WorldCast 基准发布：320个案例评测模型的世界状态预测能力

WorldCast 发布世界状态预测基准，含 320 个人工设计案例、1,352 个视觉状态、评估工具包与 Judge 评分标准，数据集托管在 Hugging Face。统一以有序状态序列为图像网格、交错输出和视频打分，12个模型诊断显示 GPT-Image-2.5 以 72.8 分居首，Nano Banana Pro 得 42.8，最佳开源模型 SenseNova-U1 仅 20.1；交错生成和语言侧推理能力与分数正相关，复杂上下文与推理密集任务是共同失败点。