源
The World Models Race · 2026
A paradigm shift from text processing → physical simulation / video generation / embodied reasoning
LeCun’s central claim — LLMs learn statistical patterns, not an understanding of physical reality, from text, so they will never reach AGI. Concrete failure modes: factual hallucination, broken physical reasoning, causal confusion, temporal inconsistency.
Five contenders · leaderboard
01
AMI Labs
LeCun · €500M funding
I-JEPA architecture scale-up
Physical understanding · persistent memory · action planning
02
Genie 3
DeepMind
Autoregressive frame generation
24fps real-time 3D · self-learned physics
03
Marble
World Labs · first commercial
Text/image → 3D environment
Downloadable, editable, persistent 3D worlds
04
Cosmos
NVIDIA · 2M+ downloads
Physics-aware video generation
Synthetic training data for AV / robotics
05
Sora 2
OpenAI
Video generation + physical compliance
Agents under simulated physical constraints
Complements, not replaces, LLMsLLMs handle language reasoning + tool use · world models supply physical environment understanding — directions for the multimodal evolution of agentic systems
→ world-models · yann-lecun · ami-labs · i-jepa · meta-i-jepaintrol.com/blog
World Models Race 2026
- 来源:
sources/introl-world-models-race-2026.md - URL: https://introl.com/blog/world-models-race-agi-2026
- 作者: Blake Crosley (Introl)
- 发布: 2026-01-03
摘要
综述 2025-2026 年世界模型领域的爆发：LeCun 离开 Meta 创办 AMI Labs（融资 5 亿欧元），DeepMind 发布 Genie 3（首个实时交互式世界模型），World Labs 推出 Marble（首个商用世界模型产品），NVIDIA Cosmos 下载量超 200 万次。核心论点：世界模型代表了从文本处理向物理模拟、视频生成、具身推理的计算范式转移。
LLM 的天花板论
文章引用 LeCun 的核心主张：LLM 从文本中学习统计模式而非物理现实的理解，因此永远不会达到通用智能。具体局限包括事实幻觉、物理推理失败、因果混淆、时序不一致。
关键参与者
| 项目 | 方法 | 关键能力 |
|---|---|---|
| AMI Labs (LeCun) | I-JEPA 架构扩展 | 物理理解、持久记忆、行动规划 |
| Genie 3 (DeepMind) | 自回归帧生成 | 24fps 实时 3D 世界、自学物理 |
| Marble (World Labs) | 文本/图像→3D 环境 | 可下载可编辑的持久 3D 世界 |
| Cosmos (NVIDIA) | 物理感知视频生成 | 自动驾驶/机器人合成训练数据 |
| Sora 2 (OpenAI) | 视频生成+物理合规 | 模拟物理约束下的智能体行为 |
世界模型 vs LLM：互补而非替代
虽然文章倾向”世界模型可能超越 LLM”的叙事，但从 agent 工程角度看，两者更可能互补：LLM 处理语言推理和工具使用，世界模型提供物理环境理解。这对 agentic systems 的多模态演进方向有启示。
References
sources/introl-world-models-race-2026.md