MBZUAI 开源 PAN 2：29B 世界模型用视频模拟 20 秒动作后果

MBZUAI 基础模型研究所（IFM）发布了 PAN 2，一个采用 Apache 2.0 许可的世界模型。公开描述很直接：它把 LLM 规划器和 29B 扩散 Transformer 组合起来，把动作可能造成的结果模拟成视频，单次最长 20 秒。

世界模型这个词容易被说大。放在这里，可以先理解为：系统接收动作条件，生成未来一段视觉结果。机器人或物理 AI 需要在真实世界里行动，试错成本高，所以用生成视频来预判动作后果，是一个有现实价值的方向。PAN 2 的看点在于规模和开放性：29B 参数、Apache 2.0、可下载使用，研究者和开发者能直接检查、复现、改造。

但别急着把 20 秒当成机器人已经会干活。视频生成和物理可信之间还有距离。画面合理，不代表受力、碰撞、材质、接触都算对了。20 秒也远短于很多真实任务的时间尺度。PAN 2 能否在陌生场景、不同机器人本体、复杂交互里稳定工作，要看后续代码、评测和社区复现。

另一个值得注意的点是路线。LLM 负责规划和语义，扩散 Transformer 负责生成视觉结果。这个分工解释了它为什么强调动作条件。对做 AI 的人来说，可以关注接口设计、动作表示、训练数据，以及推理成本。29B 扩散模型跑起来不会轻，实际部署门槛也要看代码和优化。

目前公开信息来自 MarkTechPost 的报道和项目页。原文链接放在这里，方便核对细节：MBZUAI's IFM Releases PAN 2, an Open 29B World Model for Physical AI。

如果你在做具身智能、机器人仿真或视频世界模型，PAN 2 值得放进观察列表。先看它能生成什么，再看它错在哪里。