที่จะยกเลิกการรัน ราคาคือ อัตราตามรายการของผู้ให้บริการแต่ละรายที่ส่งผ่านมาโดยบวกเพิ่ม 0%ดังนั้นการเปลี่ยนแปลงราคาของผู้ขายจะปรากฏที่ endpoint ในวันที่เกิดขึ้น แทนที่จะเป็นหลังรอบการปรับราคา OrcaRouter ไม่ได้โฮสต์ PAN 2 และไม่สามารถ route ได้ — renderer ยังคงเป็นของคุณ — แต่ครึ่งหนึ่งของไปป์ไลน์ที่ตัดสินใจว่าจะจำลองอะไรเป็นงานข้อความแบบคิดค่าบริการตามปริมาณตามปกติ และเป็นครึ่งที่คุณภาพแตกต่างกันจริงระหว่างการรันแต่ละครั้ง
ควรพูดให้ชัดเจนว่า: การจัดอันดับข้างต้นเป็นของ IFM โดยวัดจากงานของ IFM ด้วยฮาร์เนสของ IFM นี่เป็นจุดเริ่มต้นที่สมเหตุสมผลสำหรับการทำรายชื่อผู้สมัครที่ผ่านการคัดเลือกเบื้องต้น แต่ไม่ใช่สิ่งทดแทนการนำพรอมป์ของคุณเองไปรันกับผู้สมัครทั้งสี่ราย และนับว่าแผนของคุณรอดบ่อยเพียงใด
ส่วนข้อจำกัดคือหน้าที่มีประโยชน์ที่สุดในรีลีส
โมเดลการ์ดส่วนใหญ่ซุกคำยอมรับข้อจำกัดไว้ในย่อหน้าที่ไม่มีใครอ่าน แต่ของ PAN 2 วางตัวเลขไว้ตั้งแต่ต้น: ประมาณสองในสามของแผนจำลองมีอย่างน้อยหนึ่งขั้นตอนที่ไม่ถูกดำเนินการ ประโยคเดียวนี้เปลี่ยนกรอบความหมายของทุกอย่างที่อยู่เหนือมันขึ้นมา ตัวจำลองที่ทิ้งขั้นตอนไปหนึ่งขั้นในสองจากสามแผนยังไม่ใช่สิ่งที่คุณยื่นให้หุ่นยนต์แล้วเดินจากไป — แต่เป็นสิ่งที่คุณใช้จัดอันดับแผนที่เป็นตัวเลือกซึ่งคุณสามารถรับมือกับโหมดความล้มเหลวได้ โดยมีตัวตรวจสอบอยู่ในวงจร
รายการที่เหลือก็เจาะจงพอๆ กัน และก็คุ้มค่าที่จะเชื่อตามที่ระบุไว้เช่นกัน
• ความสอดคล้องในระยะยาว — แต่ละคลิปถูกจำลองจากเฟรมเริ่มต้นได้ไม่เกินหนึ่งเฟรมพร้อมข้อความ รูปลักษณ์จึงเลื่อนไหลไปตามคลิปต่างๆ ในการโต้ตอบระยะยาว; การ์ดระบุว่าหน่วยความจำเชิงการรับรู้คือส่วนที่ยังขาดอยู่ แทนที่จะอ้างว่าได้รับการแก้ไขแล้ว
• ความไวต่อพรอมต์ — ถ้อยคำของการสังเกตและการกระทำเปลี่ยนผลลัพธ์ และตัวอย่างที่อยู่นอกการกระจายของการฝึกจำเป็นต้องใช้พรอมต์ที่ปรับแต่งด้วยมือ
• การกระทำเชิงข้อความแบบหยาบ — ข้อความสื่อ “เปิดลิ้นชัก” ได้ดี แต่สื่อ “วางแต่ละนิ้วตรงนี้” ได้ไม่ดี ซึ่งจำกัดการจัดการที่ต้องใช้ความคล่องแคล่ว
• ทางลัด — การจำลองสามารถดำเนินไปได้โดยละเมิดกฎฟิสิกส์ โดยตัวอย่างของตัวการ์ดเองคือพาสต้าที่ปรากฏในกระชอนก่อนที่จะถูกสะเด็ดน้ำ
{{1}}ความล้มเหลวที่จำลองได้อย่างซื่อตรงยังไม่ถูกวัด{{/1}} — การศึกษาเชิงปริมาณครอบคลุมแผนแบบวงเปิดที่ออกแบบมาให้ประสบความสำเร็จ; ว่า PAN 2 จำลองแผนที่ควรล้มเหลวได้ดีเพียงใดนั้น ตามถ้อยคำในบัตร ยังไม่ถูกวัด นั่นคือช่องว่างที่สำคัญที่สุดสำหรับการวางแผน เพราะเครื่องจำลองที่ไม่สามารถแสดงผลลัพธ์ที่ไม่ดีให้คุณเห็นได้ยังไม่ถือเป็นตัวกรอง
