11 月 10 日,阿联酋 MBZUAI 基础模型研究所(IFM)开源世界模型 PAN 2,采用 Apache 2.0 许可。它的思路与主流语言模型不同:不只生成文字,而是模拟"做了某个动作之后世界会变成什么样"。
什么是世界模型
语言模型擅长处理符号与文本,但物理世界中的动作后果——推倒一个杯子会怎样、机器人走这一步会不会撞墙——需要对环境状态进行建模和预测。世界模型试图学习这种"状态转移",让智能体在行动前先在内部预演结果,从而减少真实环境中的试错成本。
PAN 2 的构成
据公开资料,PAN 2 由一个 LLM 规划器与一个 290 亿参数的扩散 Transformer 组成:前者负责规划动作序列,后者把动作结果模拟为最长约 20 秒的视频。用视频而非文字来表示预测结果,使模型能表达运动、碰撞、时序等连续变化。
用途与局限
潜在应用包括机器人操作规划、自动驾驶决策仿真、以及需要物理常识的智能体训练。但需要清醒看待局限:世界模型的预测是概率性的模拟,不等于真实物理定律;模拟保真度、长时序一致性与泛化能力,仍是活跃的研究难题。开源权重并不意味着可以直接用于安全关键场景。
结论
PAN 2 的价值,在于把"世界模型"这一研究方向以开放许可交到开发者手里。如果你关注具身智能或仿真,值得跟踪其后续评测;若期待它立刻解决现实任务,还需等待更成熟的验证。
小7分享网