2026 年 10 月 16 日，機器之心與量子位先後報導，優必選自研的統一多模態世界模型 Thinker-WM 在 WorldOlympiad、EWMBench、WorldArena1.0 Track-1 三項具身世界模型基準評測中均拿下第一。據兩家媒體報導，WorldOlympiad 綜合得分 0.740，其中 3… 看完整事件
優必選 Thinker-WM 登頂三大具身世界模型基準
優必選 Thinker-WM 在 WorldOlympiad、EWMBench、WorldArena1.0 Track-1 三大具身世界模型基準中均位列第一，其中 WorldOlympiad 綜合得分 0.740，EWMBench 綜合總分 4.66，超過 Qwen-RobotWorld、Sora2 等模型。
一次性給出三大基準的具體分數與排名，並公開論文、專案與開源倉庫，其表徵層多模態統一、深度作為原生生成模態與 Motion Probe 驗證，對具身智慧和機器人世界模型方向的研究者與開發者最有參考價值。
原標題：霸榜三大基准！优必选 Thinker-WM：多模态统一表征，单模型实现六大能力
閱讀原文
| 評分 | 68 / 68（平均 68，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
清華等推出 OSWorld-Science，12 個模型平均得分 34.3%
清華大學牽頭聯合多所高校推出 OSWorld-Science 科研智慧體評測基準，含 146 項專家任務、覆蓋 7 大科學領域與 14 種科研軟體配置，12 個視覺語言模型平均任務得分僅 34.3%。Claude Fable 5.1 以 73.7% 領先，Claude Opus 5、GPT-6 Astra、GPT-5.6 sol 分別為 57.9%、57.4% 和 50.1%，但化學類任務中僅少數模型超過 20%。
WorldOracle 評測平台開放，世界模型物體與長序列預測明顯退化
由普林斯頓大學、多倫多大學、NVIDIA 與智元等機構提出的世界模型評測平台 WorldOracle 於 10 月 16 日向開發者開放，以真實操作記錄檢驗模型對動作後果的預測。首批七種模型暴露兩類問題：機械臂路徑跟得準但物體位置偏差大，IRASim 機械臂得分 78.8、物體僅 29.1，Cosmos 3 為 89.4 與 45.4；
尤拉永珍與港科廣開源 UniWAM，LIBERO 成功率 99.2%
尤拉永珍與香港科技大學（廣州）聯合開源具身模型 UniWAM（統一世界與動作模型），將語義理解、未來視覺預測與動作生成納入統一架構，並首次揭示人機聯合訓練的 Scaling 趨勢。模型在 LIBERO 取得 99.2% 平均成功率、LIBERO-Plus 92.6%、RoboTwin 2.0 C2R 68.32%，真機在雙臂 AgileX Piper 平台上平均任務成功率 67.5%、指令跟隨率 82.5%，長程桌面整理進度得分 5.0/6。程式碼與權重已全部開源。
白澤通境發布溯因式世界模型 AWM，2bit 量化跑進機器人端側
中科大系公司白澤通境發布溯因式世界模型 AWM，並開源論文與程式碼，配合自研端側推理引擎 BAIZ-RUN 把模型壓進機器人本地執行。AWM 從無標註影片學習，在 Push-T 任務上以 2000 條軌跡達到 75% 成功率，約為 Causal-JEPA 所需資料的七分之一，資料加到 14728 條時成功率約 92%。
李飛飛團隊開源 OpenWAM 世界動作模型框架
斯坦福李飛飛、吳佳俊等團隊發布開源世界動作模型框架 OpenWAM，用共享底座加可切換的互動方式，回答 WAM 裡究竟是哪個設計帶來提升。框架基於阿里 Wan2.2-5B，先在約 334 萬條、約 1.46 萬小時機器人影片上做因果化預訓練，再用 MoT 拼起 5B 影片專家與 2B 動作專家，支援四種先想或先動的互動程式。因果底座把 LIBERO-Long 成功率從 68.4% 拉到 97.8%，配反事實資料的區域性 IDM 遷移到新任務平均達 84.0%。