PAN 2 in ComfyUI: video AI da 20 secondi, gratis e Apache 2.0

Aggiornato in data

PAN 2 in ComfyUI: video AI da 20 secondi, gratis e Apache 2.0

In qualità di Affiliato Amazon io ricevo un guadagno dagli acquisti idonei.As an Amazon Associate I earn from qualifying purchases.En calidad de Afiliado de Amazon, obtengo ingresos por las compras adscritas que cumplen los requisitos aplicables.

PAN 2 in ComfyUI è una di quelle notizie che fanno girare la testa: un modello video gratuito, con licenza Apache 2.0, che genera clip fino a 20 secondi partendo da un testo o da un'immagine. Lo ha creato l'Institute of Foundation Models della MBZUAI, l'università di Abu Dhabi dedicata all'intelligenza artificiale, e dal 15 novembre ComfyUI lo supporta direttamente, senza nodi esterni. La v0.46.0 del 18 novembre lo elenca tra le novità ufficiali.

Prima di correre a scaricarlo, però, ti diciamo come la vediamo. Noi lavoriamo in locale su una normalissima RTX 3060 da 12 GB con 32 GB di RAM, e PAN 2 è un modello da 29 miliardi di parametri: il file più leggero per ComfyUI pesa 26,7 GB. Non l'abbiamo provato e, numeri alla mano, su una scheda così è molto difficile farlo girare. È comunque un modello da conoscere, perché ragiona in modo diverso dagli altri generatori video e la licenza è tra le più aperte in circolazione. Qui trovi cosa è confermato, cosa serve davvero e come si scrive il prompt.

Cos'èUn "modello del mondo" che genera video da testo o da un fotogramma iniziale, fino a 20 secondi a 704×1248 e 24 fps
Chi l'ha creatoInstitute of Foundation Models della MBZUAI (Emirati Arabi Uniti)
Memoria video richiestanon dichiarata; il file int8 per ComfyUI pesa 26,7 GB, più 9,75 GB di codificatore del testo
Gira su una RTX 3060 da 12 GB?non dichiarato; sulla carta è molto difficile, e non esiste ancora una versione GGUF più leggera
LicenzaApache 2.0 per codice e pesi; VAE di Wan 2.2 e Qwen3.5-9B hanno le loro licenze
Uso commerciale dall'Italiasì, la licenza Apache 2.0 non pone limiti commerciali né geografici
Dove scaricarloHugging Face: repository ufficiale IFM/PAN2 e repack Comfy-Org/PAN2
Gratis o a pagamentogratis, gira sul tuo PC

Cos'è PAN 2 e perché lo chiamano "modello del mondo"?

PAN 2 è un generatore video che prima "pensa" alla scena e poi la disegna. Gli dai un'azione da compiere, per esempio "il gatto salta sul tavolo e fa cadere il bicchiere", ed eventualmente un fotogramma di partenza. Un modello linguistico (Qwen3.5-9B, bloccato e non riaddestrato) riscrive la richiesta come una descrizione strutturata dello stato del mondo: cosa succede, in quale ordine, chi compie ogni azione, come si muove la camera. Poi una rete da 29 miliardi di parametri di tipo MMDiT (un'architettura che elabora testo e immagine insieme) genera il video, e il VAE di Wan 2.2 lo decodifica (il VAE è il pezzo che trasforma i dati compressi del modello in fotogrammi veri).

Il termine "modello del mondo" viene da qui: l'obiettivo è simulare cosa succede dopo un'azione, con una fisica credibile, più che produrre una bella inquadratura. Secondo la scheda ufficiale su Hugging Face, l'uscita standard è 704×1248 a 24 fotogrammi al secondo: 241 fotogrammi (circa 10 secondi) di default, fino a 481 per arrivare a 20 secondi. Gli autori sono onesti sui limiti: circa due piani d'azione su tre contengono almeno un passaggio che il modello non esegue, e nelle sequenze lunghe l'aspetto dei soggetti tende a cambiare.

Quanta VRAM serve per PAN 2 in ComfyUI?

Un requisito ufficiale di VRAM (la memoria della scheda video) non c'è, ma i file parlano chiaro. Nel repack di Comfy-Org trovi queste versioni:

  • pan2_int8_convrot: 26,7 GB, la versione compressa in int8 (numeri interi a 8 bit, più leggeri dell'originale);
  • pan2_bf16: 67,4 GB, la qualità piena;
  • qwen3.5_9b_int8_convrot: 9,75 GB, il codificatore del testo (in bf16 sono 19,3 GB);
  • wan2.2_vae: 1,4 GB.

