PAN 2が重みを公開、一本の消融実験が設計の全体を説明する

11月10日、MBZUAIの基礎モデル研究所(Institute of Foundation Models)はPAN 2の重み、学習コード、推論コードをApache 2.0で公開した。学習コードまで出す世界モデルは少なく、プレスリリースもそこを押している。読むべきは技術ブログのほうだ。システムの位置づけを書き換えてしまう消融実験が一本入っている。
PAN 2に開始フレームと、言葉で書いた動作を渡すと、最長20秒の動画で「この後どうなるか」を出力する。ここで問われているのは、この系列が物理的に筋の通った因果の連鎖になっているかどうかだ。画質のよさは二の次で、こちらのほうが測るのはずっと難しい。
推論器は二つ、チェックポイントは一つ
アーキテクチャはIFMがGenerative Latent Predictionと呼ぶもので、仕事を二つに分ける。
マルチモーダル言語モデルが開始画像と要求された動作を読み、次の世界状態をタイムスタンプ付きの構造化された記述に書き出す。誰が動くのか。いつ動くのか。カメラはどう動くのか。この記述は散文ではなくJSONで、ここが効く。検査できるインターフェースになるからだ。
29Bパラメータのマルチモーダル拡散トランスフォーマーが、言語が開けたままにした部分を埋める。ゼロから学習させ、素材は見栄えではなく物理的な動きで選んだ。接触。変形。波が砕ける形。凍結したQwen3.5-9Bのテキストエンコーダが条件付けを担い、Wan 2.2のVAEがフレームをデコードする。
公開されたチェックポイントはテキストto動画と画像to動画の両方を扱う。既定値は704×1248、毎秒24フレーム、サンプリング50ステップ、CFG 2.5、最長20秒。カメラの動きと被写体の動きを別々に記述する。視点が変わってもシーンが破綻しないのは、そのおかげだ。
IFMの既定のプランナーはKimi K3。Physics-IQ Verifiedのリーダーボード設定では、概念推論器としてClaude Opus 5.5を使った。この細部は覚えておく価値がある。見出しのスコアが、他人の言語モデルについての話でもあるからだ。
本題は消融実験のほう
リーダーボードの順位より引用されるべきなのは、この表だ。
概念推論の工程を外し、動作をそのまま拡散モデルに流すと、多段計画の完了率は34.0%から0.0%に落ちる。単段の完了率は75.1%から8.7%に落ちる。
プロンプトを同じ構造化形式に書き換えつつ、表層の書式だけを残すと、完全計画の完了率は27.8%まで戻る。価値の大半は推論の側にあり、書式にはほとんど残らない。構造そのものが少しだけ効いている。
言い直す。誰がいつ何をするかを決めるプランナーがなければ、この動画モデルは多段の課題をそもそも終えられない。出来が悪い、では済まない。ゼロなのだ。動画生成器として売られているこれは、スケジューラに接ぎ木したレンダラに近い。物理の推論はスケジューラの側に住んでいる。

この見方なら、IFM自身が認めている失敗の型にも説明がつく。模擬した計画のおよそ三本に二本は、いまも最低一工程を落とす。三本に一本が当たる。モデルカードには具体的な癖も書かれている。求められた結末に向かいながら、必要な物理工程を飛ばすことがある。説得力のある最後のフレームは、壊れた系列を隠せてしまう。ラスト1秒だけ見れば、信じてしまう。
立ち位置
日常的な100タスクでの多段計画、完全計画の完了率:
| モデル | 完全計画の完了率 |
|---|---|
| PAN 2 | 34.00% |
| MiniMax-H3 | 32.50% |
| FLUX 3 | 26.77% |
| Seedance 2.5 | 24.49% |
物理知能を測るIFMの六つの軸、物理一貫性、因果の整合、実体の持続、制約の充足、視点不変性、目的の力学で、PAN 2は総合84.48。MiniMax-H3は87.20。つまりPAN 2は計画を最後まで終える点で前に出て、計画の内側にある個別の能力では後ろに下がる。奇妙で、はっきりした形の結果だ。一本の系列を脱線させないことのほうが、その中の1フレームを良くすることより得意なのである。
Physics-IQ VerifiedでPAN 2は49.38、プランナーはOpus 5.5。オープンウェイトでは最良で、Cosmos 3 Superの48.62を上回り、クローズドのFLUX 3の51.11には届かない。PhyGroundは4.74、RBenchは57.04。動作の追随、物理的な妥当性、世界の一貫性についての盲検の人手比較では、テストしたオープンモデル4本のうち2位だった。
