Physis-Lang

英伟达、麻省理工、牛津大学团队联合推出Physis-Lang，一套自演化物理语言框架。现有视频生成模型经常出现违背现实物理的画面，例如黄油像油漆般涂抹、球体直接穿墙。该团队提出新思路：不用额外视觉、潜空间或者数值物理信号，而是直接依靠语言本身去约束视频物理合理性。

Physis-Lang把物理语言作为统一可优化表征，同一套文本体系，贯穿数据筛选、模型训练、推理生成全流程。在9月29日公开Physics-IQ Verified排行榜快照，搭载Physis-Lang的Cosmos3-Super拿到48.2 ± 1.4排名第一，Cosmos3-Nano版本43.3 ± 1.5位列第二。

核心解决的痛点

普通字幕只描述发生了什么，缺少因果物理逻辑。Physis-Lang在原有字幕基础新增physics_reasoning字段，描述实体、因果交互、物理定律、时序演化与结果；同时生成场景专属physics_negative_prompt，列举不合理现象（石头漂浮水面等），推理阶段作为负向约束。

自演化字幕循环机制

字幕模型保持冻结，只迭代优化提示词。

1. GPT-5.5作为字幕生成器，基于20支视频开发集生成字幕，包含273条人工校验物理断言；
2. Gemini-3.1-Pro充当物理评审器；
3. 演化智能体读取评分与错误信息，改写提示词。

评审从两个维度打分：

• 精确性：拆分为原子级陈述，逐条对照视频核验；
• 召回率：所有人工标注物理断言，需要被字幕显式说明或可推导得出。

迭代使用PhysCapBench基准，该基准包含246条视频、3794条人工验证物理断言。字幕F1分数从第一轮78.64迭代至第9轮87.82，迭代过程存在波动，第2轮因描述过于保守下降至76.28；第9轮要求写出每一步可见因果，并将帧采样从2fps提升至4fps。

语言驱动的数据筛选流程

GPT-5.5诊断智能体识别视频里的物理错误，归类为刚体运动、碰撞、流体力学等缺陷类型。基于物理标签在海量视频库检索素材，优先匹配物理属性而非画面外观。

最终训练集合计183K视频，包含WISA-80K过滤后的71K视频，外加112K检索片段。仅这套检索策略，就能在三项基准上平均提升3.01分；VideoPhy-2的化学、热过程单项提升高达8分。

和Veo 3.1基准对比

采用LoRA微调注意力投影层，模型主干架构与损失函数不变。Cosmos3-Nano+Physis-Lang与谷歌Veo3.1对比：

• PhyGenBench：71.04 vs 65.63
• Physics-IQ Verified：43.41 vs 34.99
• PhyGround：69.90 vs 69.24
• VideoPhy-2：全集68.02 vs 68.87；Hard子集62.36 vs 58.43

该方案具备通用性，迁移到不同模型骨干均有收益：Wan2.1-14B +7.05、Cosmos3-Edge-4B +3.24、Cosmos3-Nano-16B +6.22、Cosmos3-Super-64B +5.02。通用画质指标VBench-I2V基本维持稳定，Cosmos3-Nano由88.32小幅升至88.69。

仅使用物理推理提示词+负提示词，无需微调，就能把冻结的Cosmos3-Nano在PhyGenBench上从61.67提升至67.29。

本地轻量化方案

团队把原本依赖GPT商业API的整套管线蒸馏成两个Qwen3-VL-4B-Instruct模型：PhysThinker-C生成字幕，PhysThinker-U负责提示词上采样。

• 原版商业API管线：在Wan2.1-14B上提升+7.05，API成本约24120美元
• 替换为PhysThinker-C：依然保持+6.76提升，成本约120美元
• 完全本地部署：零API成本，仍可带来+4.76提升

竞品横向对比

注：分数来自Physis-Lang论文，n/r代表该项未公布；对比均基于Cosmos3-Nano骨干模型。

关键要点总结

1. Physis-Lang依靠评审智能体迭代优化物理字幕，字幕生成模型本身保持冻结；
2. 构建PhysCapBench数据集，使用3794条人工物理断言评估字幕质量；
3. Cosmos3-Nano搭载Physis-Lang后，四项物理基准中三项超越Veo3.1；
4. 仅增加物理提示词，即可将冻结模型在PhyGenBench提升5.62分；
5. 当前仅公开论文，没有开源代码与模型权重。