PAN 2 d'IFM (MBZUAI) en Apache 2.0 : un modèle du monde de 29B, avec 34 % de plans complets réussis selon ses propres mesures
Selon MarkTechPost du 10 novembre 2026, IFM, rattaché à MBZUAI, publie PAN 2, un modèle du monde de 29B dont les poids, le code d'entraînement et le code d'inférence sont sous Apache 2.0, exécutable via Diffusers, vLLM, FastVideo ou les scripts du dépôt. IFM rapporte 34,0 % de plans multi-étapes entièrement réalisés, en tête des 6 modèles testés, mais environ deux tiers des plans perdent encore des étapes ; les performances en action unique et en préférence humaine restent derrière MiniMax-H3, et la mémoire GPU comme le temps de génération ne sont pas communiqués.
Ce qui change
IFM a annoncé PAN 2 le 10 novembre 2026 sur X, et MarkTechPost l'a relayé le même jour. PAN 2 est un modèle du monde généraliste orienté intelligence physique : il reçoit une scène et une action textuelle et produit la vidéo après l'action. Il reprend l'architecture de prédiction générative à variables latentes proposée dans l'article d'IFM et succède à PAN, publié en novembre 2025. L'architecture se scinde en deux étages. Le raisonnement conceptuel confie à un LLM capable de suivre des instructions la tâche d'écrire observations et actions sous forme de JSON structuré (événements, actions temporelles liées à des acteurs, mouvements de caméra) ; le rapport d'IFM utilise Kimi K3 par défaut. Le raisonnement perceptif repose sur un MMDiT dense de 29B entraîné de zéro pour prédire les variables latentes vidéo, conditionné par un encodeur de texte Qwen3.5-9B gelé, et le décodeur VAE de Wan 2.2 rend l'image finale. Le format de sortie est 704×1248 à 24 fps, jusqu'à 20 secondes, avec un clip par défaut de 241 images, soit environ 10 secondes, et un échantillonnage à 50 pas, flow shift 9 et guidance 2,5. Le rapport indique que poids, code d'entraînement et code d'inférence sont publiés sous Apache 2.0 et exécutables via Hugging Face Diffusers, vLLM, FastVideo ou les scripts du dépôt, avec une compétence de raisonneur conceptuel pour Claude Code et Codex qui transforme du texte libre en description structurée. Les ablations d'IFM montrent que le raisonnement conceptuel est indispensable : sans lui, le taux de plans complets tombe de 34,0 % à 0,0 % et le taux d'étapes de 75,1 % à 8,7 %, une simple réécriture de format permettant de remonter à 27,8 %. Le rapport mentionne aussi qu'IFM a écarté jeux vidéo, animation et contenus de simulation après un entraînement initial, et qu'un modèle test de 9B entraîné sans ces contenus a obtenu 58 % des voix lors d'un vote en aveugle.
Conséquences pour les développeurs
Pour un développeur, distinguer d'abord ce qui est disponible et ce que le modèle sait faire est plus utile que de regarder le classement. Côté licence, le rapport indique que poids, entraînement et inférence sont en Apache 2.0 : cet ensemble se rapproche davantage d'une publication permettant de reconstruire un pipeline d'entraînement qu'une simple ouverture de poids ; mais toute la chaîne d'inférence dépend encore de l'encodeur de texte Qwen3.5-9B gelé et du décodeur VAE de Wan 2.2, dont le rapport ne précise pas les conditions de licence, à vérifier avant tout usage commercial. Côté matériel, le rapport se limite à indiquer que chaque worker GPU charge le modèle complet de 29B en BF16, avec le block offloading comme solution de repli, sans donner de valeur de mémoire GPU ni de temps de génération : la planification de capacité ne peut passer que par des tests internes. Côté capacités, il s'agit de chiffres rapportés par IFM : sur 100 tâches multi-étapes, 34,0 % de plans complets (MiniMax-H3 32,50 %, FLUX 3 26,77 %, Seedance 2.5 24,49 %), et un taux d'étapes de 75,10 %, proche des 75,12 % de H3 ; en revanche, les 6 capacités d'action unique atteignent 84,48 % au total, sous les 87,20 % de H3, qui selon le rapport domine les 6 catégories, et l'Elo humain de 1595 reste inférieur aux 1620 de H3. Autrement dit, si votre charge est la génération vidéo à action unique, cette publication ne justifie pas de changer de modèle ; si elle est la planification multi-étapes du type « simuler puis agir », elle offre une option auto-hébergeable avec code d'entraînement. Les ablations montrent aussi qu'il ne s'utilise pas tel quel : sans raisonnement conceptuel, le taux de plans complets tombe à zéro, et une simple réécriture de format ne remonte qu'à 27,8 %, la qualité d'ingénierie du planificateur et des prompts déterminant directement l'utilité. Le rapport recommande par ailleurs de déployer pan2-guardrail séparément : dans les tests d'IFM, il fait passer les sorties dangereuses sur requêtes texte-vidéo nuisibles de 33,9 % à 1,5 %, tout en bloquant 11,5 % des requêtes légitimes — le garde-fou réduit le risque mais a un coût en faux positifs.
