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 SREF 宝库 TischEins 因安全问题下线后全新重构回归 — tisch_eins · 2026-10-26
- MOSS-Image 4 步蒸馏版 HF 下载破 1.65 万,出图质量几无损耗 — _akhaliq · 2026-10-26
- 用 Claude Code 搭视频剪辑流水线,十段 prompt 从粗剪到成片 — TawohAwa · 2026-10-26
- 一句话生成3D世界，再用AI重绘成电影级镜头 — gizakdag · 2026-10-26
- 零实拍造出一整部电影世界：CineMap 导演分镜配 TapNow 成片 — gizakdag · 2026-10-26
- 快手 Kling 对阵字节 Seedance：中国 AI 视频模型竞争观察 — DavidmComfort · 2026-10-26