NVIDIA 的 PhyWorldBench 基准测试暴露 AI 视频物理缺陷

NVIDIA 发布 PhyWorldBench 基准测试 — 暴露 AI 视频的物理缺陷

NVIDIA 刚刚发布了 PhyWorldBench 基准测试。这是一个直击要害的测试，用于评估文本到视频模型对现实世界物理的掌握。2026 年 4 月 9 日宣布，该框架将 10 个顶级模型与 1,050 个提示对决，这些提示旨在探测从重力到碰撞的一切。听着，我们都见过那些 AI 视频中物体穿过墙壁或像糟糕 CGI 一样违抗重力的场景。PhyWorldBench 量化了这些乱象。对于追求逼真剪辑的创作者来说，这很重要——非常重要。它根据模型遵守物理定律的情况评分，突显了当前生成内容为什么还感觉不对劲。关键是：顶级专有模型如 Pika 仅达到 26.2% 的成功率。开源 Hunyuan 在其阵营中领先。两者？在复杂场景上勉强及格。

得分情况：Pika 领先，但人人挣扎

Pika 以 26.2% 的物理真实性摘得专有模型桂冠。对于闭源模型来说不错。Hunyuan 在开源模型中略胜一筹，但说实话——这些得分都在尖叫“还有提升空间”。常见失败？运动模糊失误。刚体忽略动量。球反弹错误或液体违抗流动的互动。剧情反转：用物理提示微调提示能全面提升分数。我做过类似测试。物理失误最快破坏沉浸感。这个基准测试直击要害。

这对 AI 视频创作者意味着什么

像 PhyWorldBench 这样的基准测试迫使模型开发者提升水平。期待补丁和新训练运行。对你来说？无需无休止提示黑客就能生成更可信的内容。NSFW 视频创作者将获益最大——想想动态姿势、不卡顿的流畅动作。多模态 AI 的进步已经应用于成人内容创作，根据详细排名分析。热门观点：开源将最快缩小差距。专有模型的封闭性拖慢了物理真实性。那么隐患是什么？采用率。创作者们，现在就要求更好的提示。在 NVIDIA 研究页面 查看完整详情。值得一读。

PhyWorldBench 基准测试 FAQ：文本到视频物理版

PhyWorldBench 测试了哪些模型？

十个领先模型——五个开源如 Hunyuan，五个专有包括 Pika。全零样本，无微调作弊。

如何访问 PhyWorldBench 基准测试？

前往 NVIDIA Cosmos Lab 网站。完整提示、分数和方法论均公开。

目前哪个模型在物理真实性上获胜？

专有模型 Pika 26.2%。开源 Hunyuan 领先。两者均未掌握复杂动态。

这如何影响逼真 AI 视频生成？

它 spotlight 弱点，推动开发者采用更好模拟。创作者获得物理感知提示技巧。

文本到视频物理基准测试的下一步是什么？

更严格评估，多模态整合。期待竞争对手很快匹配或超越 PhyWorldBench 标准。