Guardrails จัดส่งเป็นรีโพซิทอรีแยกต่างหาก โดยมีหมายเลขแนบมาด้วย
อีกสิ่งหนึ่งที่ IFM ทำซึ่งการเปิดตัววิดีโอแบบ open-weight ส่วนใหญ่ละเว้นไป: IFM เผยแพร่ระบบ guardrail ควบคู่ไปกับโมเดล แทนที่จะเป็นเพียงย่อหน้าที่แนะนำให้มีระบบดังกล่าว pan2-guardrail ตรวจคัดกรองคำขอด้วย Qwen3Guard-Gen-4B ก่อนการสร้าง และตรวจวิดีโอที่สร้างขึ้นด้วยตัวจำแนกเฟรม Q16 ในภายหลัง และการ์ดโมเดลรายงานว่าสิ่งนี้มีต้นทุนในทั้งสองทิศทางอย่างไร — คำขอ text-to-video ที่เป็นอันตรายซึ่งสร้างผลลัพธ์ที่ไม่ปลอดภัยลดลงจาก 33.9% เหลือ 1.5% ไม่พบผลลัพธ์ image-to-video ที่ไม่ปลอดภัย และ 11.5% ของคำขอ text-to-video ที่ไม่เป็นอันตราย บวกกับ 3.3% ของคำขอ image-to-video ที่ไม่เป็นอันตราย ถูกหยุดระหว่างทาง
นั่นคือการวัดผลภายในของทีม ไม่ใช่การตรวจสอบ และอัตราผลบวกลวงคือตัวเลขที่คุณควรจับตามอง หากคุณตั้งใจจะใช้งานสิ่งนี้ในปริมาณมาก กลไกป้องกันที่ปฏิเสธคำขอที่ไม่เป็นอันตรายหนึ่งในเก้าคำขอนั้นเป็นข้อจำกัดด้านการออกแบบผลิตภัณฑ์ของคุณ ไม่ใช่แค่เชิงอรรถ และถ้าจะพูดอย่างเป็นธรรม นี่ก็เป็นการเปิดเผยแบบที่ทำให้คุณตัดสินใจเรื่องนี้ได้ตั้งแต่แรก
อะไรจะทำให้สิ่งนี้เป็นมากกว่าเดโมที่น่าประทับใจ
สามเรื่อง เรียงตามระดับความยากจากน้อยไปมาก การศึกษาความล้มเหลว: บัตรแบบจำลองยอมรับว่าการจำลองแผนซึ่งควรจะล้มเหลวยังไม่ได้ถูกวัด และจนกว่าจะมีใครเผยแพร่สิ่งนั้น PAN 2 ก็เป็นเพียงตัวสร้างความสำเร็จที่ดูสมเหตุสมผล มากกว่าจะเป็นตัวทำนายผลที่ตามมา การประเมินที่เป็นอิสระ: ตัวเลขความสามารถทุกตัวในบทความนี้มีต้นทางจาก IFM บนฮาร์ดแวร์ทดสอบของ IFM โดยมีคณะผู้ประเมิน 13 คนสำหรับการศึกษากับมนุษย์ และยังไม่มีบุคคลที่สามรายใดทำซ้ำผลใด ๆ เหล่านั้นได้ และเส้นทางการให้บริการที่ถูกกว่า: คอนฟิกที่เผยแพร่คือโหนดสี่ GPU สำหรับสองนาทีต่อสิบสามวินาที ซึ่งใช้ได้สำหรับการวิจัยแต่โหดร้ายสำหรับลูปที่การให้เหตุผลเชิงจำลองสื่อถึงจริง ๆ
ถึงกระนั้น PAN 2 ก็ยังเป็นการเปิดตัว world model แบบเปิดที่สมบูรณ์ที่สุดของปี และความสมบูรณ์นั่นเองคือประเด็นสำคัญ มีทั้ง weights, โค้ด, สูตรสำหรับ serving, prompt contract พร้อม token budget, guardrail พร้อมตัวเลข false-positive และส่วนข้อจำกัดที่ขึ้นต้นด้วยอัตราความล้มเหลว คุณอาจไม่เห็นด้วยกับความพร้อมใช้กับหุ่นยนต์ได้ และยังใช้มันได้ในสัปดาห์นี้เพื่อถามว่าจะเกิดอะไรขึ้นถ้าคุณเปลี่ยนของเหลว — ซึ่งสำหรับโมเดลที่มีสมมติฐานทั้งสิ้นว่าผลลัพธ์สามารถ preview ได้ นั่นคือการทดสอบแรกที่สมเหตุสมผล
