英伟达研究人员发布视频世界模型开源框架Physis-Lang。该框架为视频字幕注入物理推理，解释场景如何及为何展开，用于微调世界模型或直接加入生成提示。仅靠在提示中加入物理推理，无需重新训练，就能让英伟达Cosmos 3在PhyGenBench上的分数提升5.62分。搭配Cosmos 3 Super与Nano后，该方案在Physics-IQ Verified图生视频榜单上分列第一、第二。

传统做法往往依赖大规模重训或额外物理监督信号，成本高、迭代慢。Physis-Lang把物理约束写成自然语言字幕——不只描述“发生了什么”，还写明“为什么这样运动、如何符合真实世界规律”。这些字幕既能作为微调数据，也能在推理时直接塞进提示。结果是，模型在不改动参数的情况下，物理一致性就出现可测量提升。官方同步公布，Physis-Lang加持的Cosmos 3 Super与Nano在Physics-IQ Verified榜单上占据前两名，该榜单专门检验生成视频是否遵守真实物理规则。项目负责人、英伟达研究科学家Guanqi Zhan强调核心洞察：语言本身可以成为视频世界模型的强表征，前提是用对方式。框架被定位为“自进化”，意味着物理推理字幕可以持续迭代，形成闭环。

这暴露了一个被忽视的事实：当前视频模型的物理短板，很多时候不是参数量不够，而是输入侧缺少结构化因果描述。如果语言能低成本补上这块，后续世界模型的落地会比纯堆算力更务实。