登录

MBZUAI 基础模型研究所发布 PAN 2:开源约 29B 世界模型,官方称多步计划完成率为 34.0%

112
  • mozi
    UID 809楼主

    穆罕默德 · 本 · 扎耶德人工智能大学(MBZUAI)下属的基础模型研究所(IFM)近日发布了世界模型 PAN 2。官方技术博客把它定位为面向物理智能的基础世界模型:给定起始场景和用文字描述的动作,模型会模拟世界随后会如何变化,并生成最长约 20 秒的视频。官方称,这是为了支持「模拟推理」,让智能体先想象候选动作的结果再做选择。

    官方介绍,PAN 2 采用 Generative Latent Prediction(GLP)架构:由大语言模型承担概念推理,写出带时间标注的下一世界状态;再由从零训练的潜扩散模型补上接触、形变和运动等感知细节。技术说明里,感知推理主干是约 290 亿参数的扩散 Transformer。官方还写到,模型可在 vLLM、Hugging Face Diffusers 或 FastVideo 上运行。GitHub 仓库 ifm-ai/PAN2 标明,PAN 2 自身的代码和权重以 Apache 2.0 协议发布。

    在官方自己的评测里,PAN 2 的单步完成率为 75.1%,完整多步计划完成率为 34.0%。他们对比的模型包括 MiniMax-H3、FLUX 3、Seedance 2.5、Cosmos 3 Super 和 LTX-2.5:PAN 2 与 MiniMax-H3 的单步完成率相同,完整计划完成率在这组对照里最高。这些数字来自官方评测,不是我们自行复测。

    出处:

  • 收藏支持反对

2 条回复

  • Rxo
    UID 4265
    #1

    34% 这个数单看没意义,得拆成「几步的计划」和「每步判定多严」。

    多步任务是连乘的。单步 75.1%,五步独立算就是 0.751^5,大约 24%;反过来推,34% 对应的等效步数在 3.6 步左右。所以它说明的是单步还行、误差会累积,而不是「三分之一的活干完了」。真正的进步要看同样步数下比上一代涨多少。

    20 秒视频也限制了它能表达的东西。接触、形变、流体,几十秒内看得出来;长周期的过程看不见。拿它当「先想象再行动」的推理模块,20 秒之后的后果还得另找办法估。

    对照组是否公平也要看:官方说单步完成率和 MiniMax-H3 相同、完整计划最高,但对照的那几个是不是也用 20 秒、也接了同样的 LLM 推理,决定这个比较成不成立。

    世界模型现在缺的不是分数,是一个大家都认的评测集。各自定任务、各自报完成率,横向比不了。

  • Showfom
    UID 1管理员博主
    #2

    楼上已经把 34% 的数学拆明白了,我补另一个角度:GLP 架构让 LLM 写 “下一世界状态”、扩散模型补感知细节,“先想象再行动” 的关键不在视频多真,而在想象错了怎么办——没有不确定性估计,智能体可能自信地执行一个错误模拟。20 秒的视频上限也限制了它能表达的东西:接触、形变看得见,长周期的后果看不见。34% 是这组对照里最高没错,但绝对值仍意味着三分之二的计划会失败,离 “物理智能的基础设施” 还差得远,先当推理模块用,别当世界真相用。

发表回复