PAN 2がComfyUIでネイティブ動作: int8、26.7 GB、241フレーム

PAN 2 はカスタムノードを必要としなくなりました。11月15日に PR #17755 が ComfyUI コアにマージされたため、MBZUAI の 29B ワールドモデルは組み込みの UNETLoader と CLIPLoader から読み込め、画像から動画へは標準の Wan 2.2 潜在ノードを再利用します。int8 ビルドは 26.7 GB で、241 フレームのクリップを RTX 5090 上で 15.2 秒/ステップでサンプリングします。

コア PR に添付された 241 フレームの int8 サンプルからの1フレーム。ソース: Comfy-Org/ComfyUI #17755

241 フレームのクリップ全体、2880x1172 / 24 fps、960 px 幅で再エンコード。ソース: Comfy-Org/ComfyUI #17755

コアサポートで変わること

• テキストエンコーダー: CLIPLoader に pan2 タイプが追加されました。標準の Qwen3.5-9B を実行し、最終 norm を除いた 32 層中 30 層目から取得した後、システムターン以降のキャプション範囲を切り詰めます。
• 画像から動画へ: 条件付けは latent_image と denoise_mask から [latent * known, known] を伝達するため、既存の Wan22ImageToVideoLatent ノードが最初のフレームを駆動します。
• int8 の小型化: ブロックごとの 44 個の adaLN 線形層は silu(temb(t)) しか読まないため、チェックポイントは time embedder の代わりに 4097x192 のカーブテーブルを同梱できます。モジュレーションのエラーは 1.3e-4 のままで、int8 ファイルは 30.4 GB から 26.7 GB に縮小します。
• アクティベーションピークの低減: 動画 FFN はトークン単位のチャンクで実行され、出力はビット単位で同一のまま、241 フレーム時のピークが 12.5 GB から 3.8 GB に下がります。

デフォルト値は作者のコードと一致しています: 50 ステップ、euler/simple、CFG 2.5、24 fps、shift 9。

ダウンロードするファイル

すべて Comfy-Org/PAN2 の再パッケージ版から、スタンダードなモデルフォルダー用の単一ファイルとして提供されています。

速度

同じ RTX 5090、241 フレームの場合: joint ブロックに int8 ウェイトと int8 アテンションを使うと 15.2 秒/ステップ、dense ビルドでは 26.8 秒/ステップ です。PR の作者は同一シードのクリップを目視で確認し、ベロシティのエラーが bf16 に対する int8 ウェイトの場合と一致すると報告しています。BlockSparseAttention と EasyCache はそのままの形で上に重ねて動作します。

プロンプトには依然として構造が必要

PAN 2 は構造化された JSON キャプションで学習されています。1 行のプロンプトではノイズしか返りません。モデル自身のサンプルにある 1 行プロンプトも同様なので、サンプリング前に scene、event、subject、lighting、viewpoint、style の各フィールドを書いてください。プロンプトリライターのシステムプロンプトは同じテキストエンコーダーファイル上で TextGenerateV2 を通して実行でき、書き換えを 1 つのグラフ内に収められます。

入手方法

PAN 2 用の公式ワークフローテンプレートはまだないため、グラフは手作業で組み立てます: UNETLoader → CLIPLoader（pan2）→ CLIPTextEncode、画像から動画へは Wan22ImageToVideoLatent を加え、その後に KSampler → VAEDecode → CreateVideo と続けます。

この機能は現在のリリース後にマージされたため、v0.45.0 より新しいビルドにのみ含まれます。以前のカスタムノード経由の方法とオリジナルのモデルファイルについては、11月10日の PAN 2 の報告 をご覧ください。

ComfyUI 用 PAN 2 をダウンロード