PAN 2 vs ABot-Earth 0.7：兩個世界模型，僅一軸之差

兩者都叫世界模型。兩者都在 2026 年最後兩個月推出。兩者都會帶你看到一個你從未去過的地方。而且，就任何買家會在乎的意義而言，它們都不是彼此的替代品，因為 PAN 2 預測場景中接下來二十秒會發生什麼，而 ABot-Earth 0.7 生成一座公里級城市，你可以隨意在其中漫步，想走多久就走多久。一個是後果的模型。另一個是地點的模型。如果你要在專案中從兩者之間做選擇，誠實的第一步是注意到「哪個更好」這個問題沒有答案，而有用的問題——你的流程實際需要哪一個，以及你能否取得它——才有答案。

第二個問題正是兩者明顯分道揚鑣之處，而這無關品味。PAN 2 以 86.17 GB 的 Apache-2.0 權重形式上架，並將 serving 支援合併進 vLLM-Omni；你今天下午就能下載，並在自己的 GPU 上執行。ABot-Earth 0.7 則是 Amap 消費者應用程式內的正式生產系統，沒有公開 API、沒有權重，其生成功能還設有白名單。其中一個是你拿得到的成品，另一個是你只能觀看的展示。

每一個各自究竟發出什麼，精確地說

PAN 2 接收一項觀察——一個可選的第一幀加上一段文字描述——以及一組以文字描述的動作，並回傳一段 MP4。在內部，它是一台兩階段的機器：由語言模型寫出一段結構化、以時間為依據的世界狀態描述，一個凍結的文字編碼器將其映射為條件特徵，再由一個 29B 多模態擴散 Transformer 以每秒 24 幀渲染出最長二十秒的 704×1248 影片。其輸出簡短、昂貴且特定：它回答「這個動作對這個場景造成了什麼」，而答案以二十秒為上限，因為每一段影片最多只從一個起始幀模擬而來。

ABot-Earth 0.7 可接收帶地理座標的衛星影像或文字提示，並回傳具階層式細節層次結構的 3D Gaussian Splatting 場景，可匯出至 Unreal Engine 與 Unity。Amap——阿里巴巴旗下地圖事業——於 2026 年 9 月 10 日在杭州舉行的 Street Stars 盛典上發表此產品，將其定位為首個原生 3D 城市世界模型，並宣稱可在單一消費級 GPU 上約十分鐘生成公里級環境。其產出是一個場所，而非一個瞬間：你可以探索它，而不必等它慢慢成形。

並排放在一起，這種不一致的輪廓就顯而易見。

• 輸出 — {{1}}PAN 2{{/1}} 會傳回一段 20 秒的 MP4，解析度為 704×1248、影格率 24 fps；{{2}}ABot-Earth 0.7{{/2}} 則會傳回帶有 LOD 結構的 3DGS 場景，可匯出至 Unreal 與 Unity。

• 輸入 — PAN 2 接收第一幀影像加上結構化動作說明；ABot-Earth 0.7 接收衛星影像或文字提示。

• 時間視野 — PAN 2 模擬未來數秒，超出此範圍便會隨片段漂移；ABot-Earth 0.7 在時間上是靜止的，只是一個不會演變之地的快照。

• 裝置 — PAN 2 文件記載的預設服務配置為八張 H200、BF16，另有一套四張 B300 的方案，能在 119 秒內以十三秒完成；ABot-Earth 0.7 則宣稱可在單張消費級 GPU 上，於十分鐘內行進一公里。

• 取得方式 — PAN 2 在 Hugging Face 上以 Apache-2.0 授權釋出，無需申請即可取用，程式碼位於 GitHub；ABot-Earth 0.7 則未公開權重、沒有公開 API，且其生成功能僅限受邀者使用。

• 獨立評估——兩者皆無。兩組數字都來自打造這些模型的實驗室。

時間與空間並非同一個軸向

這一切底下的差異值得說明，因為它改變了每個模型的用途。ABot-Earth 將場景延伸至空間之中：從單一衛星圖磚出發，它合成出你飛到當地會看見的建築、街道與室內空間，並在你從城市總覽移動到街道層級時讓這些內容保持一致。其主張是在規模化之下兼顧覆蓋範圍與保真度。

