对应论文 v1 中 8 个图生视频模型在 40 道受控物理任务上的评测。总榜指标是 0–100 的复合分数。
受控的物理实验
40 道任务覆盖九类物理现象，包括力学、光学、浮力、相变、电磁学与流体。例如比较摆的周期、连通器液面和毛细上升。每道题给各模型相同的首帧及提示词，判分不依赖参考视频。
World Models’ Last Exam in Physics paper v1 · World Models’ Last Exam in Physics official project
从可观察证据测量物理关系
评估器将一致性及可观察性 C 与独立测量的物理正确性 P 分开。跟踪和图像分析工具提取轨迹、角度、周期或事件时序，再用固定的任务规则把物理关系偏差映射成分数。
正确理解复合分数
每段视频按 S = 0.15C + 0.85P × I(C ≥ 80) 计分，再对视频求总平均。一致性门槛未通过时去除的是物理分量，并非一定将总分归零。表格中的勾表示该模型在该题的全部可用样本均达到 C ≥ 80，不是任务成功标记。
World Models’ Last Exam in Physics paper v1 · Official paper results JSON
每题四次样本，视频设置因模型而异
公开表格覆盖 1,280 段视频，即 8 个模型 × 40 道题 × 4 次样本。支持随机种子的模型使用 42–45，但 Seedance API 适配器仅将其作为样本标签。各模型分辨率和帧数不同，阅读成绩时应保留这些生成设置。
World Models’ Last Exam in Physics paper v1 · Generation protocol and model settings
可见性与测量仍是边界
遮挡、几何信息模糊或事件不完整，都可能影响物理证据。合成视频校验支持受控条件下的测量有效性，不能代表所有复杂场景。15 道简单、15 道中等和 10 道困难题，是依据本次模型表现划分的经验分组，并非独立难度标准。