66.1 分登顶：Odyssey-3 基础世界模型发布，系统开始理解真实世界

66.1 分登顶：Odyssey-3 基础世界模型登场，AI 开始理解真实世界 — ithome.com · 48 分钟前 · 🤖 AI / ML

Odyssey-3 的发布聚焦于一种关键能力：让通用智能从大量真实视觉观测中，学会物理与因果关系，并在给定视角变化、动作或事件后预测环境如何演化。文章披露，Odyssey-3 Pro 在 Physics-IQ Verified 的视频到视频基准测试中拿到 66.1 分，并创下该榜单最高纪录；该基准由 Anates Labs 与 DeepMind 联合制定，要求模型在续写真实物理实验视频后，将预测结果与实际实验对齐对比，覆盖流体动力学、光学、固体力学、磁学与热力学等多个物理域。作者将基础世界模型界定为能够预测物体移动、交互及情境随时间变化的通用体系，可用于环境模拟与机器人、车辆等控制策略训练。架构层面，Odyssey-3 采用自回归扩散变换器（auto-regressive diffusion transformer）结构：模型在生成过程中结合提示与既有观测，处理第一人称与第三人称导航，并支持独立相机移动。通过移动视角、采取动作或引入事件，模型会实时推断环境状态的变化方式。结果还给出了 WorldMark 评估的排名：在第一人称风格化、第三人称真实以及第三人称风格化三类环境中，Odyssey-3 均排名第一，得分分别为 77.2、79.0 与 76.3。作者据此给出核心结论：该系列在“物理可验证的时序预测”与“多视角交互一致性”上表现突出，意味着机器在具身任务中更可能把世界当作可推演的动态系统来理解，从而提升模拟与决策训练的可靠性。与此同时，标准版与 Pro 版本定位为在物理精度与生成成本之间进行权衡，满足不同部署与实验需求。

核心信息

Odyssey-3 Pro 在 Physics-IQ Verified 的视频到视频测试中取得 66.1 分，超过以往记录，强调其并非仅做“画面续写”，而是要在流体、光学、固体、磁学与热力学等真实物理实验场景里做可对齐的时序预测。
Physics-IQ Verified 的评估方式采用续写真实物理实验视频并与实际结果比较的闭环流程：模型需要根据前序观测推断后续物体运动与相互作用，预测输出会在多个物理域被量化衡量，而非只依赖主观视觉相似度。
Odyssey-3 的生成流程支持交互式输入，包括第一人称与第三人称导航、独立相机移动，以及在环境中移动或触发事件后进行条件化预测，目标是让模型对“状态变化”产生一致、可回溯的响应。
在 WorldMark 评估中，Odyssey-3 在三类环境都排名第一：第一人称风格化 77.2 分、第三人称真实 79.0 分、第三人称风格化 76.3 分，且标准版与 Pro 版分别在物理精度与生成成本上进行取舍，适配不同实验与应用预算。

💡 为什么值得读: 因为它以 66.1 的物理可验证视频预测成绩与多物理域评测体系，展示了世界理解能力从“生成”走向“可推演、可评估”的关键跃迁。

✍️ 小编看法: 从“基础世界模型”走向真正可用的具身系统，最大的分水岭不在于画得像不像，而在于推演得对不对、在交互后是否还能保持一致。Odyssey-3 把 Physics-IQ Verified 这种覆盖多物理域的视频预测基准搬到前台，并且给出明确的分数和榜单最高值（66.1），至少让外界更容易判断它的提升发生在“物理可验证的预测能力”而非单纯的视觉风格上。

但我认为这里仍有容易被忽略的代价：当有效性被严格限定在特定基准的分布里（例如特定类型的实验视频、固定的物理规则与观测方式），模型的优势未必能自然迁移到更复杂的现实世界噪声与传感器偏差中。比如真实场景的遮挡、传感器延迟、材料非理想与多尺度扰动，都可能让“物理一致性”的优势打折。因此，未来更值得关注的不是单次榜单冲到第一，而是同一能力能否在不同数据源、不同相机视角、不同动作强度与更长预测跨度下仍保持稳定。

对读者与行业而言，这类工作真正的机会在于“可模拟、可训练、可评估”的闭环：如果世界模型能可靠预测环境动态，它就能降低机器人与自动驾驶等领域对昂贵真实试验的依赖，转向更可控的仿真与策略学习。但前提是工程团队能把交互接口（视角、动作、事件触发）与评估指标对齐，而不是只把模型当作离线生成器。

接下来我建议重点观察三点：一是更长时间跨度的稳定性与误差累积曲线；二是跨物理域或跨场景的迁移表现（例如从某类流体实验到更接近真实工程的流动）；三是与具体控制策略训练的集成效果，尤其在需要安全约束的任务里，模型预测偏差如何被度量与回退。

🏷️ world model, Physics-IQ, video prediction