DeepWisdom团队 投稿 量子位 | 公众号 QbitAI 视频模型能不能通过生成视频来解决推理问题？—— 答案是 能 。尤其在空间类任务（比如走迷宫）上，比图文模型更擅长，更稳。 DeepWisdom研究团队提出： 视频生成模型不仅能画画，更能推理 。 它们通过生成连续的视频帧来进行时空规划，这种能力在处理复杂空间任务时，甚至超越了GPT-5和Gemini 2.5 Pro等顶尖的多模态大模 型。 | Method | | | EM (1) | | | | | SR (1) | | | | | PR (↑) | | | | | SD (1) | | | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | | Base | Irreg | Trap | 3D | Soko | Base | Irreg | Trap | 3D | Soko | Base | Irreg | Trap | 3D | So ...