IFM di MBZUAI pubblica PAN 2, un world model open source da 29 miliardi di parametri per l’IA fisica

IFM di MBZUAI pubblica PAN 2, un world model open source da 29 miliardi di parametri per l’IA fisica
3 min di lettura

L’Institute of Foundation Models (IFM), affiliato al MBZUAI, ha pubblicato PAN 2, un modello del mondo open source destinato all’intelligenza artificiale fisica. A partire da una scena e da un’azione descritte in testo, simula il risultato sotto forma di video. L’annuncio è stato fatto su X il 10 novembre 2026, e i pesi, il codice di addestramento e il codice di inferenza sono distribuiti con licenza Apache 2.0.

Un modello del mondo è un sistema che predice l’evoluzione di un ambiente dopo un’azione. PAN 2, presentato come un modello a uso generale, succede a PAN, rilasciato nel novembre 2025. L’obiettivo dichiarato è il ragionamento per simulazione: un agente propone diversi piani, PAN 2 simula ciascuno di essi, e l’agente agisce in base al migliore. Per gli sviluppatori di robotica e agenti, l’idea è testare un piano in simulazione prima di eseguirlo.

Un ragionamento in due fasi

PAN 2 suddivide la simulazione in due fasi. La prima, detta concettuale, si basa su un grande modello linguistico (LLM), ovvero un sistema addestrato a manipolare testo. Legge l’osservazione e le azioni richieste, quindi redige lo stato successivo del mondo sotto forma di JSON strutturato: eventi, azioni datate legate ad attori e movimento della telecamera. Secondo il rapporto dell’IFM, il ragionatore utilizzato di default è Kimi K3, ma qualsiasi LLM capace di seguire istruzioni può svolgere questo ruolo.

La seconda fase, percettuale, è affidata a un trasformatore di diffusione da 29 miliardi di parametri, battezzato MMDiT, che predice i latenti del video. IFM lo ha addestrato da zero su centinaia di milioni di video annotati. Un codificatore di testo Qwen3.5-9B, congelato durante l’uso, condiziona questo modello, e il decodificatore VAE di Wan 2.2 produce le immagini finali.

IFM sostiene che l’LLM è determinante. Senza ragionamento concettuale, il tasso di completamento dei piani completi scende dal 34,0% allo 0,0%, e quello delle fasi passa dal 75,1% all’8,7%. Una semplice riscrittura in formato strutturato recupera parte del divario, con il 27,8% di piani completi. IFM indica anche di aver scartato le immagini di videogiochi, animazione e simulazione dopo una fase di addestramento iniziale. Un modello test da 9B addestrato senza di esse ha ottenuto il 58% dei voti in un test alla cieca.

Risultati annunciati dall’editore

Tutti i punteggi seguenti sono auto-dichiarati da IFM, che ha utilizzato la propria suite di test: 6 capacità valutate su 300 casi a azione singola e 100 compiti multi-fase. Sui piani completi, PAN 2 raggiunge il 34,00%, contro il 32,50% di MiniMax-H3, il 26,77% di FLUX 3 e il 24,49% di Seedance 2.5. Sulle fasi prese una a una, ottiene il 75,10%, contro il 75,12% di MiniMax-H3. Sulle 6 capacità, mostra l’84,48%, contro l’87,20% di MiniMax-H3, che prevale in tutte e sei le categorie.

Sulla classifica Physics-IQ Verified, PAN 2 ottiene 49,38, in testa tra i modelli aperti, dietro al modello chiuso FLUX 3, a 51,11. Su RBench, raggiunge 57,04, contro 56,16 di MiniMax-H3. Nel test di preferenza umana, mostra un Elo di 1595 con GPT-6 Astra come ragionatore, contro 1620 per MiniMax-H3.

Per quanto riguarda l’hardware, ogni GPU worker carica il modello completo da 29B in BF16, con uno scaricamento a blocchi come soluzione di ripiego. IFM non pubblica né cifre sulla memoria video (VRAM) né durate di generazione. La durata predefinita di una sequenza è di 241 immagini, cioè circa 10 secondi, e il limite è di 20 secondi in 704×1248 a 24 immagini al secondo. Le descrizioni sono limitate a 1.536 token, le unità di testo elaborate dal modello.

IFM raccomanda inoltre il proprio sistema di sicurezza separato, pan2-guardrail. Nei test dell’istituto, ha ridotto le uscite non sicure provenienti da richieste dannose da testo a video dal 33,9% all’1,5%, bloccando allo stesso tempo l’11,5% delle richieste innocue.

S’abonner
Notification pour
guest

0 Commentaires
Le plus ancien
Le plus récent Le plus populaire
0
Nous aimerions avoir votre avis, veuillez laisser un commentaire.x