Il lavoro fatto per l'integrazione nel core riduce parecchio la memoria di calcolo: con 241 fotogrammi il picco delle attivazioni scende da 12,5 a 3,8 GB, secondo l'articolo di ComfyUI Wiki sul supporto nativo. Il modello da 26,7 GB però resta, e su una scheda da 12 GB va caricato a pezzi dalla RAM di sistema, che a sua volta deve contenere anche il codificatore del testo. Con 32 GB di RAM siamo al limite, e per questo non lo consigliamo su configurazioni come la nostra. Esiste anche un repack della comunità in formato NVFP4 da 16,3 GB, ma NVFP4 è un formato pensato per le schede NVIDIA della serie RTX 50: se stai valutando un upgrade, nella nostra guida alle schede video per l'AI trovi il confronto tra i modelli e le fasce di prezzo.

Sul tempo, l'unico dato pubblicato riguarda una RTX 5090: 15,2 secondi per passo con pesi e attenzione in int8, 26,8 secondi per passo in versione densa, con 241 fotogrammi. Con i 50 passi consigliati fanno circa 12-13 minuti di solo campionamento per un clip da 10 secondi, sulla scheda consumer più potente che ci sia. Su schede più piccole i tempi crescono parecchio.

Come si usa PAN 2 in ComfyUI senza nodi esterni?

Serve una versione di ComfyUI più recente della v0.45.0, poi il grafo si costruisce con nodi standard, perché un template ufficiale ancora non c'è. La catena indicata da ComfyUI Wiki è questa:

  1. Load Diffusion Model (UNETLoader) con pan2_int8_convrot.safetensors nella cartella models/diffusion_models;
  2. Load CLIP con qwen3.5_9b_int8_convrot.safetensors e il tipo impostato su pan2;
  3. CLIP Text Encode per il prompt;
  4. per partire da un'immagine, il nodo Wan22ImageToVideoLatent, lo stesso di Wan 2.2, che usa la foto come primo fotogramma;
  5. KSampler con 50 passi, sampler euler, scheduler simple, CFG 2.5 e shift 9 (i valori del codice originale);
  6. VAE Decode con wan2.2_vae.safetensors e Create Video a 24 fps.

Se è la prima volta che costruisci un flusso di nodi, parti dalla nostra guida introduttiva a ComfyUI. Dopo l'aggiornamento, se compaiono nodi rossi o errori di memoria esaurita, la guida agli errori di ComfyUI spiega come uscirne. In alternativa c'è il pacchetto della comunità ComfyUI-PAN2, uscito l'11 novembre, che aggiunge un nodo PAN2 Prompt Builder per compilare il prompt a campi.

Perché con PAN 2 un prompt di una riga non funziona?

Perché il modello è stato addestrato su descrizioni strutturate, non su frasi brevi. ComfyUI Wiki riporta che un prompt di una riga, anche quello dell'esempio ufficiale, restituisce clip slavate o rumore. Le informazioni da dare sono sei: la scena, l'evento, il soggetto, la luce, il punto di vista e lo stile. I nomi esatti dei campi non sono documentati, quindi il modo più sicuro è usare il Prompt Builder del pacchetto ComfyUI-PAN2, oppure scrivere un testo ordinato come questo esempio nostro:

Scene: a small wooden kitchen in the morning, a glass of water on the table.
Event: 0-4 s the cat walks to the table; 4-7 s it jumps on the table; 7-10 s the glass tips over and water spills.
Subject: an orange tabby cat.
Lighting: warm sunlight from the window on the left.
Viewpoint: static camera at table height, medium shot.
Style: realistic, natural colors.

Le azioni con i tempi indicati aiutano il modello a seguire l'ordine degli eventi. Meglio scrivere in inglese, perché è la lingua dei dati di addestramento descritti nella scheda.

Si può usare PAN 2 per lavoro?

Sì: codice e pesi di PAN 2 sono rilasciati con licenza Apache 2.0, che permette l'uso commerciale anche dall'Italia e dall'Unione europea. È una differenza importante rispetto ad altri modelli recenti, come MiniMax H3-Image, la cui licenza esclude l'UE. Fai attenzione solo ai componenti di terze parti (il VAE di Wan 2.2 e Qwen3.5-9B), che hanno licenze proprie: la scheda ufficiale rimanda ai file NOTICE e THIRD_PARTY_LICENSES. Nel nostro vademecum dei modelli AI per video in ComfyUI trovi il confronto con Wan, LTX e gli altri, licenze comprese.

