WorldCast：多模态模型的世界状态预测基准

新基准 WorldCast 评测多步世界状态预测，头部与开源模型差距明显。

资讯摘要

论文提出 WorldCast 基准，用于评估多模态模型的多步世界状态预测能力，即从多模态观测与多样参考中预测未来连续世界状态。该基准含 8 类共 320 个手工设计案例，评测 12 个代表性模型。作者报告：GPT-Image-2.5 System 得分 72.8，Nano Banana Pro 仅 42.8，最佳开源模型为 20.1；并称强生成模型会受益于其底层语言模型能力。

要点速读

1. 论文将模型能力划分为四级层次，指出更高层级任务仍较少被探索。
2. WorldCast 含 8 个类别、320 个手工设计案例，评测 12 个代表性模型。
3. 作者报告 GPT-Image-2.5 System 得 72.8 分，Nano Banana Pro 42.8 分，最佳开源模型 20.1 分。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。