PAN 2 vs Gemma 4 12B: Trình mô phỏng và hệ suy luận không phải là đối thủ của nhau

Mọi trang so sánh trên internet đều muốn có một người thắng, và trang này không thể thành thật mà có một người thắng, bởi vì PAN 2 và Gemma 4 12B không thực hiện cùng một nhiệm vụ. PAN 2 là một transformer khuếch tán video 29 tỷ tham số từ Viện Mô hình Nền tảng của MBZUAI, nhận một hình ảnh và mô tả hành động rồi trả về tối đa hai mươi giây video 704×1248 cho thấy điều gì xảy ra tiếp theo. Gemma 4 12B Unified là một mô hình ngôn ngữ đa phương thức không có encoder, 11,95 tỷ tham số từ Google DeepMind, nhận văn bản, hình ảnh và âm thanh rồi trả về văn bản. Một cái kết xuất hệ quả; cái kia nói về chúng. Nếu bạn đến đây tìm một bảng điểm chuẩn xếp hạng chúng đối đầu nhau, thì không có bảng nào tồn tại và cũng không bảng nào có thể tồn tại — chúng không chia sẻ đánh giá nào. Điều tồn tại là một quyết định thực sự, vì hai mô hình ngày càng được triển khai trong cùng một pipeline: bộ lập luận viết kế hoạch, bộ mô phỏng cho bạn thấy kế hoạch làm gì. Vậy câu hỏi hữu ích không phải là cái nào tốt hơn mà là vấn đề của bạn thực sự cần cái nào, và mỗi cái khiến bạn phải trả giá những gì để duy trì nó.

Sự không khớp, được trình bày rõ ràng

Gemma 4 12B có một bảng đánh giá công khai còn PAN 2 thì không, và sự bất đối xứng đó không phải là tín hiệu về chất lượng — mà là tín hiệu về phân loại. Google công bố MMLU Pro, GPQA Diamond, AIME, LiveCodeBench và hàng tá các benchmark văn bản và thị giác khác bởi vì các mô hình ngôn ngữ được đo trên một thước đo chung đã tồn tại nhiều năm. Thẻ của PAN 2 công bố Physics-IQ Verified, PhyGround, RBench và một nghiên cứu về sở thích của con người bởi vì các mô hình thế giới video được đo bằng những công cụ mới được phát minh gần đây, phần lớn là bởi chính các phòng thí nghiệm đang xây dựng mô hình.

• Tham số — PAN 2: 29B trong một transformer khuếch tán đa phương thức duy nhất, với bộ mã hóa văn bản Qwen3.5-9B đóng băng và VAE Wan 2.2 được tải cùng. G​emma 4 12B: 11.95B, 48 lớp, không dùng encoder, với các patch ảnh thô và dạng sóng âm thanh được chiếu trực tiếp vào không gian embedding của decoder.

• Đầu vào và đầu ra — PAN 2: một khung hình đầu tiên tùy chọn cùng với chú thích trạng thái thế giới có cấu trúc, đầu ra là một tệp MP4. G​emma 4 12B: nhận văn bản, hình ảnh, âm thanh và video, xuất ra văn bản, với ngữ cảnh 256K token và hỗ trợ lời nhắc hệ thống gốc.

• Giấy phép — PAN 2: Apache-2.0 cho mã nguồn và trọng số của chính nó, với các thành phần bên thứ ba theo các điều khoản riêng của chúng. Gemma 4 12B: Apache-2.0 theo các điều khoản của giấy phép Gemma 4.

• Trọng số trên đĩa — PAN 2: 86.17 GB trên sáu mươi tệp trong kho IFM/PAN2, trong đó 67.37 GB là bản thân transformer và 15.87 GB là bộ mã hóa văn bản. G​emma 4 12B: khoảng 12 tỷ tham số BF16, xấp xỉ một phần tư của riêng transformer.

Mỗi cái thực sự giỏi ở điểm gì, dựa trên bằng chứng của chính nó

Các con số của G​emma 4 12B là dễ đọc hơn trong hai mô hình và chúng ở mức đáng nể so với kích thước. MMLU Pro do nhà cung cấp báo cáo đạt 77.2%, GPQA Diamond 78.8%, AIME 2026 không dùng công cụ đạt 77.5%, LiveCodeBench v6 đạt 72.0% và xếp hạng Codeforces 1659 đưa nó vượt xa thế hệ trước — G​emma 3 27B đạt 67.6%, 42.4%, 20.8%, 29.1% và 110 trên cùng các dòng. Về thị giác, mô hình đạt MMMU Pro 69.1% và MATH-Vision 79.7%. Về ngữ cảnh dài, MRCR v2 với tám kim tại 128K đạt 43.4%. Đây là các đánh giá của chính G​oogle về mô hình của chính G​oogle, và thẻ mô hình nói rõ như vậy; hãy coi chúng là tuyên bố của nhà cung cấp được ghi chép đầy đủ thay vì một phán quyết độc lập.

