PAN 2 與 Agora-2：一個模擬後果，另一個讓世界持續運轉

同一個世界裡有二十個人，聽起來像是超過一個人在想像接下來會發生什麼。這正是 PAN 2 與 Agora-2 之間令人困惑的全部所在，而在任何人拿它們互相比較基準之前，值得先把這件事釐清。Agora-2 是 Odyssey 的可遊玩研究預覽版，於 2026 年 9 月 21 日發布，支援二十名參與者身處同一個共享模擬環境——其中四人是人類控制者，十六人是學習到的策略——並且即使玩家把目光移開，也能讓他們的世界保持一致。PAN 2 則是 IFM 的 290 億參數開放權重模擬器，以 86.17 GB 的 Apache-2.0 checkpoint 形式發布，它接收一幀畫面與一段描述動作，並回傳最多二十秒的影片，預測其後果。一個是為某個世界提供服務的伺服器。另一個則是你向某個世界提出的問題。兩者在使用詞彙上的重疊幾乎完全，但在功能上的重疊卻接近於零，而這正是為什麼這項比較總是被做得如此糟糕。

流傳的數字，並不是真正重要的數字。

對 Agora-2 的報導都以那二十人為開頭，而 Odyssey 自己的貼文也助長了這種印象。組成方式比人數更有意思。四名同時操作的人類控制者提供移動與動作輸入；十六個自主實體則由怪物與同伴策略驅動，這些策略是 Odyssey 用學習這個世界時所用的同一批語料庫訓練出來的——也就是 Diablo II 的遊戲錄影。所以這場連線並不是二十個人共處一室。它是一個本質上屬於渲染問題、核心只有一個極小狀態機，卻被包裝成遊戲伺服器的東西。

這種架構正是讓 Agora-2 成為與 PAN 2 不同類型物件的原因。Odyssey 將決定會發生什麼事的東西，與決定它看起來像什麼的東西分開，而兩者之間的規模差距是報告中最引人注目的數字：模擬模型有 4,457,777 個參數——大約 450 萬個，四層寬，十四個運動分支，四步歷史視窗——而渲染器是一個約十億參數的流匹配 Transformer，每次更新執行五個求解器步驟，並以描述地圖、實體、瞬態效果、相機與名冊的 342 個 token 前綴為條件。

PAN 2 則相反。它幾乎把所有容量都花在感知上：一個 29B 多模態擴散 transformer 預測影格，而決定會發生什麼事的部分根本不是學得的模擬器，而是一個語言模型，負責撰寫關於事件、動作與相機運動的結構化、具時間錨定的描述。Agora-2 把其智慧放在微小的顯式狀態表徵中。PAN 2 把其智慧放在渲染器中，並將推理交由文字處理。

• 決定會發生什麼事——Agora-2：一個具備顯式實體狀態、擁有 446 萬參數的學習式模擬模型；PAN 2：任何可遵循指令並撰寫世界狀態描述的語言模型。

• 負責渲染 —— Agora-2：一個約 1B 的流匹配渲染器，每次更新使用五個求解器步數；PAN 2：一個 29B 的擴散 Transformer，執行五十步，且每一步都啟用引導。

• 時間範圍 — Agora-2：可持續的開放式工作階段；PAN 2：每個片段最多 20 秒，最多一個起始影格，並會在不同片段之間漂移。

• 輸入 — Agora-2：來自控制器的移動與動作命令，加上學習所得的策略；PAN 2：可選的第一幀，加上以文字呈現的結構化動作描述。

• 參與者 — Agora-2：4 個人類與 16 個策略，共用同一個狀態；PAN 2：無，它是批次產生器。

• 存取 — Agora-2：沒有權重、沒有儲存庫、沒有授權條款，也沒有價格；PAN 2：Apache-2.0 權重，無需申請，附 GitHub 程式碼與 vLLM 配方。

持久性正是 Agora-2 真正解決的問題

剝去多人遊戲的框架，Agora-2 真正的貢獻是 Odyssey 貼文中的一句話：由於實體屬性會獨立於任何特定視角而被保留，因此當實體不在畫面中時，這些屬性仍然可用。只以近期影格為條件的影片生成器，在你轉身的那一刻就會把怪物弄丟。而保留明確狀態的世界模型則不會。這正是區隔 Agora-2 與所有懷有多人遊戲野心的影片模型的設計決策，也是為什麼二十位參與者是一項狀態管理主張，而非渲染主張。

PAN 2 並未做出這類宣稱，而其模型卡也如此表明。每段短片最多只從一個起始影格加上文字模擬而來，因此在長時間互動中，外觀會在各段短片之間漂移；模型卡指出，與基於文字的狀態並行維護的感知記憶，正是修正此問題所需的東西。換句話說：PAN 2 知道自己有 Agora-2 的問題，而且尚未解決；而 Agora-2 則透過把世界維持得足夠小、小到能放進一個顯式張量中，解決了該問題的某個版本。

合而觀之，這兩個設計框定了這個領域的兩端。如果你的世界可以用 450 萬個參數來描述——一張地圖網格、一份實體名冊、一組移動分支——持久化就是可處理的，而你會得到一個工作階段。如果你的世界是開放領域的物理後果，你就需要一個能理解材質與接觸的算繪器，而一旦相機移動，持久化就會變成一個開放的研究問題。