Da provare subito

Se hai una scheda da 24 GB o più e almeno 64 GB di RAM, questa è la strada più breve:

  1. aggiorna ComfyUI alla v0.46.0 o successiva;
  2. scarica da Comfy-Org/PAN2 il modello int8, il codificatore Qwen3.5-9B int8 e il VAE di Wan 2.2, nelle rispettive cartelle;
  3. fai una prima prova corta e piccola (pochi fotogrammi, risoluzione ridotta) per misurare i tempi sulla tua scheda;
  4. solo dopo passa ai 241 fotogrammi, con un prompt strutturato come quello sopra.

Per vedere il risultato prima di scaricare oltre 37 GB di file, guarda due video usciti in questi giorni: "PAN2 A Local World Video Model Know About Physics! Try It In ComfyUI" di Benji's AI Playground e "PAN 2: NEW AI World Model! Full Tutorial in ComfyUI (T2V & I2V)" di The Ai Blueprint. Con 12 GB di VRAM, per i video in locale restano più pratici modelli come LTX o Wan 2.2 in versione GGUF; per i personaggi che parlano c'è LongCat Avatar 1.6, l'avatar parlante da foto e voce.

Le altre novità

  • Suno Visuals: dal 17 novembre Suno crea clip video fino a 15 secondi a partire dalle tue canzoni, più video con il testo e copertine. I crediti video sono separati da quelli per la musica (annuncio di Suno).
  • MAI-Image-2.7: alla conferenza Ignite del 17 novembre Microsoft ha presentato sette nuovi modelli MAI, tra cui questo modello per creare e modificare immagini, con una versione Flash più economica (Thurrott).
  • ComfyUI v0.46.0: oltre a PAN 2, la versione del 18 novembre aggiunge il nodo Split Image Channels per separare i canali di un'immagine e porta Qwen3-1.7B nel nodo Generate Text (changelog ufficiale).

Domande frequenti

PAN 2 è gratis?

Sì. Codice e pesi sono scaricabili da Hugging Face con licenza Apache 2.0 e il modello gira sul tuo computer, senza abbonamenti né crediti. Il costo vero è l'hardware: servono una scheda video con molta memoria, tanta RAM e almeno 37 GB di spazio libero per la versione int8.

PAN 2 gira su una scheda da 12 GB?

Non c'è un dato ufficiale e non l'abbiamo provato. Il modello int8 pesa 26,7 GB, più del doppio della memoria di una RTX 3060, e va caricato a pezzi dalla RAM insieme al codificatore del testo da 9,75 GB. Con 32 GB di RAM è al limite; finché non esce una versione GGUF più leggera, non lo consigliamo.

Quanto dura un video di PAN 2?

Fino a 20 secondi in un solo clip, cioè 481 fotogrammi a 24 fps. Il valore predefinito è 241 fotogrammi, circa 10 secondi. La risoluzione standard è 704×1248. Su una RTX 5090 un clip da 10 secondi richiede circa 12-13 minuti di campionamento con i 50 passi consigliati.

Serve un nodo personalizzato per PAN 2?

No, dalla PR unita il 15 novembre PAN 2 funziona con i nodi standard di ComfyUI: Load Diffusion Model, Load CLIP con tipo pan2, KSampler e VAE Decode. Il pacchetto della comunità ComfyUI-PAN2 resta utile per il Prompt Builder, che aiuta a scrivere il prompt strutturato richiesto dal modello.

Se vuoi seguire le prove che facciamo davvero sulla nostra RTX 3060, iscriviti al canale YouTube @tutorial3d e scarica i workflow gratuiti dalla sezione ComfyUI del sito.

Sono un informatico e videodesigner e mi occupo di comunicazione visiva.
L’obiettivo del mio lavoro è quello di aiutare i miei clienti nella comunicazione proponendo soluzioni tecniche e creative nell'ambito visual/multimedia.

Tutorial3d
Grafico - Videodesigner - VisualFX

Ti consigliamo anche:



#Devo averlo!

VIDEO

INSPIRATION IN YOUR INBOX

Una mail. Un tutorial. Niente rumore.

Ti scrivo un solo tutorial scelto, con file progetto e note tecniche. Senza promozioni, senza affiliate. Cancellabile in un click.

[newsletter_form]