Intégration et évaluation
Voici des analyses conditionnelles et des recommandations fondées sur le rapport, et non des conclusions vérifiées. Première décision : faut-il construire soi-même le planificateur et le pipeline de prompts ? Le rapport indique que retirer le raisonnement conceptuel fait chuter le taux de plans complets de 34,0 % à 0,0 %, et qu'une simple réécriture de format le ramène à 27,8 %. Si votre charge est multi-étapes, le vrai choix est d'intégrer au périmètre d'ingénierie un planificateur LLM et un processus de réécriture en JSON structuré, plutôt que de donner du texte libre au modèle. Cela suppose que la tâche exige réellement une simulation multi-étapes ; pour une simple sortie à action unique, ces ablations ne s'appliquent pas. Protocole testable : comparer, sur votre propre jeu de tâches multi-étapes, les taux de plans complets et d'étapes pour deux entrées, texte libre et description structurée réécrite, en gardant à l'esprit le budget strict de 1536 tokens de la description, dont un dépassement après réécriture change directement le résultat. Deuxième décision : intégrer ou non le garde-fou dans la chaîne. Le rapport indique que, dans les tests d'IFM, pan2-guardrail réduit les sorties dangereuses sur requêtes nuisibles de 33,9 % à 1,5 %, mais bloque 11,5 % des requêtes légitimes ; si les prompts viennent d'utilisateurs non contrôlés, mieux vaut le placer en filtre préalable par défaut, tandis qu'en usage interne avec prompts maîtrisés, le coût des faux positifs devient plus visible. Protocole testable : sur vos échantillons de prompts existants, mesurer ensemble le taux de faux blocages de requêtes légitimes et le taux de sorties dangereuses résiduelles, puis fixer un plafond de faux blocages acceptable avant de décider d'un déploiement. Troisième décision : comment définir la pile de service et la base de mémoire GPU. Le rapport cite quatre voies — Diffusers, vLLM, FastVideo et scripts du dépôt — et précise les valeurs par défaut de 241 images et 50 pas, sans donner mémoire GPU ni temps de génération. Le choix est de figer d'abord une voie comme base, puis de mesurer pour chaque worker la mémoire GPU de pointe, la durée d'un clip avec et sans block offloading, et l'écart de qualité d'image qui en résulte. Comme le taux de plans complets n'est que d'environ un tiers, mieux vaut calculer les coûts par « plan multi-étapes réellement abouti » plutôt que par « vidéo », afin d'intégrer les reprises dues aux échecs d'une étape.
Limites et points à confirmer
Tous les scores du rapport sont rapportés par IFM et obtenus sur sa propre suite de tests, sans reproduction tierce. Les références internes au même document divergent aussi : le résumé donne 37,48 en valeur système par défaut pour Physics-IQ et 42,91 pour MiniMax-H3, alors que le tableau donne 49,38 pour PAN 2 et 39,79 pour H3 en configuration classement ; ces deux séries ne se mélangent pas. La fiche modèle et le blog diffèrent également sur les scores de planification de Cosmos 3 Super et LTX-2.5. D'autres points ne sont pas précisés : mémoire GPU et temps de génération manquent, la planification de capacité exige des tests internes ; les conditions de licence de l'encodeur Qwen3.5-9B et du décodeur VAE de Wan 2.2 utilisés dans le pipeline ne sont pas indiquées ; le taux de 11,5 % de faux blocages provient du jeu de tests d'IFM et peut ne pas se reproduire sur votre distribution de prompts ; il faut aussi vérifier par la mesure si la limite de 20 secondes et la sortie 704×1248 suffisent à vos besoins de simulation. Cette version PAN 2 ne figure pas dans le catalogue KimiSeek, le rapport ne mentionne aucune API hébergée, et les canaux d'obtention des poids et du code renvoient tous au fournisseur. Le rapport mentionne que le planificateur Kimi K3 utilisé par défaut chez IFM a une entrée correspondante dans le catalogue KimiSeek, mais le planificateur est remplaçable ; les modalités d'accès et les prix suivent la page tarifaire du site.