智元GE 2.0自研世界模型登顶WorldArena榜首

具身智能领域最近又传来一个消息：智元自研的世界模型GE 2.0，在WorldArena Track1（世界模型感知与动作响应赛道）最新评测中登顶。这个榜单的含金量不低，直接对标的是英伟达、微软、清华和斯坦福这些顶级团队。

说到“世界模型”，说白了就是让AI理解物理世界的基本常识——杯子掉地上会碎、水往低处流、积木搭太高会倒。机器人一旦掌握了这些，就不再是“睁眼瞎”式的机械执行，而是真正具备了对环境的预判能力。

有意思的是，智元团队这次并没有针对赛题做特殊设计优化，仅仅基于榜单数据做了基础微调。也就是说，GE 2.0本身的架构能力才是获胜的关键。

从技术能力来看，GE 2.0首次实现了长时序生成、多视角生成、本体状态生成、近实时推理以及奖励判别这五大核心功能的全面覆盖。换句话说，它已经构建了一个完整的世界模拟器技术闭环，而不是停留在某个单点上。

在长时序推理任务中，GE 2.0的表现尤其抢眼。连续推演40到50秒的长视频片段，画面质量几乎没什么衰减——这个成绩甚至比基线模型前10秒内的表现还要好。要知道，长时序生成一直是世界模型的难点，很多模型推到十几秒就开始“崩”。

团队还做了大量的闭环评测验证。结果证明，GE 2.0在多项任务上与真实世界保持着强相关性。而且这种相关性不是简单的“成功率一致”就完事，团队专门做了逐案的rollout对比分析，还用混淆矩阵给出了量化佐证。可以说，作为策略评测器，GE 2.0的可靠性是有扎实数据支撑的。

更值得一提的，是GE 2.0的奖励模型机制。它能够对闭环评测的rollout过程进行自动化筛选，把世界模型中产出的有效高质量数据精准回流给策略模型。实验数据表明，这个机制在多项任务上都帮助策略模型实现了明显的性能提升。说白了，就是让机器人学得更快、更准。

回顾一下这次竞品的背景：英伟达的DreamDojo、清华联合斯坦福的Ctrl-World，都是业界顶尖团队的作品。而智元GE 2.0仅用了20亿参数（2B）的轻量级模型，就超越了那些超大参数的旗舰模型。这也验证了一个趋势：在人形机器人应用上，轻量化模型的适配性并不比堆参数差，甚至更优。