概览
PAN 2 是阿联酋穆罕默德·本·扎耶德人工智能大学（MBZUAI）旗下基础模型研究所 IFM 在 2026 年 11 月 10 日发布的开源世界模型。它不是普通的文生视频模型，目标是做「模拟器」：给它一个当前场景（一张可选的起始图加文字）和一串用文字写的动作，它推演接下来世界会怎么变化，并输出一段最长约 20 秒的视频，让智能体或机器人在真正动手之前先看到「这样做会怎样」，IFM 把这叫作模拟式推理。官方示例包括鸡蛋掉在各种不同表面上的结果、在没见过的厨房里煮一锅意面，以及给多步计划逐个候选方案做模拟、再挑效果最好的那个去执行。 结构上 PAN 2 沿用 IFM 的生成式潜变量预测（GLP）框架，分两步走。第一步是概念推理：由一个大语言模型读取画面和动作，写出下一时刻的世界状态，是带时间戳的事件、绑定到具体执行者的动作和镜头运动组成的结构化描述；这个角色可以换，技术报告评测过 Claude Opus 5.5、GPT-6 Astra、Kimi K3 和 Qwen 3.8 Flash，官方还提供了给 Codex / Claude Code 用的提示词改写技能，也能用本地指令模型离线改写。第二步是感知推理：一个从零训练、29B 参数的 MMDiT 潜扩散模型把描述变成视频潜变量，再由 Wan 2.2 VAE 解码成画面；文本编码器是冻结的 Qwen3.5-9B。输出规格为 704×1248、24 fps，默认采样 50 步，约 10 秒，最长 481 帧约 20 秒。官方评测里，六项物理与因果能力（物理一致性、因果连贯、实体持续、约束满足、视角不变、客观动态）排在 MiniMax-H3 之后、另外四个模型之前，多步计划的完整完成数最多，Physics-IQ Verified 排行榜总第三、开源权重模型第一；官方也承认长时间的世界一致性还没解决。以上成绩均为官方自测。 权重、完整训练与推理代码、技术说明和文档全部以 Apache-2.0 协议发布，可在 Hugging Face 下载，并支持 diffusers 和 vLLM。官方强烈建议在前面挂上独立发布的 pan2-guardrail：生成前用 Qwen3Guard-Gen-4B 审请求，生成后用 Q16 分类器逐帧审视频；内部测试中有害文生视频请求产出不安全视频的比例从 33.9% 降到 1.5%，代价是 11.5% 的正常文生视频请求也被拦下。官方来源：https://ifm.ai/pan2/press-release/ 、https://huggingface.co/IFM/PAN2 、https://github.com/ifm-ai/PAN2 、https://github.com/ifm-ai/pan2-guardrail （2026-11-11 12:25 Asia/Shanghai 核对）。 定价：PAN 2 以 Apache-2.0 协议免费开源，可商用，自行部署只需算力；官方目前没有公布付费 API 或托管服务价格。按官方推理脚本，每块 GPU 上的进程要装下完整的 29B 扩散模型。
- 模态
- 视频
- 参数量
- 29B
- 许可说明
- 开源 · Apache-2.0
能力
- IFM（MBZUAI 旗下基础模型研究所）2026 年 11 月 10 日发布的开源通用世界模型：给一个起始画面（可选）和用文字描述的动作，模拟接下来会发生什么，输出最长约 20 秒的视频
- 两段式推理：大语言模型先写出带时间戳的事件、动作执行者和镜头运动（概念推理），29B 参数的 MMDiT 潜扩散模型再把这份描述渲染成视频（感知推理）
- 同一个检查点同时支持文生视频与图生视频，输出 704×1248、24 fps，默认约 10 秒（241 帧），最长 481 帧约 20 秒
- 概念推理器可换：报告里评测过 Claude Opus 5.5、GPT-6 Astra、Kimi K3、Qwen 3.8 Flash，任意能遵循指令的大模型都能用；官方附带 Codex / Claude Code 技能做提示词改写
- 官方评测：六项物理与因果能力仅次于 MiniMax-H3；Physics-IQ Verified 排行榜总第三、开源权重模型第一（均为官方说法）
- 权重、完整训练与推理代码均以 Apache-2.0 开源，支持 diffusers 与 vLLM；文本编码器 Qwen3.5-9B 与 Wan 2.2 VAE 需另行下载
- 官方强烈建议搭配 pan2-guardrail：生成前用 Qwen3Guard-Gen-4B 审请求、生成后用 Q16 逐帧审视频
