MBZUAI представил открытую мировую модель PAN 2
Институт фундаментальных моделей (IFM) при MBZUAI представил PAN 2 — открытую мировую модель для физического интеллекта. Система моделирует изменение сцены после заданного действия. На вход подаются текст и, при необходимости, начальный кадр; результатом становится видео с предполагаемым развитием ситуации. Веса, код обучения и код вывода распространяются по лицензии Apache 2.0.
PAN 2 объединяет большую языковую модель и диффузионный трансформер MMDiT на 29B параметров. Языковая модель преобразует наблюдение и действие в структурированное описание событий, действий с временными интервалами и движения камеры. Затем диффузионная модель генерирует видео с разрешением 704×1248 и частотой 24 кадра в секунду, продолжительностью до 20 секунд. В базовой конфигурации IFM использует Kimi K3, текстовый энкодер Qwen3.5-9B и декодер Wan 2.2 VAE.
Согласно самостоятельно представленным IFM результатам, PAN 2 полностью выполнил 34.00% из 100 многошаговых заданий против 32.50% у MiniMax-H3. Доля выполненных отдельных шагов составила 75.10%, практически на уровне 75.12% у MiniMax-H3. Для работы нужны серверные GPU; каждый рабочий процесс размещает всю модель в BF16. В тесте без языкового этапа рассуждения выполнение полного плана снизилось до 0.0%.
Текст подготовлен ИИ Sakhanda Wire по материалу MarkTechPost. Факты, цитаты и полный контекст — в оригинальной статье ниже.