WorldCast：探索世界状态预测中的智能视觉生成

预印本摘要称，研究者提出了基准 WorldCast，包含跨 8 个类别的 320 个手工设计案例，用于评估模型在多步世界状态预测任务中的表现。对 12 个代表性模型的评测显示，GPT-Image-2.5 System 得分为 72.8，Nano Banana Pro 得分为 42.8，而最佳开源模型仅得 20.1 分。实验表明模型间存在显著差距，开源模型在复杂上下文与重度推理任务中表现出明显不足。