一句话看懂：MBZUAI 旗下 IFM 于 2026 年 11 月发布并开源 29B 世界模型 PAN 2，可根据文本动作模拟场景变化，面向机器人与智能体的规划验证。其权重、训练和推理代码均以 Apache 2.0 开放。
事件核心：发生了什么
PAN 2 是 IFM 推出的通用世界模型，基于其《Critique of World Models》论文中的 GLP 架构，前代为 2025 年 11 月的 PAN。模型为 29B 致密 MMDiT 扩散 Transformer，输入文本与可选首帧，输出 704×1248、24fps、最长 20 秒视频。它将推理拆成两步：由任意指令跟随 LLM 把观察和动作写成结构化 JSON 世界状态，再由 29B 视频模型生成画面；默认使用 Kimi K3，文本编码器为冻结的 Qwen3.5-9B，解码器为 Wan 2.2 VAE。
IFM 自报的测试中，PAN 2 在 100 个多步任务上的完整计划完成率为 34.00%，略高于 MiniMax-H3 的 32.50%；单步完成率 75.10%，与后者基本持平。Physics-IQ Verified 得分 49.38，在开源模型中居首，但低于闭源 FLUX 3 的 51.11。人工偏好 Elo 为 1595，落后 MiniMax-H3 的 1620。上述结果均为 IFM 自行评测，发布时间和任务条件以模型卡为准。
为什么重要
世界模型的价值在于让智能体在执行前先“预演”方案。PAN 2 把概念规划与视觉模拟分开，并公开训练代码，降低了研究者和机器人团队复现、微调的门槛。当前开源世界模型多集中在单动作或短片段生成，PAN 2 明确押注多步长计划，这更接近真实机器人任务的形态。不过，约三分之二的计划仍会漏掉步骤，说明长程一致性仍是行业共同瓶颈。开源权重也使其成为闭源视频模型之外的一个可审计选项。
对用户/开发者/创作者的影响
开发者可通过 Hugging Face Diffusers、vLLM、FastVideo 或仓库自带脚本运行，支持文生视频与图生视频。默认采样 50 步、241 帧（约 10 秒），每个 GPU worker 需以 BF16 加载完整的 29B 模型；IFM 未公布显存占用和生成耗时，部署前需自行评估算力成本。提示词建议采用结构化描述，官方提供面向 Claude Code 和 Codex 的 Conceptual Reasoner 技能，并推荐搭配 pan2-guardrail 安全模块。对创作者而言，它更偏向规划验证工具，而非直接替代带音频的商用视频生成产品。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是第三方能否复现 34% 的多步计划完成率，以及真实机器人任务中的表现；二是显存与推理时延数据何时公开，决定其能否进入中小企业工作流；三是 MiniMax、NVIDIA Cosmos 等竞品是否跟进开源权重或多步规划能力；四是 guardrail 的实际拦截效果与许可证边界。
