开云体育最新网站 开云最新官方网站 - 登录入口

7 月的上海开yun体育网，世博展览馆 H3 馆的过谈比往年拥堵许多。

进口处停着宇树的载东谈主变形机甲 GD01，不雅众列队坐进驾驶舱拍照。往里走，300 多台机器东谈主真机散在 200 多产品身智能企业的展台之间，具身智能无疑是这届 WAIC 最具象的展品。而视频生成公司的展台就设在机器东谈主公司隔邻，播放演示片的屏幕连成片：机械臂倒水，无东谈主机穿林，假造扮装回身。

不同公司的栽种员说着高度趋同的话：齐在讲具身智能，齐在讲宇宙模子。

图：WAIC 2026 现场，宇树科技展台（起原：新蓝网）

穿梭在展台之间的投资东谈主，靠近诸多公司相同问着高度趋同的一套问题，中枢聚焦在模子到底什么水平。但取得的谜底却分辨指向不同的东西。有东谈主翻开手机展示 VBench 排名，有东谈主调出 RoboTwin 2.0 的任务班师率弧线，有东谈主谈仿真到真机的移动数据。合并个词，在不同的展台上被不同的数字界说。

当具身智能与宇宙模子成为显学，榜单便不再仅仅时期社区的里面排名，而成了行业相识时期途径的进口，在某种程度上，更成了话语权本人。

一张拼图，三个榜单

2026 年以来，具身智能和宇宙模子简直成了 AI 圈最热的两个词。

时期圈在盘问，视频模子到底能弗成成为机器相识物理宇宙的旅途。成本圈在盘问，下一代 AI 公司，能弗成从“会语言的模子”走向“会相识、会预计、会行径的模子”。媒体圈的问题则更明晰、直白，当“宇宙模子公司”越来越多，到底该若何看谁更强？

关系词时于当天，宇宙模子依旧莫得一个斡旋的界说和推敲尺度。

落到具体的评测上，宇宙模子现在还不是一种单一分数就能轮廓的才略，它更像一张尚未完成的拼图：视频质料、指示相识、时序一致性、物理规则、机器东谈主引申、动作预计，每一项才略背后齐站着一张榜单和一群拥趸。

那么，具身智能和宇宙模子到底该看哪些榜单？把这张拼图隔断，有三块河山绕不开：一张修起“像不像“，一张修起“懂不懂“，一张修起“动不动得了“。看懂它们，比看懂任何一场发布会齐更接近行业的真实经由。还有一块修起“准不准“，它是整张拼图的底座，值得单唯独章。

VBench：修起“像不像“

VBench 是现在视频生成鸿沟最常用的评测体系之一，由南洋理工大学 S-Lab、上海东谈主工智能实践室 OpenGVLab 等机构推出。它从主体一致性、布景一致性、融会融会度、好意思学质料等 16 个维度评价生成视频。

它修起的问题很径直：模子生成的视频，像不像真实宇宙，是否合适用户输入。

在 VBench 1.0 认证榜中，头部模子集合在 84 分到 88 分之间，差距仍是很小。于是 VBench 在 2025 年推出 2.0 版块，将评测范围彭胀到东谈主类保真、物理、可控性、学问等维度，运转关爱那些决定真实感、却容易被忽略的问题。

左证其 HuggingFace 官方榜单的认证视图，主要排名如下：

图：VBench-2.0 榜单：Veo 3 以 66.72% 居首（起原：HuggingFace Vchitect/VBench_Leaderboard，2026 年 7 月截图）

但 VBench 仍主要评价视频服从。画面不错传神，模子却偶然相识画面背后的规则。

WorldModelBench：修起“懂不懂“

要是视频生成模子被称为“宇宙模子”，它就需要继承更严格的老到。

2025 年，来自 UC Berkeley、UC San Diego、NVIDIA 和 MIT 的辩论者推出 WorldModelBench，把模子放进物理和学问环境中测试。

该评测袒护机器东谈主、驾驶、工业、东谈主类活动等 7 大鸿沟，包含 350 条请示词和 6.7 万条东谈主工标注，从指示撤职、物理规则、学问三个维度打分。其中物理撤职占总分一半。原因很简便：宇宙模子最紧迫的才略之一，是预计物体在真实宇宙中会如何变化。