PAN 2 không có gì tương đương và không giả vờ là có. Tuyên bố của nó hẹp hơn và kỳ lạ hơn: rằng một mô hình khuếch tán được điều kiện hóa trên một mô tả có cấu trúc, được neo vào thời gian sẽ mô phỏng các hệ quả vật lý và nhân quả của một hành động đủ tốt để một tác nhân so sánh các kế hoạch ứng viên trước khi cam kết chọn một. Cơ sở cho tuyên bố đó là một nghiên cứu 300 trường hợp hành động đơn trên sáu hạng mục năng lực, một nghiên cứu đa bước gồm 200 lời nhắc với 456 bước, và một bài kiểm tra sở thích mù của con người với 1.400 so sánh. Cả ba đều do chính nhóm thực hiện. Không có nghiên cứu nào trong số đó chuyển được sang bất kỳ thứ gì mà G​emma 4 12B được đánh giá.

Câu hỏi về triển khai mới là chỗ phép so sánh thực sự có sức nặng.

Đến đây, hai mô hình không còn không thể so sánh được nữa, vì cả hai đều phải chạy trên phần cứng mà bạn phải bỏ tiền ra mua.

G​emma 4 12B chạy trên một GPU tiêu dùng hoặc GPU máy trạm duy nhất ở BF16 và với lượng bộ nhớ ít hơn đáng kể khi lượng tử hóa. Nó được hỗ trợ ngay từ ngày đầu trong các stack suy luận tiêu chuẩn, có từ vựng 262K và một bộ mặc định về lấy mẫu và chế độ suy nghĩ đã được tài liệu hóa. Nếu khối lượng công việc của bạn là hiểu tài liệu, gọi công cụ hoặc suy luận trên ngữ cảnh dài, thì đây là một triển khai nhàm chán, quen thuộc, và các quyết định thú vị đều xoay quanh việc viết prompt.

PAN 2 không hề có một quy trình triển khai nhàm chán. Dòng tít của chính công thức vLLM là mười ba giây video 704×1248 mất khoảng 119 giây trên bốn GPU B300, với classifier-free guidance được song song hóa trên hai rank và song song chuỗi Ulysses trên hai rank. Mặc định là tám H200 ở BF16. Bộ lấy mẫu chạy năm mươi bước với guidance ở mọi bước — một trăm lượt forward pass qua transformer 29B cho mỗi clip — đó là lý do vì sao song song hóa không phải tùy chọn. Và định dạng điều kiện không phải văn bản tự do: mô hình mong đợi một chú thích trạng thái thế giới có cấu trúc, và kho lưu trữ cung cấp một skill viết lại prompt với validator áp đặt giới hạn mềm 1.480 token và dung lượng cứng 1.536 so với ngân sách của text encoder.

Chi tiết cuối cùng đó chính là chi tiết quyết định phần lớn các đánh giá. Bạn không thể gõ một điều ước vào PAN 2 rồi nhận được video. Bạn phải mô tả các sự kiện theo đúng thứ tự, gắn hành động với tác nhân và chỉ định chuyển động camera, và thẻ mô hình nói rõ rằng các nghiên cứu điển hình về tác tử dựa vào những câu lệnh được tinh chỉnh thủ công. G​emma 4 12B sẽ vui vẻ nhận một đoạn văn xuôi và trả lại cho bạn thứ gì đó hữu ích ngay trong lần thử đầu tiên. Nếu bạn muốn biết PAN 2 cảm giác thế nào trong thực tế, câu trả lời trung thực là nó giống như một mô hình có hợp đồng giao diện, chứ không phải một hộp trò chuyện.

Nơi cả hai cùng thuộc về trong một hệ thống

Lý do so sánh này cứ liên tục xuất hiện là vì công việc agent giờ đây cần cả hai nửa. Một agent lập kế hoạch bằng văn bản và hành động trong một môi trường thật cần một bộ suy luận để quyết định làm gì và, ngày càng nhiều, một trình mô phỏng để xem trước việc làm điều đó sẽ trông như thế nào. G​emma 4 12B có thể là bộ suy luận — nó đủ nhỏ để đặt cùng chỗ với phần còn lại của một stack, nó xử lý hình ảnh và âm thanh làm đầu vào, và điểm tuân theo chỉ dẫn cùng sử dụng công cụ của nó chính là điểm nhấn của mô hình. PAN 2 có thể là trình mô phỏng, và kiến trúc của chính nó giả định rằng đã có thứ gì đó như G​emma trong vòng lặp: bộ suy luận khái niệm được định nghĩa là bất kỳ mô hình ngôn ngữ tuân theo chỉ dẫn nào, và báo cáo xếp hạng bốn mô hình trong số đó theo tần suất một kế hoạch mô phỏng hoàn thành từ đầu đến cuối — Claude Opus 5.5 đứng đầu, rồi GPT-6 Astra ở mức nỗ lực trung bình, rồi Kimi K3, rồi Qwen3.8-Flash.

