PAN 2 对比 ABot-Earth 0.7：两个世界模型，仅一轴之隔

两者都被称为世界模型。两者都在2026年的最后两个月问世。两者都能向你展示一个你从未去过的地方。而且，从买家会关心的任何角度来看，它们都不是彼此的替代品，因为PAN 2预测的是一个场景在接下来二十秒内会发生什么，而ABot-Earth 0.7生成的是一座公里级城市，你可以随心所欲地在其中漫步多久都行。一个是关于后果的模型。另一个是关于地点的模型。如果你要在项目中二选一，诚实的第一步是意识到“哪个更好”这个问题没有答案，而有用的问题——你的流水线实际需要哪一个，以及你能否得到它——才有答案。

第二个问题正是两者分歧尖锐之处，而且这不是偏好问题。PAN 2 以 86.17 GB 的 Apache-2.0 权重形式发布，其服务支持已合并进 vLLM-Omni；你今天下午就能下载，并在自己的 GPU 上运行。ABot-Earth 0.7 则是高德消费级应用内的生产系统，没有公开 API、没有权重，其生成功能还设有白名单。前者是一个你能拿在手里的产物，后者是一个你能观看的演示。

每个究竟发出什么，准确地说

PAN 2 接收一个观测——可选的首帧加上文本描述——以及一组用文本描述的动作，并返回一个 MP4。它在内部是一台两阶段机器：语言模型写出结构化、以时间为基准的世界状态说明，冻结的文本编码器将其映射为条件特征，而一个 29B 多模态扩散 Transformer 以每秒 24 帧渲染最长二十秒的 704×1248 视频。输出简短、昂贵且具体：它回答“这个动作会对这个场景做什么”，而答案被限制在二十秒以内，因为每个片段最多只从一个起始帧模拟。

ABot-Earth 0.7 接收地理配准卫星影像或文本提示，返回带有分层细节层次结构的 3D 高斯泼溅场景，可导出至 Unreal Engine 和 Unity。阿里巴巴旗下地图业务部门 Amap 于 2026 年 9 月 10 日在杭州举行的 Street Stars 盛典上发布了它，将其呈现为首个原生 3D 城市世界模型，并声称可在单块消费级 GPU 上用约十分钟生成公里级环境。其输出的是一个地点，而不是一个瞬间：你去探索它，而不必等待它逐步生成完成。

并排放在一起，不匹配的形态便一目了然。

• 输出 — PAN 2 返回一段 20 秒的 MP4，分辨率 704×1248、帧率 24 fps；ABot-Earth 0.7 返回一个带 LOD 结构的 3DGS 场景，可导出至 Unreal 和 Unity。

• 输入 — PAN 2 接收首帧和结构化动作描述；ABot-Earth 0.7 接收卫星图像或文本提示。

• 时间范围——PAN 2 模拟向前数秒，并在超出该范围后于不同片段之间发生漂移；ABot-Earth 0.7 在时间上是静态的，是一个不会演变之地的快照。

• 设备 — PAN 2 文档中记录的默认服务配置是八块 H200、采用 BF16，并配有一个四块 B300 的方案，可在 119 秒内生成十三秒；ABot-Earth 0.7 据称仅用一块消费级 GPU 就能在十分钟内完成一公里。

• 访问 — PAN 2 在 Hugging Face 上采用 Apache-2.0 许可，无需审批，代码在 GitHub 上；ABot-Earth 0.7 没有权重、没有公开 API，且其生成功能仅限邀请。

• 独立评估——两者都没有。两组数字都来自构建这些模型的实验室。

时间和空间不是同一个轴

所有这些背后的区别值得说明，因为它改变了每个模型面向什么用途。ABot-Earth 将场景在空间中延展：从一块卫星瓦片出发，它合成你飞抵那里时会看到的建筑、街道和室内空间，并在你从城市总览切换到街道层级时保持它们一致。它的主张是规模化的覆盖范围与保真度。

