MBZUAI-এর ওপেন-সোর্স PAN 2 মডেল ডেভেলপারদেরকে রোবোটিক ক্রিয়াকলাপগুলোকে সিমুলেশনে নিরাপদে পরীক্ষা করার সুযোগ দেয়, যাতে তারা বাস্তব জগতে এগুলো কার্যকর করার আগে পরীক্ষা করতে পারে।
এআই দিয়ে তৈরি সারাংশ। প্রেক্ষাপট ও নির্ভুলতার জন্য মূল প্রতিবেদন দেখুন।
এটি ফিডে পাওয়া অংশবিশেষ। এটি সংক্ষিপ্ত বা প্রকাশকের মূল ভাষায় হতে পারে।
The Institute of Foundation Models (IFM) at MBZUAI released PAN 2, an open world model for physical intelligence. The PAN 2 world model takes a scene and a text action and simulates the outcome as video. IFM announced it on X on November 10, 2026. Weights, training code and inference code ship under Apache 2.0. For robotics and agent developers, the pitch is simple: test a plan in simulation before acting on it. TL;DR Size: 29B-parameter diffusion transformer (MMDiT), dense. Inputs: text plus an optional first frame. Output: 704×1248 video at 24 fps, up to 20 s. Runs on: Data-center GPUs. Each worker holds the full 29B model in BF16, with block offloading as fallback. Performance: Leads 6 tested models on full plans. Trails MiniMax-H3 on single actions and human preference. Best: 34.0% full-plan completion on 100 multi-step tasks, the highest of all models tested (self-reported). Worst: About 2 in 3 plans miss a step. Physics-IQ system default: 37.48 vs 42.91 for MiniMax-H3. Bottom line: Best: a fully open world model that leads on multi-step plans. Worst: long plans still fail often, and hardware needs are high. What is PAN 2? PAN 2 is a general-purpose world model from IFM that simulates how a scene changes after an action. It follows the Generative Latent Prediction (GLP) architecture from IFM’s Critique of World Models paper. It succeeds PAN, released in November 2025. The goal is simulative reasoning. An agent proposes plans, PAN 2 simulates each one, and the agent acts on the best. How does PAN 2 work? PAN 2 splits simulation into 2 kinds of reasoning: Conceptual reasoning: An LLM reads the observation and the requested actions. It writes the next world state as structured JSON: events, timed actions bound to actors, and camera motion. Any instruction-following LLM can fill this role. IFM’s report uses Kimi K3 by default. Perceptual reasoning: A 29B MMDiT predicts the video latents. IFM trained it from scratch on hundreds of millions of annotate
উৎসের বিশ্বাসযোগ্যতা, শব্দ ও সত্তার ভিত্তিতে ১–১২ স্কেলে স্বয়ংক্রিয়ভাবে সাজানোর সহায়ক। উচ্চ: ৯–১২; মাঝারি: ৬–৮; নিম্ন: ১–৫। এটি জরুরিতা বা খবরের সত্যতা নির্ধারণ করে না এবং সম্পাদকীয় অনুমোদন নয়।
AlphaGenome 2 DNA বৈচিত্র্য কীভাবে নির্দিষ্ট কোষের ধরনকে প্রভাবিত করে তা পূর্বাভাস দেয়, যা গবেষকদের রোগের প্রক্রিয়া ভালোভাবে বুঝতে এবং লক্ষ্যভিত্তিক চিকিৎসা বিকাশে সহায়তা করে।
BotPsy ব্যবহারকারীর ডিভাইসে সরাসরি একটি ছোট, কার্যকরী AI মডেল চালিয়ে ব্যক্তিগত, অফলাইন সহায়তা প্রদান করে, ক্লাউড নির্ভরতা দূর করে।
ফিশ অডিওর Live 3 রিয়েল-টাইম ভয়েস এজেন্টদের কথা বলার সময় শোনার ক্ষমতা দেয়, যা স্বাভাবিক বিরতি সম্ভব করে এবং জটিল, হাতে-নির্ধারিত কথোপকথন ব্যবস্থাপনা নিয়মের প্রয়োজন কমায়।