2026年10月19日，界面新闻披露，智元（AgiBot）联合英伟达（NVIDIA，全球AI算力芯片巨头）与普林斯顿大学、得克萨斯大学奥斯汀分校、多伦多大学的研究人员，正式上线了世界模型评测平台WorldOracle。这个平台最有意思的地方，不是又发布了一个更聪明的模型，而是把一堆市面上光鲜的模型拉到同一张考卷上，结果相当不体面。据中国城市报报道，平台拿来当考卷的335条真实操作轨迹里，约四成交互片段是抓空、掉落、洒水这类失败或次优操作，而最好的模型在人类手部场景下物体保真度只有15.2分。一个行业最怕的不是难，是不知道难在哪，现在这张考卷把“不知道”变成了“看得见”。
这背后其实是一个巨大的商业认知错位：过去两年，具身智能圈子里流行用视频生成质量来证明世界模型的能力，画面越逼真、策略越流畅，越能换来资本和客户的信任。但WorldOracle用“执行一致性”这个指标把这层窗户纸捅破了。雷科技的说法很直接，给定相同初始画面和策略路径序列，主流世界模型可以生成画面逼真、却与真实执行相反的视频。