服从泄露，即使发达最佳的模子，也唯有 61% 的视频正确完成指示；12% 的视频违背质料守恒，11% 出现物体相互穿透。

模子能生成一个看起来合理的宇宙，但距离真实相识宇宙，还有彰着距离。

图：WorldModelBench 官网榜单（起原：worldmodelbench-team.github.io，2026 年 7 月截图）

RoboTwin 2.0：修起“动不动得了“

宇宙模子终究要就业于行径，再往拼图下贱走一格，机器东谈主能否干活便成了一个很紧迫的维度。

RoboTwin 2.0 由上海交大 ScaleLab 与港大 MMLab 主导、上海东谈主工智能实践室参与。它包含 50 个双臂协同操作任务，捏取打发、器用使用、可形变物体操作，跑在 SAPIEN 仿真器上，撑持 Aloha-AgileX、ARX-X5、Piper、Franka、UR5 共 5 种双臂内容，配套一个 731 个实例、147 个类别的物体库，通过 Easy 和 Hard 两种环境，测试机器东谈主能否从仿真走向更复杂的真实宇宙。

早期服从泄露，在 Hard 设定下，大量方法班师率仍低于 20%。机器东谈主简略完成特定任务，但距离沉稳、泛化地完成任务还有很长距离。

图：RoboTwin 2.0 官方榜单（起原：robotwin-platform.github.io，2026 年 7 月截图）

三张榜单，三种才略，各自有发布机构和评分体系。莫得一张榜单能独自界说宇宙模子，放在沿途，他们才勾画出一条从生成、相识到行径的才略链。但这个链条还衰败一个最关节的门径。

Physics-IQ：修起“准不准“

东谈主类作念好多动作时，会下坚强在脑中预演服从。推一下杯子，它会滑多远，会不会翻倒；歪斜水壶，水会从那处流出来；把两块磁铁聚合，它们会吸住如故弹开。

机器东谈主也需要这种才略。它必须左证目下的现象，预计几秒后会发生什么，再决定下一步动作。视频宇宙模子时时在这里犯错。这类预计要是不准，背面的揣测和引申齐无从谈起。

测量这一底座才略的基准叫 Physics-IQ，由 Google DeepMind 与 INSAIT 结伴推出，论文发表于 WACV 2026。

2026 年 6 月，原团队结伴 Anates Labs 发布修正版 Physics-IQ Verified，修正了 57.6% 的样本标注问题，改用逐样本加权计分。

它的想象与前述榜单齐不同：辩论者真实拍摄了 66 个物理实践，袒护固膂力学、流体、光学、热力学、磁学五大类，每个实践 3 个机位、实拍 2 次，共 396 段 8 秒视频。模子只看前 3 秒，预计后 5 秒会发生什么，再与真实拍到的后续画面比对。4 阵势的合成一个 0 到 100 的 Physics-IQ 分数，并用合并场景两次实拍之间的互异作念归一化：真实宇宙我方重拍一次齐不会统统疏浚，模子的预计就被拿来和这种当然波动相比。

Physics-IQ 覆按的是更底层的问题，即这个模子是否果然相识物理。这也恰是图灵奖得主 Yann LeCun 多年来反复办法的不雅点，“AI 需要成立对于宇宙的里面模子，而不是只会生成内容”。他担任 Meta 首席科学家期间， Meta FAIR 便把 Physics-IQ 作为中枢评测基准。

关系词翻开 Physics-IQ 的官方榜单，排在第一的却并非 Meta 的模子，也不是英伟达插足重金的Cosmos，而是一个中国的视频生成模子。

2025 年 4 月 21 日，Sand.ai 的 Magi-1 以 56.0% 的得分上榜登顶。那时的榜首、Google 的 VideoPoet 唯有 29.5%，Magi-1 简直把这个数字翻了一倍。从那天算起，Magi-1 系在第又名的位置上坐了约 13 个月，中间只离开过三周。

这张表有三种读法。

看裸模子：前三名里有两个成立在 Magi-1 之上，Magi-1 的 56.0% 是 v2v 设定下的裸模子最高分，远高于 Sora 2 裸模子的 42.3%，Cosmos3-Super 裸模子的 59.7% 出自不同设定，两者不径直可比。

看增强系统：2026 年 5 月，英伟达最新发布的旗舰宇宙模子 Cosmos3-Super 加持 WMReward 后冲到 63.4%，狭小登顶约三周；6 月 17 日，基于 Magi-1 的增强系统以 64.5% 重回第一。

