PAN 2 与 Agora-2：一个模拟后果，另一个让世界持续运转

一个世界里有二十个人，听起来不止是一个人在想象接下来会发生什么。这正是 PAN 2 与 Agora-2 之间全部的混淆所在，值得在任何人把它们相互做基准测试之前先厘清。Agora-2 是 Odyssey 的可游玩研究预览版，发布于 2026 年 9 月 21 日，支持二十名参与者在共享模拟环境中活动——其中四名是人类控制者，十六名是学习得到的策略——并且即使某位玩家不看，也能让他们的世界保持一致。PAN 2 是 IFM 的 290 亿参数开放权重模拟器，以 86.17 GB 的 Apache-2.0 检查点形式发布，它接收一帧画面和一段描述的动作，并返回最长二十秒、预测后果的视频。一个是某个世界的服务器。另一个是你向某个世界提出的问题。二者在词汇上的重叠几乎完全，而在功能上的重叠接近于零，这正是为什么这种比较总是做得糟糕。

流传的数字并不是真正重要的数字。

Agora-2 的报道以“二十”为卖点，Odyssey 自己的帖子也在推波助澜。构成比数量更有意思。四名并发的人类控制者提供移动和动作输入；十六个自主实体由怪物与同伴策略驱动，而这些策略是 Odyssey 在用于学习该世界的同一语料库上训练出来的——即《暗黑破坏神 II》的录像。因此，这场会话并不是二十个人待在一个房间里。它是一个渲染问题，其核心是一个非常小的状态机，只是被包装成了游戏服务器。

正是这种架构使 Agora-2 成为与 PAN 2 不同的一类对象。Odyssey 将决定会发生什么的部分与决定它看起来怎样的部分分离，而二者之间的规模差距是报告中最惊人的数字：仿真模型有 4,457,777 个参数——约 450 万，四层宽、十四个移动分支、四步历史窗口——而渲染器是一个约十亿参数的流匹配 Transformer，每次更新运行五个求解器步，并以一个描述地图、实体、瞬态效果、相机和角色名单的 342-token 前缀为条件。

PAN 2 恰恰相反。它几乎把所有容量都用于感知：一个 29B 的多模态扩散 Transformer 预测画面帧，而决定事情走向的部分根本不是学习得到的模拟器，而是一个语言模型，它撰写结构化、带有时间锚定的事件、动作和相机运动描述。Agora-2 将其智能放在一个微小的显式状态表示中。PAN 2 将其智能放在渲染器中，并把推理委托给文本。

• 决定会发生什么——Agora-2：一个具有显式实体状态的 4.46M 参数学习型模拟模型；PAN 2：任何遵循指令的语言模型，负责撰写世界状态描述。

• 渲染它 — Agora-2：一个约 1B 参数的流匹配渲染器，每次更新使用五个求解器步；PAN 2：一个 29B 参数的扩散 Transformer，采用五十步，并在每一步都启用引导。

• 时间跨度 — Agora-2：可持续进行的开放式会话；PAN 2：每个片段最长 20 秒，最多一个起始帧，跨片段漂移。

• 输入——Agora-2：来自控制器的移动和动作命令以及学习到的策略；PAN 2：可选的首帧加上以文本形式给出的结构化动作描述。

• 参与者 — Agora-2：4 个人类与 16 个策略处于同一共享状态；PAN 2：无，它是一个批量生成器。

• 获取方式 — Agora-2：无权重、无代码仓库、无许可证，也无价格；PAN 2：Apache-2.0 权重，无需门控，附带 GitHub 代码和 vLLM 配方。

持久性才是 Agora-2 真正解决的问题

抛开多人游戏的包装，Agora-2 的真正贡献是 Odyssey 帖子中的一句话：由于实体属性独立于任何特定视图而得以保留，所以当实体不在画面中时，这些属性仍然可用。一个只依据最近帧进行条件生成的视频生成器，在你转身的那一刻就会丢掉怪物。而一个维护显式状态的世界模型则不会。正是这一设计决策将 Agora-2 与所有怀有多人游戏野心的视频模型区分开来，也正因如此，二十名参与者是一项状态管理层面的主张，而不是渲染层面的主张。

PAN 2 并未作出此类声明，其模型卡也说明了这一点。每个片段最多基于一个起始帧加文本进行模拟，因此在长交互中，外观会在片段之间发生漂移；模型卡指出，与基于文本的状态并行维护的感知记忆，正是修复该问题所需要的东西。换言之：PAN 2 知道自己存在 Agora-2 的问题，并且尚未解决它；而 Agora-2 通过把世界保持得足够小、使其能容纳在一个显式张量中，解决了该问题的一个版本。

把这两种设计放在一起看，它们框定了整个领域。如果你的世界可以用 450 万个参数来描述——一张地图网格、一份实体名册、一组移动分支——那么持久化就是可处理的，你会得到一个会话。如果你的世界是开放域的物理后果，你就需要一个理解材质与接触的渲染器，而一旦镜头移动，持久化就会变成一个开放的研究问题。

一次会话的成本，以及一次模拟的成本

这两个数字都不是作为价格公布的，因为这两款型号都不出售。两者都是以硬件的形式公布的，这更有用。

Odyssey 的四人会话服务方案是采用四张 NVIDIA RTX PRO 4500 显卡：每张 GPU 运行一个渲染器，其中一张 GPU 还承载仿真模型与智能体策略，目标是每秒 15 次潜变量更新，对应每秒 30 帧显示。报告坦承，这两个数字是目标而非实测——第 8 节将实时多智能体交互期间的持续帧率和输入到显示延迟列为未量化评估项。训练成本也逐项列明：先在 4,232,000 个片段上进行 60,000 次更新，然后在 4,332,800 个片段上再进行 60,000 次更新，运行于 32 张 B200 GPU 上。