数字はすべてIFM自身の報告による。公開リーダーボードの設定は著者申告で、これはいつもの慣行であり、いつもの留保でもある。
入れ方
重みはHugging FaceのIFM/PAN2。コードはifm-ai/PAN2、安全フィルタはifm-ai/pan2-guardrailという別リポジトリで、IFMは併用を強く勧めている。DiffusersとvLLM-Omniは公開当日から対応している。
計算資源の敷居は高く、ドキュメントもそれを隠していない。推論ワーカーはそれぞれ29Bのモデルを丸ごと読み込み、プロンプトを分け合う。だからGPUを増やして買えるのは同時実行数で、1リクエストの速度は上がらない。オフロードはCPUメモリとGPUの間でブロックを移す。どれだけ効くかはハード次第だ。
見落としやすく、しかし重要な運用の話がある。IFMはCodexやClaude Codeで動くConceptual Reasoner skillを同梱していて、生成の前にこれで自由文のプロンプトを構造化キャプションへ書き換えることを勧めている。あの消融実験が、そのまま製品判断になっている。ここでのプロンプトエンジニアリングとは、良い形容詞を選ぶことではなく、使える段取りを出力することだ。
最初の試行は小さく、条件を固定してやるのがいい。開始画像、書き換えたプロンプト、設定、出力をまとめて保存しておく。系列がおかしくなったとき、動作記述の曖昧さなのか、構造化プロンプトが条件を落としたのか、動画の段階で物体が消えたのかを切り分けられる。
何のためのものか
IFMははっきり言っている。これはエージェントのための土台で、デモ映像のための玩具ではない。想定されているループはこうだ。エージェントが動作を提案し、PAN 2が帰結を模擬し、エージェントが結果を比べて修正し、新しい観測が戻ってくる。このループを回す価値があるのは、模擬がもっともらしいだけでなく、現実と突き合わせて検証できる場合だけだ。
34%が効いてくるのはそこだ。三本に一本しか完成せず、三本に二本が工程を落とすなら、これで計画を立てるエージェントは十分な頻度で間違える。ループに検証器を、できれば人間も入れる必要が出てくる。チームもそう書いている。長期的な世界の一貫性は未解決で、プロンプト感度は文書化され、クリップ間の一貫性も問題として記録されている。
それでもダウンロードする価値は二つある。重みと学習コードがあれば、失敗を信じるのではなく再現できる。プランナーの消融は、きれいで安い実験を渡してくれる。言語モデルだけを差し替え、他はそのままにして、計画の完了率が動くかを見る。リーダーボードを走らせ直すより、午後の使い方としてはるかにましだ。
PAN 2が実際に問うているのは、物理の推論をどこに置くかだ。Physics-IQではクローズドのFLUX 3に2点ほど劣る。完全計画では、クローズドを含む全モデルを上回る。この二つが両立するのは、推論がプランナー側で起き、拡散バックボーンが描画を担っている場合だけだ。PAN 2自身の数字は言語モデルを指している。そして動画モデルのほうは、頭脳というより、出来のいいデコーダに近いことを指している。
関連記事
Pinky は agent に自分のスマホを操作させる。送信ボタンは、あなたが許可を押すまで押さえたまま
Pinky はどんな MCP agent でも本物の iPhone や Android につなぎ、承認をプロンプトではなく自前のゲートウェイで強制する。銀行アプリは見えず、パスワード欄は通行止め、Android 13 では agent に隠れた2枚目の画面が渡される。
サーバー1台、AI配信者1人:夜のライブ配信を動かすコードの中身
open-yoki は、毎晩 Binance Square で配信する AI ホストの本番コードで、人格・声・お金に関わる機能は取り除かれています。headless Chrome がフレームを描き、ffmpeg が RTMP を押し、Markdown フォルダが彼女の気分と投稿内容を決めます。
SoduWork の依頼は、チャットが止まったときではなく、依頼した人が承認したときに終わる
SoduWork はセルフホストのワークベンチだ。依頼には着手前に受け入れ基準が書かれ、納品は別の harness がレビューし、最後は人が承認する。うまくいった進め方はプラグインとして保存され、チームの他の人がそのまま実行できる。
世界の法律を git に入れた人がいる。だから法令も blame できる
global-law は各国の法令を git リポジトリとして持ち、1 つの commit が既知の日に効力を持った 1 つの法律にあたる。条文に対して log、blame、show、diff を実行でき、ある日の各国の施行状況を調べ、コーパス全体を MCP 経由でアシスタントに渡せる。