图：Physics-IQ 官方榜单：Magi-1 系居首，Sora 2 裸模子 42.3%（起原：physics-iq.github.io，2026 年 7 月截图）

再看修正后的新榜：2026 年 6 月发布的 Verified 版块上，Magi-1 24B 增强版 58.2 分排第一、裸模子 48.4 分排第二，Cosmos3-Super i2v 39.5 分，Sora 2 唯有 26.5 分。

图：Physics-IQ Verified 修正榜（起原：physics-iq-verified.anates.ai，2026 年 7 月截图）

把两张榜单放在沿途看，会出现一个反学问的画面。OpenAI 的 Sora 在 VBench 这类修起“像不像“的榜单上排名并不出丑，到了 Physics-IQ 上，Sora 2 裸模子唯有 42.3%，不足榜首 64.5% 的三分之二；Verified 新榜上唯有 26.5 分，不足榜首 58.2 分的一半。

生成得传神，和预计得准确，被解说是两回事。

把视频生成作念成“预计下一个词“

Magi-1 赢在那处？论文给出的谜底是架构选择。

当下主流的视频生成模子，Sora、Kling 等，走的齐是扩散途径：一次性生成整段视频，悉数帧同期去噪，相互之间莫得严格的时候先后。

而Magi-1 的作念法更像语言模子预计下一个词：依期间方法逐块生成，每块 24 帧，块里面用扩散去噪保证画质，块与块之间自转头衔尾。通过 block-causal attention，自后的帧不会影响以前的帧，以前一朝被写下，就不再被影响。

图：Magi-1 逐块自转头生成与块因果防范力暗意（起原：SandAI-org/MAGI-1，arXiv:2505.13211）

这个架构自然更接晚宇宙模子该作念的事：左证宇宙的此刻，推演下一秒。它还带来几个工程上的特征：撑持流式生成，视频不错边生成边播放；表面上不错无尽长地续写下去。对宇宙模子而言，这意味着推演的时候跨度不受窗口按捺，仿真不错一直进行，还不错逐块更换请示词，按捺后续走向。

要是把关节词从“生成”换成“预计”，Magi-1 和 LeCun 办法的 JEPA 途径便有了一种理念上的深层呼应。LeCun 在 2022 年发表态度论文《A Path Towards Autonomous Machine Intelligence》，建议 JEPA 架构：不在像素空间预计宇宙，而在表征空间预计，主动忽略那些不可预计的细节。这条途径自后长成一个家眷：I-JEPA、V-JEPA，再到 2025 年的 V-JEPA 2，用百万小时视频西宾，其养殖版块不错作念零样本的机器东谈主揣测。

图：Yann LeCun 在 2026 年 6 月巴黎 VivaTech 演讲（起原：La Ecuación Digital）

一个在像素宇宙里逐块自转头，一个在表征空间里作念预计，虽时期有蓄意统统不同，但齐指向合并个判断，即简略预计物理宇宙变化是宇宙模子的必要条款。

尺子一朝出现，叙事便有了鸿沟

在WAIC 的论坛上，“宇宙模子“被反复拿起。7 月 19 日的一场东谈主形机器东谈主与具身智能论坛，主题之一恰是“尺度体系不斡旋“。开幕当天有不雅察著作写谈：通用宇宙模子正在成为东谈主形机器东谈主的新竞争壁垒。

竞争的坐标系如委果平移。以前几年，视频模子的发布会比的是“像不像“：分辨率、时长、好意思学分。Physics-IQ 这类榜单的出现，把问题换成了“物理宇宙变化预计的准不准“。它的价值不在于新添了一张榜单，而在于把宇宙模子从一个抽象观念，拉回到具象的物理宇宙：杯子会若何倒，水会若何流，光会若何折。这些东西没法靠话术修饰。坐标系的变化不会写在职何一场发布会的邀请函上，但它会决定下一年景本流向那处、东谈主才流向那处。

榜单会迭代，排名会更迭。但尺度一朝开辟，相识行业的神阵容必会被改写，恍惚的叙事也就有了相对明晰的鸿沟。

尺子一朝有了，量出什么，即是什么。

本文由东谈主东谈主齐是产品司理作家【Z Finance】，微信公众号：【Z Finance】，原创/授权 发布于东谈主东谈主齐是产品司理，未经许可开yun体育网，不容转载。