一次工作階段的花費，以及一次模擬的花費

這兩個數字都不是以價格的形式公布，因為這兩款型號都不販售。兩者都是以硬體的形式公布，這樣更有用。

Odyssey 的四人對局服務方案是四張 NVIDIA RTX PRO 4500 顯示卡：每顆 GPU 一個渲染器，其中一顆 GPU 同時承載模擬模型與代理策略，目標是每秒十五次潛在更新，對應每秒三十個顯示幀。報告直言，這兩個數字是目標而非實測值——第 8 節將即時多代理互動期間的持續幀率與輸入到顯示延遲列為未經定量評估。訓練帳單也逐項列出：在 4,232,000 個片段上進行六萬次更新，接著在 4,332,800 個片段上再進行六萬次，並在 32 顆 B200 GPU 上執行。

PAN 2 的對應方案是 vLLM recipe：在四張 B300 GPU 上，約 119 秒內生成十三秒的 704×1248 影片，而文件記載的預設配置是八張 H200、BF16。每個片段要進行五十個取樣器步數，且每一步都使用無分類器引導——每段剪輯要穿過 29B transformer 進行一百次前向傳遞——這就是為什麼引導會平行化到兩個 rank，而序列平行化則分到另外兩個 rank。

這兩種配置的規模相近，而相似之處也僅止於此。四張卡換來的是一個能持續運作的工作階段。在 PAN 2 上，四張卡換來的是每十三秒的算繪後果對應兩分鐘，而一個計畫的成本，就是規劃器所考慮的每個候選方案的成本。Odyssey 的數字是某種體驗的吞吐量下限。IFM 的數字則是每題的價格。

這些之中只有一個能建立在今日之上。

這就是比較不再停留在架構層面的部分。

Agora-2 是研究預覽版，附有可在 Odyssey 自家網址遊玩的示範，以及一份技術報告。它沒有權重、沒有程式碼儲存庫、沒有授權、沒有推論 API，也沒有價格。Odyssey 將基礎世界模型內多代理互動的發展路徑定位為未來工作，並以 PROWL 作為研究主線、Odyssey-3 作為最終目標。實務上：你可以遊玩它，但不能在其上建構，第三方也無法為你提供服務。

PAN 2 則是相反的做法。權重自 2026 年 10 月 7 日起就放在 Hugging Face 上，不受存取限制，其程式碼與權重皆採 Apache-2.0 授權；GitHub 儲存庫自 11 月 5 日起提供推論與訓練腳本；Day-0 的 vLLM-Omni 支援於 11 月 10 日合併；另有一道護欄以獨立儲存庫形式發布，並附上它自己的誤報數字。IFM 的公告只是其自家 X 帳號上的一則貼文——「隆重推出 PAN 2：用於物理智慧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，也沒有定價頁面。那是一層薄薄的公告，包著厚實的成品，恰好與 Agora-2 那篇圍繞封閉示範精心打磨的貼文相反。

如果你的問題是「本季我能把什麼投入正式環境」，答案是兩者都不行，但原因不同。Agora-2 沒有 Odyssey 所描述、從示範到部署的路徑。PAN 2 有路徑——權重和配方——以及一項限制，決定你是否該走這條路：根據模型卡自身的限制章節，大約三分之二的模擬計畫至少包含一個未執行的步驟。

兩間實驗室都尚未打造出的混合體

有趣的工程問題不在於哪個模型勝出，而在於一個能讓兩者各展所長的系統會是什麼樣子，而兩家供應商都沒有推出這樣的東西。

想像一個需要在持久世界中進行規劃的智能體。Agora-2 的設計展示如何讓世界保持穩定：顯式狀態、結構化條件前綴，以及小到能與渲染器並行運作的策略。PAN 2 的設計展示如何回答關於物理互動的「如果會怎樣」：把問題交給語言模型，取得結構化描述，渲染後果，然後觀察它。一個保留 Agora-2 狀態、並就其中某個網格單元內的細粒度物理詢問 PAN 2 的技術堆疊，將嚴格優於兩者，且會需要兩個實驗室公開一些他們尚未公開的東西。

今天你能做的是不需要任一模型的那一半。PAN 2 的規劃器被定義為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進行了排名：Claude Opus 5.5、中等投入程度的 GPT-6 Astra、Kimi K3、Qwen3.8-Flash。這四個都在 OrcaRouter 上，因此 PAN 2 管線的字幕階段可以透過單一端點執行，並具備自動容錯移轉，各供應商的標價以 0% 加成透傳，按實驗而非按合約切換。OrcaRouter 不託管 PAN 2，也無法路由它——29B 渲染器仍留在你的 GPU 上——它當然也無法託管 Agora-2，而這是沒人能做到的。路由器能做的是讓推理那一半保持彈性，同時把模擬那一半固定在你已擁有的硬體上。

如何決定

如果你正在打造一款遊戲、一個供必須在共享空間中運作的代理使用的訓練環境，或任何需要讓世界在多個行動者穿梭其間時仍保持一致性的東西，那麼 Agora-2 是更切題的那份研究，也是更不易取得的那一份。讀讀報告、玩玩預覽，並把這二十名參與者視為關於狀態設計的一種表態，而不是你可以租用的容量。

如果你需要評估物理結果——這個抓取能否抓穩、這個傾倒會不會灑出來、這個計畫能否經得起與場景接觸——Agora-2 對你毫無用處，而 PAN 2 可下載、有文件，且誠實面對在大多數計畫中漏掉一個步驟。先編列 GPU 預算，再編列工程預算：四張 B300 以每十三秒兩分鐘計，決定了你的規劃器所考慮的每個候選方案的成本。

這兩個系統一時之間會被拿來比較，因為「世界模型」目前是個標籤，只要某個東西能預測視覺上的事物，就會被貼上這個標籤。這個標籤在這裡毫無作用。其中一個系統是一個固定不動、讓人穿行其間的場所；另一個則是一個關於接下來會發生什麼的問題，按需回答，而答案上限為二十秒。把兩者混為一談，會讓你付出四分之一工程時間的代價；把兩者區分開來，只需一個下午。