PAN 2 將場景延伸至時間之中：它從單一影格與一段描述的動作，預測後續的影格，而它力求正確掌握的是因果鏈——當物件改變時，水花也會改變，因為質量與表面積變了，而模型學到的是這層關係，而非記住某個水花畫面。IFM 的說法是，語言模型預測下一個詞，PAN 2 預測下一個世界，而 2026 年 11 月 11 日流傳的示範讓這一點具體可見：把草莓丟進碗裡，再把它換成橡皮鴨，然後改變液體，三個模擬的差異都依循物理法則。

需要其中一個的應用程式，很少也會需要另一個。一支評估候選抓取姿態的機器人團隊，需要的是 PAN 2 的軸向能力。地圖測繪產品、數位孿生部署，或正在建構環境的遊戲工作室，需要的則是 ABot-Earth 的。兩者的重疊區間很窄：有人想把生成的城市放進模擬中，再讓其中發生的事情動起來——而在那裡，如果後半段能取得，兩者會是互補組合，而非彼此競爭。

真正關鍵的比較：你跑得動嗎？

就能力而言，兩者無從比較，也沒有人嘗試比較過。就採購而言，兩者天差地別。

對研究發布而言，PAN 2 的取得歷程異常完整。權重於 2026 年 10 月 7 日上線，附有模型卡、設定檔與提示詞改寫器技能；含推論與訓練腳本的 GitHub 儲存庫隨後於 11 月 5 日推出；vLLM-Omni 於 11 月 10 日合併 Day-0 的文字轉影片與圖片轉影片支援，同日晚間還出現配方頁面，記載四張 B300 的配置與八張 H200 的預設配置。IFM 於 11 月 10 日 UTC 17:00 在 X 發布公告——就在框架合併後五十六分鐘——內容寫道：「推出 PAN 2：一個用於物理智能的開放基礎世界模型。」沒有部落格文章、沒有論文連結、沒有託管端點、沒有定價。但本體可供下載，且授權條款允許商業使用。

ABot-Earth 0.7 的取得途徑正好相反。體驗網站已上線，但生成功能僅限受邀者使用——介面將創作標示為 beta 階段，並提供白名單申請。沒有公開定價、沒有費率表，也沒有開發者文件說明外部系統會如何呼叫它。6 月的 0.5 版本在 arXiv 上發布了技術報告，並在 GitHub 上建立儲存庫，而該儲存庫只是報告的存放處，並非實作；0.7 發布時所公告的內容，沒有任何跡象顯示權重已開放。該網站也從頭到尾都是簡體中文，沒有語言切換器，因此若要從英文來評估，就只能依據 Amap 的新聞資料。

對多數團隊而言，這在討論能力之前就結束了比較。一個你無法呼叫的模型不是候選方案；它是這個類別在變得可存取時會是什麼樣貌的基準。

Amap 具備而 IFM 不具備的優勢，以及為何無法轉移

ABot-Earth 0.7 儘管有存取權限問題，仍值得認真看待，原因在於它並非實驗室示範。它驅動 Flying Street View 2.0，這項消費級功能以可自由探索的 3D 空間取代固定路線的飛越導覽；Amap 表示，已有超過 8.8 億人使用它所處的 Street Stars 平台。目前北京、杭州等城市的部分場館已展開試營運，公司也具體列出使用情境：查看特定劇院座位的視線、在購物中心內部導航，以及出發前評估地形。

在那背後，是一種任何模型實驗室都無法迅速複製的資料優勢——Amap 宣稱擁有近十億月活躍使用者、Beidou 定位尖峰單日呼叫量逼近一兆次，以及數十年累積下來、涵蓋道路網路、興趣點與即時交通的時空資料。3DGS 架構是已發表的研究成果。但其底層的語料庫則不是。

這些都幫不上外部開發者，而這正是發布報導往往避而不談的部分。Amap 的頭條數字——每平方公里十分鐘、比傳統重建快達 1,000 倍、成本約為 1/100、涵蓋 196 個以上國家和地區、可直接用於 Unreal 和 Unity 的 3DGS 輸出——全都由廠商自行公布，沒有任何一項經獨立重現，而且是連同白名單、而非端點一起提供。消費者端的上線本身是一種證明该系统可大規模運行的形式。但這並不證明你也能運行它。