PAN 2 的对应方案是 vLLM 配方：在四块 B300 GPU 上，用约 119 秒生成 13 秒的 704×1248 视频，文档记录的默认配置是八块 H200（BF16）。每个片段进行五十个采样器步骤，且每一步都启用无分类器引导——每个片段要通过 29B transformer 进行一百次前向传播——这就是为什么引导被并行化到两个 rank 上，而序列并行则分到另外两个 rank 上。

这两种配置规模相近，而相似之处仅此而已。四张卡换来的是一个持续运行的会话。在 PAN 2 上，四张卡换来的是：每渲染出十三秒的后果，对应两分钟；而一个计划的成本，就是规划器考虑过的每一个候选方案的成本。Odyssey 的数字是一次体验的吞吐量下限。IFM 的数字则是按问题计价的价格。

其中只有一个可以建立在今天的基础上。

这就是比较不再停留在架构层面的部分。

Agora-2 是一个研究预览版，在 Odyssey 自己的地址提供可玩演示，并附有一份技术报告。它没有权重、没有代码仓库、没有许可证、没有推理 API，也没有定价。Odyssey 将基础世界模型内部多智能体交互这一发展轨迹视为未来工作，其中 PROWL 是研究主线，Odyssey-3 是最终目标。实际来说：你可以玩它，但不能基于它进行构建，第三方也无法为你提供它。

PAN 2 的布局正好相反。权重自 2026 年 10 月 7 日起已在 Hugging Face 上发布，无需申请，其自身代码和权重均采用 Apache-2.0 许可；GitHub 仓库自 11 月 5 日起提供推理和训练脚本；11 月 10 日合并了对 vLLM-Omni 的 Day-0 支持；一个护栏以独立仓库形式发布，并附有自身的误报数据。IFM 的公告只是其自家 X 账户上的一条帖子——“Introducing PAN 2: an open foundation world model for physical intelligence”——没有博客文章、论文链接、托管端点或定价页面。这是一则单薄的公告，包裹着厚实的成果，与 Agora-2 用精心打磨的帖子包裹封闭演示的做法正好相反。

如果你的问题是“本季度我能把什么投入生产”，答案是两者都不行，但原因各不相同。Agora-2 没有 Odyssey 所描述的那种从演示走向部署的路径。PAN 2 有一条路径——权重和配方——还有一个决定你是否该走这条路的局限：根据模型卡自身的局限性章节，大约三分之二的模拟计划中至少包含一个未实际执行的步骤。

两家实验室都未建造的那款混合动力车

真正有意思的工程问题，不在于哪个模型会胜出，而在于这样一个系统长什么样：它让每个模型各尽所长，而两家厂商都没有交付这样的系统。

设想一个需要在持久世界中规划的智能体。Agora-2 的设计展示了如何让世界保持稳定：显式状态、结构化的条件前缀、小到足以与渲染器并行运行的策略。PAN 2 的设计展示了如何回答关于物理交互的“如果……会怎样”：把问题交给语言模型，得到结构化描述，渲染后果，再观察它。一个保留 Agora-2 的状态、并在其某个单元内就细粒度物理向 PAN 2 提问的栈，将严格优于二者中的任何一个，并且会要求两个实验室都开放它们尚未开放的东西。

今天你能做的，是不需要这两个模型的那一半。PAN 2 的规划器被定义为任何遵循指令的语言模型，IFM 按完整计划完成率对其中四款进行了排名：Claude Opus 5.5、中等推理强度的 GPT-6 Astra、Kimi K3、Qwen3.8-Flash。这四款都在 OrcaRouter 上，因此 PAN 2 流水线的字幕阶段可以通过一个端点运行，并具备自动故障转移，以及 各提供商的标价以 0% 加价原样透传，按实验而非按合同切换。OrcaRouter 不托管 PAN 2，也无法路由它——29B 渲染器仍留在你的 GPU 上——它当然也无法托管 Agora-2，因为没人能做到。路由器能做的是让推理那一半保持弹性，而模拟那一半固定在你已经拥有的硬件上。

如何决定

如果你正在构建一款游戏、一个供必须在共享空间中运行的智能体使用的训练环境，或者任何需要世界在多个行动者穿行其中时保持一致的东西，那么 Agora-2 是更相关的一项研究，也是更难获得的一项。读一读报告，玩一玩预览，并把二十名参与者视为关于状态设计的一种宣言，而不是一种你可以租用的容量。

如果你需要评估物理结果——这个抓取能否稳住，这次倾倒会不会洒出来，这个计划能否经受与场景的实际接触——那 Agora-2 对你毫无用处，而 PAN 2 可下载、有文档，并且坦诚地承认它在大多数计划中都会漏掉一步。先给 GPU 做预算，再给工程做预算：四块 B300 每跑十三秒要花两分钟，这就为你的规划器所考虑的每一个候选方案定下了成本。

这两者会被拿来比较一段时间，因为“世界模型”目前是一个被贴在任何一个能预测视觉内容的东西上的标签。这个标签在这里并不起作用。其中一个系统是一个固定不动、供人穿行其间的场所。另一个则是关于接下来会发生什么的问题，按需作答，而且答案被限制在二十秒以内。把它们混为一谈会耗费你四分之一的工程时间；把它们区分开来只需一个下午。