Physics（物理）在 AI 语境下正从一门基础科学，演化为衡量生成式模型能力的核心维度——即模型是否理解并遵循真实世界的物理规律。无论是大模型解物理试卷，还是视频与世界模型生成符合重力、碰撞逻辑的画面，"物理一致性"已成为评测前沿 AI 的关键指标，而相关基准本身也正受到审视。
物理与世界模型的最新进展
当前焦点与观察点
目前物理能力评测呈现两条线：一是 Physics-IQ 这类针对生成内容的物理合理性基准，Odyssey-3 Pro 的 66.1 分暂时领先，但分数与人类感知的"真实"之间仍有差距；二是符号推理侧，前沿模型在标准化物理考试上趋于饱和，反而凸显评测本身的局限。arXiv 上的专家重评研究就指出，现有基准存在评估缺陷与近饱和现象，成绩可能高估了模型的真实物理理解。值得关注的三个问题：世界模型的物理一致性能否从基准分数迁移到实际应用（游戏、仿真、机器人）；解题高分是否等于真正的物理直觉；以及下一代物理基准如何区分"记忆模式"与"因果推理"。