Pandore est un modèle qui se rapproche d'un modèle de monde universel. Il simule l'état du monde en générant des vidéos et permet de contrôler le contenu vidéo à tout moment grâce à du langage naturel. Contrairement aux modèles texte-vidéo précédents, Pandore accepte des entrées d'actions textuelles libres pendant le processus de génération vidéo, permettant ainsi un contrôle en temps réel. Cette capacité de contrôle instantané concrétise la promesse des modèles de monde qui supportent la génération de contenu interactif et un raisonnement et une planification plus robustes. Pandore peut générer des vidéos dans de multiples domaines, tels que les environnements intérieurs/extérieurs, naturels/urbains, humains/robotiques, 2D/3D, etc. De plus, Pandore permet un ajustement des instructions grâce à des données de haute qualité, permettant au modèle d'apprendre des actions dans un domaine et de les utiliser dans un autre domaine inconnu. Le modèle Pandore génère également des vidéos plus longues grâce à un modèle autorégressif ; la longueur des vidéos générées peut dépasser la longueur des vidéos d'entraînement. Bien que Pandore, en tant que première étape vers un modèle de monde universel, présente encore des limites (par exemple, il peut échouer à générer des vidéos cohérentes, à simuler des scénarios complexes, à comprendre le bon sens et les lois physiques, et à suivre les instructions/actions), il démontre un potentiel énorme en matière de génération vidéo et de contrôle par langage naturel.