PAN 2 将场景延伸到时间维度：给定一帧画面和一段所描述的动作，它会预测后续的帧，而它力求做对的正是因果链——当物体改变时，水花也会随之改变，因为质量和表面积变了，模型学到的是这种关系，而不是记住了一个水花。IFM 的表述是，语言模型预测下一个词，PAN 2 预测下一个世界；2026 年 11 月 11 日亮相的演示让这一点变得具体：把一颗草莓丢进碗里，然后把它换成一只橡皮鸭，再改变液体，这三个模拟的差异都源自物理规律。

一个需要其中之一的应用程序很少需要另一个。评估候选抓取的机器人团队需要 PAN 2 的轴。地图产品、数字孪生部署或构建环境的游戏工作室则需要 ABot-Earth 的轴。二者的重叠是一条狭窄地带：有人想把生成的城市放入模拟中，然后为其中发生的事制作动画——在那里，两者会组合而非竞争，前提是后半部分能够获得。

真正关键的比较：你能运行它吗

在能力上，这两者不可相提并论，也没有人试图比较过它们。在采购上，两者天差地别。

PAN 2 的获取路径对于一次研究发布而言异常完整。权重于 2026 年 10 月 7 日上线，同时提供了模型卡、配置和提示词重写器技能；包含推理与训练脚本的 GitHub 仓库随后于 11 月 5 日发布；vLLM-Omni 于 11 月 10 日合并了 Day-0 文生视频和图生视频支持，一份部署配方页面也于当晚发布，记录了四卡 B300 配置和默认八卡 H200 配置。IFM 于 11 月 10 日 17:00 UTC 在 X 上发布公告——距框架合并五十六分钟——内容为：“推出 PAN 2：一个面向物理智能的开放基础世界模型。”没有博客文章，没有论文链接，没有托管端点，也没有价格。但模型本身可下载，且许可证允许商业使用。

ABot-Earth 0.7 的接入情况恰恰相反。体验站点已上线，但生成功能仅限邀请——界面称创建功能处于测试阶段，并提供白名单申请。没有公开定价，没有费率表，也没有说明外部系统如何调用它的开发者文档。6 月发布的 0.5 版本在 arXiv 上发布了一份技术报告，并在 GitHub 上发布了一个代码仓库，而该仓库只是这份报告的存放处，并非实现；0.7 随附发布的任何内容都不表明权重已经开放。该站点也全程使用简体中文，没有语言区域切换器，因此要用英文评估它，就只能依据 Amap 的新闻材料。

对大多数团队来说，这在讨论能力之前就结束了比较。你无法调用的模型不是候选者；它是这类模型在变得可接入时将会是什么样子的基准。

Amap 拥有而 IFM 没有的东西，以及为什么它无法转移

ABot-Earth 0.7 尽管存在访问问题，仍然值得认真对待，因为它并非实验室演示。它驱动着 Flying Street View 2.0——这项消费级功能用可自由探索的 3D 空间取代了固定路线的飞越浏览；Amap 表示，已有超过 8.8 亿人使用过它所依托的 Street Stars 平台。北京和杭州等城市的部分场馆已上线试用，公司还具体列出了用例：查看特定剧院座位的视线、在购物中心内部导航、出行前判断地形。

这背后是一种任何模型实验室都无法快速复制的数据优势——Amap 称其月活跃用户近十亿，北斗定位单日调用峰值接近一万亿次，并拥有数十年积累的时空数据，覆盖路网、兴趣点和实时交通。3DGS 架构是已发表的研究成果，但其底层语料库并非如此。

这些对外部开发者都没有帮助，而这正是发布报道往往一带而过的部分。Amap 对外宣传的关键数字——每平方公里十分钟、比传统重建快至多 1,000 倍而成本约为其 1/100、覆盖 196 个以上国家和地区、可直接用于 Unreal 和 Unity 的 3DGS 输出——均由厂商自行报告，无一经过独立复现，而且是连同白名单而非端点一起提供的。面向消费者的推出本身就是该系统能够大规模运行的一种证明。但它并不能证明你也能运行它。