每一個如何在組裝中贏得自己的一席之地

暫且假設兩者你都能得到，因為這個類別正朝那個情況發展。分界很明確。

PAN 2 是候選動作的篩選器。其設計假設代理已經在迴路中：概念推理器是任何遵循指令的語言模型，而 IFM 依完整計畫完成度對其中四個模型進行排名——Claude Opus 5.5、以中等努力運作的 GPT-6 Astra、Kimi K3、Qwen3.8-Flash——這說明了預期的形態：由推理器提出計畫，模擬器呈現其後果，讓推理器從中挑選。這個迴路的成本才是規劃時要考慮的重點，而不是影片品質：每個片段五十個取樣器步驟、每一步都套用引導，等於每個片段要對 29B transformer 做一百次前向傳遞，而五個候選、十步的計畫就是五十個片段。

那個推理器位置是整個堆疊中唯一不需要 GPU 叢集的一環，而 IFM 排名中的四個模型全都收錄在 OrcaRouter 型錄中。以單一 API 金鑰驅動提示改寫器，可讓你依實驗而非依合約更換規劃器，並由自動容錯移轉吸收供應商效能衰退，且供應商定價以 0% 加價原樣轉嫁，因此供應商價格一有變動，當天就會在端點上生效，而不是等到採購週期之後。OrcaRouter 不託管 PAN 2，也無法路由它——擴散那一半仍留在你的硬體上——但決定要模擬什麼的那一半是普通的按量計費文字工作，而逐次執行之間的變異其實就存在於那裡。

ABot-Earth 是一間環境工廠。它自然產出的是一個可以把東西放進去的地方：具身代理人的訓練場、數位孿生、合成駕駛資料、模擬的舞台。如果它日後推出 API，它所促成的工作流程會與 PAN 2 的工作流程互補，而非重複——先產生一次世界，再在其中模擬動作——而 Amap 已經宣傳的匯出格式正是接合點。

什麼會改變這個頁面

對 ABot-Earth 0.7 而言，最重要的是：一個已發布且標明價格的 API。這一步就能把白名單變成候選方案，也讓與 PAN 2 的 GPU 帳單進行成本比較變得有意義。其背後還有三個較小的未知數——0.7 技術報告究竟會不會出現（因為 0.5 曾在數天內就有一份）；權重是否會開放，這將讓它對 Amap 表示正在爭取的模擬團隊而言成為真正不同的選項；以及 Amap 之外是否有人在自有硬體上重現每平方公里十分鐘的說法。

對 PAN 2 而言，缺少的一環是失敗研究。其模型卡坦承，約每三個模擬計畫中就有兩個至少包含一個未執行的步驟，而且它模擬那些應該失敗的計畫時有多忠實，尚未經過測量。一個無法向你展示壞結果的模擬器，只算半個篩選器。對能力數據進行獨立評估也會有幫助；IFM 報告中的每一個數字都來自 IFM 的測試框架，而人類研究則有十三名審查者組成的小組。

該選哪個

如果你需要一個地點——一座城市、建築物內部、地形，或任何你原本會用測量資料重建的東西——PAN 2 幫不上忙，而 ABot-Earth 0.7 是更令人印象深刻的系統，但你目前還用不到，所以實務上的答案是繼續使用你目前的重建流程，並留意 API。如果你需要在採取某個動作之前知道它會造成什麼結果，ABot-Earth 完全幫不上忙——靜態場景裡沒有任何後果——而 PAN 2 是少數會嘗試這麼做的開放權重模型之一，且權重、程式碼、部署配方與失敗率全都公開。

人們搜尋的那種比較並不存在，彷彿這些是貨架上互為競品的產品。真正存在的是一个類別——世界模型——正沿著一條大多數報導都懶得命名的軸線分裂。一邊對事物所在的位置建模，另一邊對接下來會發生什麼建模。到了 2026 年末，只有其中一個附有下載連結。