把杯子往桌邊推一點,接下來會發生什麼?這樣的判斷,人往往很快就能做出來。讓 AI 處理同樣的問題,則需要它把物體的位置、動作順序和可能出現的變化聯繫起來。
2026 年 11 月 10 日,穆罕默德·本·扎耶德人工智能大學(MBZUAI)設立的基礎模型研究院 IFM 發佈了 PAN 2。這個世界模型嘗試把行動後的變化呈現爲視頻,讓研究者觀察一項計劃在模擬中如何展開。
對開發者來說,這次發佈值得關注的地方也很具體:模型權重和代碼已經有公開入口,研究團隊可以自行部署、檢查生成過程,並設計自己的測試。至於模擬能在多大程度上幫助真實任務,還需要逐項驗證。
一、輸入一個場景,再告訴它要做什麼
PAN 2 接受文字描述,也可以加入一張起始圖片。用戶描述當前場景和接下來要執行的動作,系統據此生成最長 20 秒的視頻。
它的工作流程分成幾個環節。語言模型先整理場景與行動,把事件、動作發生的時間和鏡頭變化寫進結構化描述。文本編碼器隨後處理這些內容,視頻擴散模型生成畫面的內部表示,最後由視頻解碼器還原爲可觀看的視頻。
這也解釋了爲什麼提示詞會影響結果。起始位置有沒有交代清楚,誰在操作物體,動作之間怎樣銜接,都會進入生成過程。官方提供了提示詞改寫腳本和相關技能,方便把日常語言整理成模型使用的格式。
如果要自行試用,可以先從一個場景、一個動作開始。比如固定桌面佈局,描述某件物體被移動後的位置變化,再逐步增加動作。這樣更容易看清錯誤出在哪個環節,也方便比較改寫前後的提示詞。
二、已經開放了哪些內容?
目前公開的核心權重是 29B 參數的視頻擴散骨幹,文字生成視頻和圖片生成視頻共用這一檢查點。官方 GitHub 倉庫提供訓練與推理代碼,Hugging Face 提供權重和模型說明。
完整流程還會用到其他組件,包括 Qwen3.5-9B 文本編碼器和 Wan 2.2 VAE。負責整理場景與動作的語言模型,也需要在部署時安排好。
PAN 2 自有代碼和權重採用 Apache 2.0 許可;第三方組件適用各自的許可。準備做產品或對外提供服務時,應逐一查看這些組件的許可文件、版權聲明和使用要求。下載 PAN 2 權重只是部署準備中的一步。
三、運行之前,先看計算資源和依賴
官方倉庫給出了環境、權重轉換和推理說明。採用倉庫內的推理腳本時,需要按文檔處理發佈權重的格式,並準備好文本編碼器、VAE 和運行依賴。
有一個細節很容易被忽略:默認推理啓動方式會讓每張 GPU 上的工作進程持有完整的 29B 模型,再把不同提示詞分配給這些進程。增加 GPU 數量主要用於同時處理更多請求。
文檔還提供模型或模塊卸載選項,可以在運行過程中把部分內容放到 CPU 內存,再按需移入 GPU。實際能否運行、生成要等多久,都要結合硬件和具體配置測試。本文未進行本地部署,暫不提供最低顯存承諾或速度估計。
對於第一次接觸這類模型的讀者,比較穩妥的順序是先看官方示例與輸入格式,再覈對現有硬件,最後用少量固定樣本測試。先把環境和一條生成流程跑通,後續比較纔有基礎。
四、畫面順暢,仍然需要逐步檢查動作
PAN 2 的模型卡對侷限寫得相當直接。官方多步計劃研究中,約三分之二的模擬計劃至少有一步沒有完成。針對本來就應當失敗的計劃,模擬是否忠實,仍缺少相應測量。
連續交互時,物體外觀也可能逐漸變化。另一個問題是模型會跳過某些必要過程,讓場景直接接近目標狀態。如果只看最後一幀,很容易漏掉中間的錯誤。
因此,評估時值得把一項任務拆成幾個可觀察的檢查點:物體有沒有持續存在,位置變化是否合理,動作順序有沒有保留,完成條件是否真的滿足。對於操作規劃,失敗的過程同樣值得保存和分析。
這些模擬輸出需要與真實觀察或實驗結果對照。涉及機器人控制等安全敏感用途時,還需要獨立的人類審查和驗證。對外展示生成視頻,也應清楚標註其合成性質。
五、這次開放,對哪些人更有用?
PAN 2 更容易引起世界模型、機器人和智能體規劃研究者的興趣。開放的權重與代碼,使他們能夠調整輸入、檢查失敗案例,並在自己的任務上開展可重複的實驗。
對於關注 AI 前沿的普通讀者,可以先抓住一個問題:系統能否把一段行動安排,連續、可靠地展現出來?這個問題包含了時間、因果關係和物體狀態,也能幫助我們理解世界模型的研究方向。
接下來值得看的,是更多獨立測試能否說明它在哪些動作上穩定、在哪些環節容易出錯,以及部署成本能否被進一步降低。這些結果會逐漸勾勒出 PAN 2 適合承擔的實際任務。