每一款如何在装机中各得其所

暂且假设你两者都能得到，因为该品类正朝着这个方向发展。分界很清晰。

PAN 2 是候选动作的筛选器。它的设计假设智能体已经处于回路中：概念性推理器可以是任何遵循指令的语言模型，而 IFM 按完整计划完成度对其中四个进行了排名——Claude Opus 5.5、中等努力设置下的 GPT-6 Astra、Kimi K3、Qwen3.8-Flash——这说明预期形态是：推理器提出计划，模拟器呈现其后果，以便推理器从中选择。需要围绕该回路的成本做规划，而不是视频质量：每个片段五十个采样器步骤、每步都带引导，相当于对 29B 参数的 Transformer 进行一百次前向传播；而一个包含五个候选、十步的计划就是五十个片段。

那个推理器槽位是整个技术栈中唯一不需要 GPU 集群的部分，而 IFM 全部四个入选模型都在 OrcaRouter 目录中。通过一个 API 密钥驱动提示词重写器，就能按实验而非按合同更换规划器，自动故障转移可吸收提供商性能下降，并且 提供商列表价格以 0% 加价透传，因此供应商调价当天就会在端点上生效，而不是等到采购周期结束之后。OrcaRouter 不托管 PAN 2，也无法路由它——扩散那一半仍留在你的硬件上——但决定模拟什么的那一半只是普通的按量计费文本工作，而运行间方差实际上正存在于那里。

ABot-Earth 是一个环境工厂。它的天然产出是一个可供置入事物的场所：具身智能体的训练场、数字孪生、合成驾驶数据、模拟舞台。如果它有一天发布 API，它所支持的工作流与 PAN 2 的工作流是互补而非冗余的——生成一次世界，然后在其中模拟动作——而 Amap 已经宣传的导出格式正是衔接点。

什么会改变此页面

对于 ABot-Earth 0.7，最重要的只有一件事：一个带价格的公开 API。仅这一步就能把白名单变成候选对象，并让与 PAN 2 的 GPU 账单进行成本比较变得有意义。其背后还有三个较小的未知数——0.7 技术报告究竟会不会出现，因为 0.5 在几天内就发布了一份；权重是否会开放，这将使其对 Amap 声称正在争取的仿真团队来说成为一个真正不同的选择；以及 Amap 之外的任何人是否能在自己的硬件上复现每平方公里十分钟的说法。

对 PAN 2 而言，缺失的一环是失败研究。其模型卡承认，大约三分之二的模拟计划包含至少一个未执行的步骤，并且它模拟那些本应失败的计划时究竟有多忠实，尚未得到衡量。一个无法向你展示不良结果的模拟器，只算半个过滤器。对能力数值进行独立评估也会有所帮助；IFM 报告中的每一个数字都来自 IFM 的评测框架，其中人类研究还设有一个由十三名评审组成的评审小组。

该选哪个

如果你需要一个地点——一座城市、一栋建筑的内部、地形，或任何你原本会用测绘数据重建的东西——PAN 2 帮不上忙，而 ABot-Earth 0.7 是更令人印象深刻的系统，但你目前还用不上它，所以实际答案是继续使用你当前的重建流程，并留意 API。如果你需要在采取行动之前知道某个行动会产生什么效果，ABot-Earth 完全帮不上忙——静态场景中不包含任何后果——而 PAN 2 是少数尝试做到这一点的开放权重模型之一，其权重、代码、服务方案和失败率全部公开。

人们所寻找的那种对比——仿佛它们是货架上的竞品——并不存在。真正存在的是一个类别——世界模型——它正沿着一条大多数报道都懒得点明的轴线分裂。一边建模的是事物在哪里，另一边建模的是接下来会发生什么。到2026年末，其中只有一边会附带下载链接。