PAN 2 开源：动作条件世界模型，可生成最长 20 秒结果预测视频
做 Agent 或机器人训练的朋友可以关注：PAN 2 开源了，输入一个动作描述，语言模型先推演剧情，29B 视频模型再渲染出最长 20 秒的物理结果，等于把试错搬进了仿真，不用在真实环境里烧成本。
PAN 2 是一个免费开源的动作条件世界模型（action-conditioned world model），用户描述一个动作后，它能生成最长 20 秒的视频，展示该动作在物理世界中会引发的结果。其核心价值在于把智能体的试错成本从真实环境转移到仿真环境中。
技术上它采用两阶段分工：先由一个语言模型推理出事件走向的"剧情"，再由一个 29B 参数的视频模型负责渲染画面。这种拆分让模型既能理解动作语义，又能保证生成画面的物理一致性。
对做 Agent 训练的开发者来说，这类世界模型意味着可以在模拟里低成本跑大量失败案例，而不必在真实环境中承担试错开销。
Agents learn from trial and error. The expensive part is the error. A world model moves the error into simulation, which is the whole case for something like PAN 2.
This is a free, open "action-conditioned world model".
Takes an action you describe, and generates up to 20 seconds of video showing what would physically happen next. Its new trick is splitting the job in 2: a language model first works out the plot, then a 29B video model renders it.
本条情报归属 AITOP「模型」核心追踪栏目。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：PAN 2、世界模型、开源模型、视频生成，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「rohanpaul_ai」（@rohanpaul_ai），经 AITOP 多维评分管线结构化提炼。
