據媒體報道，具身智慧領域權威評測WorldArena 2.0 Track 1近日公佈最新成績，崑崙行機器人研發的崑崙世界模型GeWu以69.58分斬獲影像質量（Image Quality）單項冠軍，同時以65.91的綜合得分獲得全球榜單亞軍。該模型在物理一致性（Physics Adherence）、可控性（Controllability）等多項關鍵能力維度上實現大幅領先，是本次77支參賽模型中唯一一個在6大評測維度中，獲得其中4項前4名次的模型，展現出較強的綜合能力。
WorldArena由國際頂尖高校及科研機構聯合共建，作為世界模型賽道的權威評測基準，WorldArena 2.0在1.0基礎上構建全面基準，從模態、功能、平台三大關鍵維度擴充套件具身世界模型評估。本次評測的Track 1賽道聚焦具身智慧模型的基礎核心能力，重點考核模型“看得準、猜得對、畫面真實合理”的核心素養，突出模型在物理因果上的合理性。該賽道吸引了全球幾乎所有頂尖世界模型研發團隊同台競技，被譽為具身世界模型的“國際競技場和權威試金石”。
崑崙行機器人作為2026年具身智慧領域的黑馬玩家，在短時間內完成模型訓練、最佳化和多次迭代。作為崑崙世界模型（Kunlun World Model）的第一代版本，GeWu初次亮相即實現全面領先，尤其在物理一致性和可控性上的優秀表現，體現出研發團隊對世界模型物理因果的深刻理解和架構創新。
業內已逐漸形成共識，一個優秀的具身機器人大腦，不能只簡單地模擬動作，更關鍵在於它能否理解真實的物理世界，尤其是嚴格遵循物理因果關係。在這樣的背景下，“世界模型”成為當下最熱門的概念。在具身領域，世界模型可以基於使用者輸入“渲染”出相當真實的畫面，也可以基於某種轉移模型“模擬”狀態的變化，還可以反過來，給定當前觀測和未來目標，“規劃”智慧體的動作。
崑崙行認為，一個真正理解物理因果的世界模型不能侷限於“渲染”——即生成視覺上真實但物理上不可靠的影片——世界模型必須具備模擬器的能力：理解真實世界的物理因果，忠實地預測“如果執行某個動作，世界會如何變化”。模擬是世界模型最關鍵的能力，掌握了模擬，模型才有可能具備規劃能力；反過來則不行。因此，基於「物理因果」的第一性原理，成為崑崙世界模型架構設計的基本原則。
有別於業內主流的按照“文本歸文本、視覺歸視覺、動作歸動作”的模態拆分方式，崑崙世界模型將視野放在因果關係這一深層結構上。模型不按模態拆分，而是按因果圖中的角色語義，拆為三座引數獨立的Transformer塔（Tower）：Tower 1負責Intent（目的），以自迴歸方式編碼語言指令和場景理解，確定“要做什麼”；Tower 2負責Intervention（干預），以flow matching範式建模動作序列，確定“怎麼做”；Tower 3負責Consequence（響應），同樣基於flow matching生成未來影片幀，呈現“做了之後會發生什麼”。三座塔共享decoder基礎結構，但每層擁有獨立的投影矩陣、前饋網路和歸一化引數。
這一拆分的關鍵價值體現在塔間的資訊流控制上。崑崙世界模型通過聯合因果注意力機制（United Causal Attention），在三塔之間施加嚴格的單向可見性約束：Tower 2可以看到Tower 1，但不能看到Tower 3；Tower 3可以同時看到Tower 1和Tower 2。這意味著“行動決策”可以參考“任務目的”，但不能偷看“尚未發生的視覺後果”；而“影片渲染”需要同時知道“要做什麼”和“怎麼做”，才能生成物理因果上合理的畫面。
消融實驗印證了這一設計的必要性：一旦切斷其中任意一條注意力通路，模型便會迅速從“因果模擬”退化為“默寫模式”——它不再依據具體動作推演物理後果，而是直接將任務描述對映到訓練集中最相似的影片片段，產生違揹物理規律的畫面（如物體在無對應動作的情況下自行運動）。這一退化在評估模型物理合理性的核心維度互動質量（Interaction Quality）上表現得尤為明顯。切斷其中一條因果通路後，互動質量急劇下降，物體不能嚴格遵循末端夾爪的操作，接觸後的行為表現不符合物理規律。崑崙世界模型在這個維度上取得了82.40分的高分，正是因果架構發揮作用的直接體現。
三塔架構還天然支援多工的統一推理。借鑑UniDiffuser的思想——“作為條件”與“作為生成目標”不過是同一去噪過程在不同噪聲水平下的兩端——通過調整各塔的噪聲引數，同一套架構和權重即可在世界模擬、策略推理、聯合預測等多種模式之間靈活切換。當動作塔和影片塔同時處於生成狀態時，崑崙世界模型採用非同步排程策略，讓動作塔的去噪進度始終領先於影片塔，確保影片生成看到的動作資訊始終更乾淨、更可靠。
面對長時序影片生成的需求，崑崙行研發團隊設計了Chunk-wise自迴歸方案：長影片被拆分為多個片段逐段生成，核心挑戰在於後續片段的上下文缺失。為此，崑崙世界模型引入了仿生記憶取樣策略——模仿人類記憶的衰減規律，近端幀高密度保留以維持運動連續性，遠端幀稀疏取樣以保留任務全域性進度。配合絕對時序位置編碼和幀率自適應放縮機制，模型在所有生成階段都能準確感知物理時間位置，並靈活控制動作節奏。
最終，崑崙世界模型在WorldArena 2.0 Track 1基準測試中，以綜合得分65.91獲得全球亞軍，並在影像質量單項上斬獲冠軍，在多項核心能力指標上實現全面領先。崑崙行機器人的模型研發負責人郝志會博士表示，在研發過程中反覆驗證了一個核心判斷：世界模型的架構設計應當尊重物理世界的因果結構。目的驅動行動，行動產生結果，這條因果鏈不僅是人類理解物理世界的基本框架，也應當成為模型架構的第一性原理。當歸納偏置對齊問題本質時，不僅看到了指標的提升，也看到了訓練效率和泛化能力的同步改善。
崑崙世界模型是崑崙行沿這一技術方向邁出的第一步。接下來，研發團隊將在更復雜的任務場景中持續驗證和擴充套件模型能力，並將崑崙世界模型應用於行為規劃和模擬強化，推動世界模型從視覺渲染器進化為真正的物理智慧基座。
崑崙行（Kunlunx AI）致力於打造面向物理世界的通用AI機器人，堅持“本體+大腦”雙輪驅動戰略，構建通用AI機器人本體、資料、小腦、大腦、智慧體五位一體的全棧核心技術自研體系。公司認為物理因果是具身智慧的第一性原理，不是模仿動作，而是理解世界。公司打造以物理因果為核心的崑崙世界模型（KWM），讓AI機器人真正像人一樣學習、理解、進化，推動物理AI從實驗室走向真實場景的規模化應用。