現(xiàn)在“世界模型”這詞兒太火了，動不動就號稱能生成整個虛擬世界。

可你仔細(xì)一看——畫面是高清了，車也跑得挺溜，但換個角度就穿模，規(guī)劃器一進(jìn)去就撞墻。

看起來像世界，用起來像紙糊的，咱們到底該拿什么尺子量它？

最近，一個叫WorldLens的新評測框架橫空出世，直接把“世界模型”的底褲都快扒下來了。

周叔一直關(guān)注自動駕駛和AIGC的進(jìn)展，這幾年生成式模型確實突飛猛進(jìn)。

從單視角行車記錄儀視頻，到可控、多視角、長時序的4D場景，技術(shù)演進(jìn)肉眼可見。

但問題也來了——當(dāng)一個模型自稱“世界模型”，我們真該只看它畫得多像嗎？

他們指出，傳統(tǒng)指標(biāo)如LPIPS、FVD只能衡量“像不像視頻”，卻完全忽略了幾何一致性、物理合理性、行為可執(zhí)行性這些決定模型能否落地的核心屬性。

于是，WorldBench團(tuán)隊搞出了WorldLens。

這是目前業(yè)內(nèi)首個覆蓋五大維度的全譜系評測體系：生成、重建、指令跟隨、下游任務(wù)、人類偏好。

它不追求一個總分，而是像體檢一樣，逐項排查模型在真實應(yīng)用中的“健康狀況”。

比如在“重建”環(huán)節(jié)，WorldLens會把生成視頻反向重建為4D高斯場，再從新視角渲染。

結(jié)果發(fā)現(xiàn)，很多模型在原視角看著沒問題，一換角度就冒出大量“floaters”（懸浮幾何碎片）。

紋理再真，結(jié)構(gòu)一塌糊涂，根本撐不起一個“世界”。

咱們再聊聊最扎心的部分：開環(huán)看著行，閉環(huán)立馬崩。

WorldLens專門設(shè)計了“指令跟隨”測試：把生成的世界喂給一個預(yù)訓(xùn)練的自動駕駛規(guī)劃器，看它能不能安全跑完路線。

結(jié)果令人警醒——幾乎所有模型在開環(huán)（即不反饋控制）下表現(xiàn)尚可，但一旦進(jìn)入閉環(huán)（規(guī)劃影響車輛狀態(tài)），碰撞、越界、路線中斷頻發(fā)。

誤差在時序中不斷累積，微小的幾何偏差最終釀成“事故”。

更值得警惕的是下游任務(wù)表現(xiàn)。

有些模型生成的畫面堪稱電影級，但拿來訓(xùn)練BEV分割或3D檢測模型時，性能反而暴跌30%–50%。

原因很簡單：合成數(shù)據(jù)分布與真實世界錯位，幾何噪聲大，時序不穩(wěn)。

“好看”不等于“有用”，甚至可能毒化訓(xùn)練。

而最妙的是第五維度——人類偏好。

基于此，他們訓(xùn)練出WorldLens-Agent，一個能模擬人類判斷的自動評估器。

這意味著，主觀感受也能被量化、被學(xué)習(xí)、被規(guī)?；瘧?yīng)用。

截至目前，WorldLens已評測包括MagicDrive-V2、DiST-4D、DriveDreamer-2、Panacea等十余個主流開源模型。

結(jié)果很一致：沒有一個模型能在五個維度上全面領(lǐng)先。

有的強(qiáng)在紋理生成，弱在幾何；有的重建穩(wěn)定，但行為不合理；還有的開環(huán)流暢，閉環(huán)失控。

幾何與時序穩(wěn)定性，成了橫跨所有任務(wù)的“共同瓶頸”。

這也解釋了為何某些“高清模型”在仿真中頻頻翻車——世界不是靠像素堆出來的，而是靠結(jié)構(gòu)撐起來的。

值得一提的是，WorldLens的代碼、數(shù)據(jù)集和Leaderboard均已開源。

團(tuán)隊明確表示：歡迎全球研究者提交模型，共建公平、透明的評估生態(tài)。

當(dāng)AI從“生成內(nèi)容”邁向“構(gòu)建世界”，評估標(biāo)準(zhǔn)必須同步升級。

WorldLens的意義，不僅在于暴露現(xiàn)有模型的缺陷，更在于為行業(yè)樹立了一套“世界屬性”的度量衡。

未來的競爭，不再是“誰的畫面更美”，而是“誰的世界更真、更穩(wěn)、更可用”。

只有經(jīng)得起幾何、物理、行為與人類判斷四重拷問的模型，才配稱一聲“世界模型”。