Nếu cấu trúc hệ thống của bạn là như vậy, thì việc ghép cặp hoàn toàn không phải là PAN 2 đối đầu với Gemma 4 12B. Mà là PAN 2 cộng thêm một bộ suy luận, và lựa chọn bộ suy luận chính là nơi chi phí và độ biến thiên chất lượng thực sự phát sinh.

Đó là nơi một router thực sự làm việc thật chứ không phải làm marketing. Phần mô phỏng phải chạy trên GPU của chính bạn — không ai vận hành PAN 2, kể cả MBZUAI — nhưng phần suy luận có thể là một lệnh gọi API tính phí theo mức dùng, và việc hoán đổi giữa Claude Opus 5.5, GPT-6 Astra và Qwen3.8-Flash để tìm ra cái nào hoàn thành kế hoạch của bạn thường xuyên nhất là một câu hỏi định tuyến, chứ không phải câu hỏi mua sắm. Qwen3.8-Flash có trên OrcaRouter, vì vậy bạn có thể đánh giá hiệu năng ba trình lập kế hoạch so với triển khai PAN 2 của chính mình thông qua một khóa API với tính năng chuyển đổi dự phòng tự động, ở mức giá niêm yết của nhà cung cấp với 0% phụ phí được chuyển nguyên vẹn. OrcaRouter không vận hành PAN 2 và không thể định tuyến nó. Nó có thể giữ nửa rẻ tiền của pipeline linh hoạt trong khi nửa đắt tiền vẫn được ghim vào phần cứng.

Điều gì sẽ thay đổi sự so sánh này?

Hai thứ mà vào ngày 11 tháng 11 năm 2026 đều không tồn tại. Thứ nhất, một đánh giá độc lập về PAN 2 do một người không phải tác giả của nó thực hiện — cho đến lúc đó, những tuyên bố về năng lực của nó là do nhà cung cấp tự báo cáo và nên được hiểu theo cách đó. Thứ hai, một endpoint được lưu trữ sẵn hoặc một ghi chú phát hành thực sự cho PAN 2 — bài đăng duy nhất trên tài khoản X của phòng thí nghiệm không phải là thứ đó — điều mà sẽ biến quyết định tự lưu trữ thành một phép so sánh giá và khiến phần triển khai của trang này trở nên lỗi thời chỉ sau một đêm.

Gemma 4 12B không cần cả hai. Đây là một mô hình đã được phát hành, có tài liệu, được triển khai rộng rãi với hơn 1,8 triệu lượt tải xuống mỗi tháng trên Hugging Face, và bảng đánh giá của nó đã được cộng đồng sử dụng trong nhiều tháng để tìm ra những điểm yếu. Hồ sơ rủi ro khi áp dụng nó gần như bằng không. Hồ sơ rủi ro khi áp dụng PAN 2 là bạn phải dành một tuần cho cơ sở hạ tầng cho một mô hình mà phần hạn chế của nó nói rằng khoảng hai trong ba kế hoạch mô phỏng có chứa ít nhất một bước không được thực hiện. Câu đó không phải là lý do để bỏ qua nó. Đó là lý do để biết mình đang mua gì trước khi thuê GPU.

Cách chọn

Nếu bạn cần hiểu và trả lời văn bản, hình ảnh hoặc âm thanh, PAN 2 không phải là ứng viên và không mức ngân sách GPU nào có thể biến nó thành ứng viên. Hãy dùng G​emma 4 12B, hoặc một trong những biến thể G​emma 4 lớn hơn nếu các con số của 12B chưa đủ. Nếu bạn cần thấy một hành động sẽ trông như thế nào trước khi thực hiện — thao tác robot, mô phỏng tác vụ góc nhìn thứ nhất, đánh giá suy luận vật lý — G​emma 4 12B cũng không làm được điều đó, và PAN 2 là một trong số ít các mô hình trọng số mở cố gắng làm vậy. Nếu bạn cần một tác nhân làm cả hai, câu trả lời là một chồng công nghệ, không phải một mô hình, và phần kỹ thuật thú vị nằm ở giao diện giữa chúng: định dạng chú thích có cấu trúc mà PAN 2 yêu cầu chính là sản phẩm mà một bộ suy luận như G​emma 4 12B sẽ phải được dạy để tạo ra.