MirroS开源代码即世界 视频转物理程序超Gemini

时间：2026年8月30日 地点：北京 / 全球 人物：MirroS 团队、Qwen3.5 系列模型团队、MuJoCo 开源社区 事件详情：8月30日，AI 研究机构 MirroS 正式发布开源项目 Code-as-World，提出把物理场景表示为可执行代码而非像素或潜变量的全新范式。系统通过 5 轮上限的 agentic loop，对真实视频执行 propose-instantiate-execute-render-verify 流程，自动逆向恢复可在 MuJoCo 物理引擎中运行的 scene.json；并以这些带精确物理标签的可执行世界作为训练数据，配合 Qwen3.5-4B/9B 微调，发布 Code-as-World-VL-4B 与 Code-as-World-VL-9B 两个开源权重模型。在斯坦福 QuantiPhy 验证集 159 道物理推理题上，9B 版本取得 55.4 MRA，超过 Gemini-3.1 Flash 的 54.8，并领先最强开源基线约 15 分。 背景：当前主流视频生成、3D 重建与图像描述方法只能复原场景的部分信息，无法还原其背后的物理机制。MirroS 团队在技术报告中提出，模型预测下一帧像素合理，并不代表它掌握了质量、接触与重力等机制；真正的物理智能应体现在可干预、可重放、可验证的可执行代码世界中。与此同时，物理 AI 与世界模型已成为 2026 年 AI 投资与研究的主线，从英伟达 Cosmos 到各厂商具身基础模型，竞争核心正从"看起来像"转向"机制对"。 影响：Code-as-World-VL 4B/9B 双模型以 Apache 2.0 协议完全开源，支持 vLLM 部署并提供 OpenAI 兼容的 /v1 接口，单视频采样 16 帧、最大上下文 4608 即可在 BF16 精度下完成推理。这意味着任何机器人和具身智能团队都可基于这一框架，把真实视频秒级转换为带物理标签的训练数据，破解长期困扰业界的"仿真到现实"标注瓶颈；同时也拉低了 9B 量级视觉语言模型与 Gemini 3.1 Flash 等闭源旗舰之间在物理推理任务上的差距。 总结：Code-as-World 把"代码即世界"从一个哲学比喻变成了可开源、可部署、可复用的工程方案，以 9B 参数小模型跑赢闭源旗舰 Gemini-3.1 Flash 1.8 分，代表世界模型路线正在从"像素逼近"走向"机制发现"的关键拐点。 参考来源： 1. https://www.marktechpost.com/2026/08/29/mirros-code-as-world-executable-world-representations/ 2. https://github.com/mirros-lab/code-as-world 3. https://korshunov.ai/en/article/21704-mirros-releases-code-as-world-to-convert-videos-into-executable-mujoco-physics 4. https://aipulselab.tech/news/meet-code-as-world-an-agentic-loop-that-rewrites-real-videos-into-executable-mujoco-physics-programs-3dd254 5. https://tradepoint.io/meet-code-as-world-an-agentic-loop-that-rewrites-real-videos-into-executable-mujoco-physics-programs 6. https://interestana.com/articles/meet-code-as-world-an-agentic-loop-that-rewrites-real-videos-into-executable-mujoco-physics-programs-00gsoo9t 7. https://ainewshubs.com/article/meet-code-as-world-an-agentic-loop-that-rewrites-real-videos-into-executable-mujoco-physics-programs 8. https://news.qq.com/rain/a/20260828A07M8T00