Apple-PI 评测 11 个视频模型物理推理，最好仅 0.473
_akhaliq · x · 2026-07-24
论文想解决什么
Apple-PI 不是只看视频生成“像不像”，而是专门评估模型是否真的按物理定律推理、再生成出合理的视频。
主要组成
- Orchard 数据集：包含 400 个视频，覆盖 10 个经典力学任务。
- 评测流程：采用 感知（Perception）→ 公式化（Formulation）→ 演绎（Deduction） 的三阶段协议，并对首帧加入信息图式标注，配合 chain-of-frames 提示。
- 评测体系：把 MLLM 主观打分与基于物理定律的客观指标结合起来。
关键结论
作者评测了 11 个模型，发现当前视频模型距离“可靠的、遵守物理定律的世界模拟器”还很远；最好模型也只有 0.473。分析还指出，模型的主要瓶颈集中在 感知→公式化→演绎 这一链路、多定律迁移能力弱，以及明显的 sim-to-real gap。
所属事件:Apple-π 基准测试：视频模型物理推理能力仍存短板(5 条相关)→
「多模态」频道最新
- Midjourney 风格参考分享:--sref 2912175708 — tisch_eins · 2026-09-11
- 3D 网站生成工作流公开：MCP 接 Codex，一句话出可玩游戏 — FellMentKE · 2026-09-11
- 用 GPT-6 Astra 加 Hyper3D MCP 免建模做 3D 落地页 — FellMentKE · 2026-09-11
- Astra 分镜+Minimax H3 分镜逐帧生成，视频创作成功率大增 — Hailuo_AI · 2026-09-11
- Hailuo 转推：MiniMax H3 MAX 一发生成 15 秒美食动画短片 — Hailuo_AI · 2026-09-11
- MiniMax Music 制作工具包 2.5 发布,新增完整母带处理链 — Vivid_Promise1700 · 2026-09-11