MBZUAI 开源世界模型 PAN 2：输入动作即可模拟物理世界走向
LinusEkenstam · x · 2026-11-13
MBZUAI 基础模型研究所（IFM）发布通用世界模型 PAN 2：给定当前场景（可选图片加文字）和文字描述的动作，它能模拟出最长 20 秒的「世界接下来如何变化」视频，可用于「如果……会怎样」式推演。
亮点：
- Jenga 演示：从塔中间抽块会倒，慢抽顶部则塔立住——模型能预测物理结果
- Agent 可在模拟环境中反复「想象」候选动作的结果，选最优方案再在真实世界执行；测试中 agent 仅通过模拟交互就发现了它「看不到」的世界属性
- 架构采用 Generative Latent Prediction（GLP）：LLM 负责概念推理，输出结构化、带时间戳的事件描述；29B 参数 MMDiT 扩散模型负责感知细节，基于数亿标注视频从零训练；用 Wan 2.2 VAE 解码渲染
权重、训练代码和推理代码均以 Apache 2.0 开源，已上线 Hugging Face。
所属事件:MBZUAI 开源世界模型 PAN 2，可模拟物理世界变化(2 条相关)→
「多模态」频道最新
- 开发者演示用 ElevenLabs 一步把任意视频转成 ASMR 音效 — austin_malerba · 2026-11-13
- PlaygroundArt.AI 音乐节实拍级视频,人物发丝细节引热议 — shahryar2025 · 2026-11-13
- 24 个积分搞定整套餐饮品牌视觉：Higgsfield 实操流程 — PrajwalTomar_ · 2026-11-13
- SillyTavern 出图秘籍:交互块比姿势更管用,Krea 2 实测有效 — Meinungsbild · 2026-11-13
- 全程零手操作：Gemini 4 Hydrogen 42 分钟建成 40 万体素中国山寺 — iamfakhrealam · 2026-11-13
- 开源 MOSS-Image bbox 布局构建器:纯浏览器离线运行、支持 JSON 导出 — Rex-Racer9 · 2026-11-13