LTX-Video, CogVideoX и Pyramid Flow пока не дотягивают до симуляторов по восьми критериям

Авторы систематического обзора на arXiv проанализировали 200 работ о генеративных мировых моделях с 2018 по июнь 2026 года и сравнили их с традиционными симуляторами по восьми способностям: построение ассетов, физический движок, взаимодействие, управляемость, стабильность, обратная связь по состоянию, разнообразие и метрики оценки. Исследование From Generation to Simulation: How Far Are World Models from Being True Simulators? показывает, что мировые модели уже функционально заменяют симуляторы во взаимодействии и управляемости для отдельных сценариев, но отстают в формальных гарантиях физических законов, структурированной обратной связи по состоянию и воспроизводимой долгосрочной эволюции. Самый заметный пробел — обратная связь по состоянию: только 6 из 163 работ с реализацией предоставляют интерфейс для запроса состояний объектов или физических параметров во время выполнения.

Что это значит

Обзор напрямую касается генераторов видео из нашего справочника — LTX-Video, CogVideoX и Pyramid Flow относятся к маршруту видеогенерации, который авторы выделяют как один из трёх основных технических путей к мировым моделям. По паспортам всех трёх инструментов видно, что ни один из них не предоставляет интерфейса обратной связи по состоянию — того самого недостатка, который обзор называет наиболее запущенным. LTX-Video решает задачу image-to-video, CogVideoX и Pyramid Flow — text-to-video; во всех случаях на выходе получается видеопоследовательность, а не структурированные данные о положении объектов или физических параметрах сцены. Это соответствует выводу авторов: генеративные модели пока не дают runtime-доступа к состояниям сущностей, который есть у традиционных физических и игровых движков. Стабильность долгосрочной эволюции — ещё один критерий, по которому мировые модели отстают. В паспортах наших инструментов нет данных о гарантиях воспроизводимости или устойчивости генерации на длинных горизонтах: разработчики не заявляют таких возможностей ни для LTX-Video, ни для CogVideoX, ни для Pyramid Flow. Оценка по downstream-задачам, которую обзор предлагает как одно из шести направлений развития, в паспортах тоже не отражена. Обзор даёт полезную рамку для выбора: если нужен симулятор с физикой и обратной связью, генераторы видео из раздела AI Video пока закрывают только часть пути — генерацию визуально правдоподобных последовательностей, но не симуляцию как таковую.