结论：三个最接近候选，0 个完成模拟器五道闸。交互渲染、3D 导出和真实机器人短任务都在进步，但尚未证明生成式世界模型能输出跨视角、长时、物理可信且可迁移的可计算状态。Q3 维持 65%。
模拟器五道闸
输出可由程序查询的几何、尺度、材质、速度、碰撞与约束，而不只是像素。
2 · 跨视角与长时一致离开视野再返回、改变观察角度或延长轨迹后，同一对象与状态仍一致。
3 · 行动条件因果同一初态下改变动作，后果按稳定动力学变化，而非只生成视觉上合理的下一帧。
4 · 物理约束几何、碰撞、重力、刚体/软体/流体等规律可测，不以“看起来像”替代。
5 · Sim-to-real在模拟器中训练或规划的策略，能以公开成功率、失败类型和安全边界迁移到真实环境。
三个候选
- Genie 2 · 交互 renderer：支持动作、反事实轨迹和离屏记忆，但官方只称最多保持约一分钟一致，多数展示为 10–20 秒；实时蒸馏还降低质量。没有显式几何/物理状态与 sim-to-real 结果。
- Marble · 结构化桥梁：可输出 Gaussian splats、mesh，World Labs 还称 collision mesh 可交给物理引擎。这比纯视频更接近 simulator；但没有公开尺度、碰撞、动力学、多物理精度及真实策略迁移的统一测试。
- V-JEPA 2-AC · planner 证据：用不到 62 小时机器人视频，在两个实验室的 Franka 机械臂上零样本完成抓取与放置，证明表征可支持现实规划；但这是受限任务的 planner 结果，不是一个可输出完整世界状态的通用 simulator。
为什么漂亮视频不够
VBench-2.0 明确区分表面逼真与 intrinsic faithfulness：生成视频可以视觉连贯，却违反物理、常识、解剖或组合约束。视频分数提升只能证明 renderer 变好，除非同时通过状态和物理测试。
从模拟器到科学发明，还差“提出新框架”
Tom Zahavy 的立场论文《LLMs can’t jump》把科学发现拆成归纳、演绎与溯因，并主张当前文本 LLM 缺少从感知经验到新公理的 manipulative abduction。这个框架提示：通过上述五道模拟器闸仍不是终点；系统还要主动提出问题、干预环境、生成反事实、创造候选概念，并把新公理转化为可否证预测。
当前多数自动科研系统擅长在给定表示、目标和奖励内搜索；“优化已知框架”和“发明新的问题表述与概念原语”应分开验收。
不能采用该文是 position paper，没有不可能性定理或受控实验，不能证明 LLM 永远无法原创发现。爱因斯坦也并非在无知识、无约束下凭空跳跃；麦克斯韦理论、狭义相对论、马赫思想、黎曼几何、合作与多年失败都进入了搜索过程。
新增第六道研究闸在信息截止、无答案泄漏的任务中，系统能否提出训练语料中不存在的候选解释，设计能区分候选的干预实验，经真实数据否证后修订，并由独立专家确认概念和预测均有新增量。
当前结算
Genie 2：1/5 部分命中；Marble：1/5 明确、其余未公开；V-JEPA 2-AC：sim-to-real 有窄域正证据，但缺 simulator 状态合同。三者均标 BLOCKED，不做总分排名。
唯一允许升级的数据包
同一生成世界公开可查询状态与物理参数；通过多视角、遮挡返回、长轨迹和干预反事实测试；与真实传感器轨迹校准；并让至少三类真实任务报告迁移成功率、失败、接管、安全事件和单位训练成本。字段不足只能说 renderer/结构/规划分别进步。