给视频模型考物理
评测机构Einsia发布World Models' Last Exam in Physics基准，针对视频生成与世界模型的核心短板——物理一致性——设计了40项受控物理任务，覆盖8个主流视频模型。与人工目测打分不同，该基准使用任务专属的物理测量指标，与人类评审的一致性显著优于直接让视觉语言模型打分的做法。
分数揭示的真实水位
结果并不乐观：排名第一的Seedance 2.5仅得57.76分（满分100）。更具冲击力的是细项——那些通过了表层连续性筛选、看起来「没毛病」的自由落体视频，平均物理得分只有26.61分。视频模型生成的画面在观感上日益逼真，但底层对重力、碰撞、动量守恒的理解仍相当粗糙。
世界模型的最后一考
这一基准的命名颇具深意：物理一致性被视为视频世界模型能否用于机器人仿真、自动驾驶训练与科学模拟的「最后一门考试」。当前分数说明，距离把生成式视频当作可信的物理环境，行业还差着整整一个量级——视觉的图灵测试快过了，物理学的还没开始。