← Todas las noticias

IFM de MBZUAI publica PAN 2 en abierto: un modelo del mundo de 29B con Apache 2.0 y 34% de planes completos según sus propias cifras

Según MarkTechPost, el 10 de noviembre de 2026, IFM, vinculado a MBZUAI, publicó PAN 2, un modelo del mundo de 29B cuyos pesos, código de entrenamiento y de inferencia se distribuyen bajo Apache 2.0, y que puede ejecutarse con Diffusers, vLLM, FastVideo o los scripts del repositorio. IFM reporta una tasa de planes multietapa completos del 34,0%, por delante de los 6 modelos que evaluó, pero cerca de dos tercios de los planes siguen perdiendo pasos; además, queda por detrás de MiniMax-H3 en acciones simples y en preferencia humana, y no se han publicado datos de memoria ni de tiempo de generación.

Publicado Actualizado

Qué ha cambiado

IFM anunció PAN 2 en X el 10 de noviembre de 2026, y MarkTechPost lo reportó ese mismo día. PAN 2 es un modelo del mundo general orientado a la inteligencia física: recibe una escena y una acción descrita en texto, y genera el vídeo posterior a la acción. Sigue la arquitectura de predicción con variables latentes generativas presentada en un artículo de IFM y es el sucesor de PAN, publicado en noviembre de 2025. La arquitectura tiene dos tramos. El razonamiento conceptual usa un LLM con capacidad de seguir instrucciones para convertir la observación y la acción en un JSON estructurado (eventos, acciones temporizadas asociadas a actores y movimientos de cámara); el informe de IFM usa Kimi K3 por defecto. El razonamiento perceptivo usa un MMDiT denso de 29B entrenado desde cero para predecir las variables latentes del vídeo, con un codificador de texto Qwen3.5-9B congelado como condicionamiento y un decodificador VAE de Wan 2.2 para renderizar la imagen final. La salida es de 704×1248 a 24 fps, con un máximo de 20 segundos; el clip por defecto es de 241 fotogramas, unos 10 segundos, con 50 pasos de muestreo, flow shift 9 y guidance 2,5. La nota afirma que los pesos, el código de entrenamiento y el de inferencia se publican bajo Apache 2.0, que pueden ejecutarse con Hugging Face Diffusers, vLLM, FastVideo o los scripts incluidos en el repositorio, y que se incluye una skill de razonamiento conceptual para Claude Code y Codex que reescribe texto libre en descripciones estructuradas. Las ablaciones de IFM muestran que el razonamiento conceptual es imprescindible: al eliminarlo, la tasa de planes completos cae del 34,0% al 0,0% y la de pasos completados del 75,1% al 8,7%; reescribir solo el formato permite recuperar el 27,8%. La nota también menciona que IFM eliminó material de juegos, animación y simulación tras un entrenamiento temprano, y que un modelo de prueba de 9B entrenado sin ese material ganó el 58% de los votos en una prueba ciega.

Impacto para desarrolladores

Para los desarrolladores, es más útil separar primero disponibilidad y límites de capacidad que mirar el ranking. En cuanto a la licencia, la nota afirma que los pesos y el código de entrenamiento e inferencia son Apache 2.0; esta combinación se acerca más a una publicación que permite construir la propia línea de entrenamiento que una simple liberación de pesos. Sin embargo, toda la cadena de inferencia depende de un codificador de texto Qwen3.5-9B congelado y de un decodificador VAE de Wan 2.2, y la nota no aclara las condiciones de licencia de estas dos partes, por lo que hay que verificarlas antes de un uso comercial. En hardware, la nota solo dice que cada worker de GPU carga el modelo completo de 29B en BF16 y que el block offloading es la alternativa de respaldo; no da cifras de memoria ni tiempos de generación, así que la planificación de capacidad solo puede basarse en pruebas propias. En capacidad, son datos autoinformados por IFM: en 100 tareas multietapa, la tasa de planes completos es del 34,0% (MiniMax-H3 32,50%, FLUX 3 26,77%, Seedance 2.5 24,49%), y la de pasos completados, del 75,10%, prácticamente igual al 75,12% de H3. Pero en las 6 capacidades de acción simple suma un 84,48% global, por debajo del 87,20% de H3, y la nota afirma que H3 lidera en las 6 categorías; el Elo humano de 1595 también queda por debajo del 1620 de H3. En otras palabras, si tu carga es la generación de vídeo de una sola acción, esta publicación no da motivos para cambiar de modelo; si es planificación multietapa del tipo «simular antes de actuar», ofrece una opción autoalojable y con código de entrenamiento. Las ablaciones también indican que no funciona sin más: al quitar el razonamiento conceptual, la tasa de planes completos cae a cero, y reescribir solo el formato solo recupera el 27,8%, de modo que la calidad de ingeniería del planificador y de los prompts determina directamente la utilidad. Además, la nota recomienda desplegar pan2-guardrail por separado; en las pruebas de IFM, redujo las salidas inseguras ante solicitudes dañinas de texto a vídeo del 33,9% al 1,5%, pero bloqueó el 11,5% de las solicitudes benignas, es decir, la barrera reduce el riesgo a costa de falsos bloqueos.

Integración y evaluación

Lo siguiente es análisis condicional y recomendaciones basadas en la nota, no conclusiones verificadas. La primera decisión es si construir internamente el planificador y la línea de prompts. La nota afirma que eliminar el razonamiento conceptual hace caer la tasa de planes completos del 34,0% al 0,0%, y que reescribir solo el formato la devuelve al 27,8%; si tu carga son tareas multietapa, la opción real es incorporar al alcance de ingeniería el planificador LLM y el flujo de reescritura a JSON estructurado, en lugar de entregar texto libre directamente al modelo. La premisa es que la tarea realmente necesite simulación multietapa; si solo se trata de generar una acción única, estas conclusiones de ablación no aplican. Una forma medible es comparar, en tu propio conjunto de tareas multietapa, la tasa de planes completos y de pasos completados con dos entradas: texto libre y descripción estructurada reescrita, teniendo en cuenta que la descripción tiene un presupuesto fijo de 1536 tokens y que un truncado tras la reescritura cambia directamente el resultado. La segunda decisión es si incluir la barrera de seguridad en la cadena. La nota afirma que, en las pruebas de IFM, pan2-guardrail redujo las salidas inseguras ante solicitudes dañinas del 33,9% al 1,5%, pero bloqueó el 11,5% de las solicitudes benignas; si los prompts vienen de usuarios no controlados, conviene poner la barrera como filtro previo por defecto; si el uso es interno y los prompts son controlados, el coste de los falsos bloqueos pesará más. Una forma medible es contar a la vez la tasa de falsos bloqueos benignos y la de salidas dañinas residuales sobre tus muestras de prompts, y fijar primero un límite aceptable de falsos bloqueos antes de decidir el despliegue. La tercera decisión es cómo fijar el stack de servicio y la base de memoria. La nota enumera cuatro vías (Diffusers, vLLM, FastVideo y los scripts del repositorio) e indica 241 fotogramas y 50 pasos por defecto, pero no da memoria ni tiempos de generación. La opción es fijar primero una vía como base y medir después, uno por uno, el pico de memoria por worker, el tiempo por clip con block offloading activado y desactivado, y la diferencia de calidad de imagen que ello provoca. Como la tasa de planes completos es solo de aproximadamente un tercio, conviene calcular el coste por «plan multietapa completado con éxito» y no por «vídeo», para que el coste de reintentos por fallos de un solo paso quede contabilizado.

Límites y cuestiones pendientes

Todas las puntuaciones de la nota las reporta IFM y se ejecutaron en su propio conjunto de pruebas; no son una reproducción de terceros. Dentro del mismo material tampoco hay coherencia: el resumen da un valor por defecto del sistema Physics-IQ de 37,48 y 42,91 para MiniMax-H3, mientras que la tabla da 49,38 para PAN 2 y 39,79 para H3 en la configuración de clasificación; ambas cifras no deben mezclarse. La model card y el blog tampoco coinciden en las puntuaciones de planificación de Cosmos 3 Super y LTX-2.5. Hay otros puntos sin aclarar: faltan datos de memoria y tiempo de generación, por lo que la planificación de capacidad requiere pruebas propias; no se indican las condiciones de licencia del codificador Qwen3.5-9B ni del decodificador VAE de Wan 2.2 usados en la cadena; el 11,5% de falsos bloqueos benignos proviene del conjunto de pruebas de IFM y puede no reproducirse en tu distribución de prompts; y hay que comprobar si el límite de 20 segundos y la salida de 704×1248 cubren tus necesidades de simulación. La versión PAN 2 no figura actualmente en el catálogo de KimiSeek, y la nota no menciona ninguna API alojada; los canales de acceso a pesos y código remiten al proveedor. La nota menciona que el planificador Kimi K3 que IFM usa por defecto tiene una entrada correspondiente en el catálogo de KimiSeek, pero el planificador es sustituible; la forma de acceso y el precio deben consultarse en la página de precios del sitio.

Tres minutos hasta la primera llamada

Crea una cuenta y una clave de API. El coste de las llamadas se descuenta de tu saldo. 30 % de descuento en tu primera recarga. Recarga ¥500, paga ¥350, recibe ¥500 de saldo. Recarga ¥1000, paga ¥850, recibe ¥1000 de saldo La recarga mínima sigue siendo de ¥10, adecuada para pruebas.

Fuentes y proceso editorial

MBZUAI 旗下 IFM 发布 PAN 2:面向物理 AI 的开源 29B 世界模型

La IA ayudó con el análisis y la traducción de las fuentes citadas, seguidos de controles automáticos. Las recomendaciones no son resultados de pruebas. Consulta el catálogo actual para precios y disponibilidad.