Genie 4 发布，刷屏了。评论归成三类：它理解物理了；世界模型就是 AGI 之路；模拟器即智能。
三类都激动，三类都没回答那个真正值钱的问题：
世界模型里的环境预测生成，到底是智能，还是 3D 计算 + 物理规律约束？
这个问题的答案把两条路线分开：如果那是智能，堆算力堆数据就能通往 AGI；如果那只是被学出来的物理，世界模型的位置就要重新画。本文用 AGI 人本拟合论给这个问题开三刀。先说结论：
凡物理够用的地方，是计算；智能的检验，发生在物理用尽之处。
一、物理是免费午餐——免费的东西检验不了任何东西
一个常被忽略的技术事实：物理规律，两条路线都拿得到。
一条路是写进去。游戏业做了四十年”世界模拟器”：物理引擎（Havok、PhysX 这一系）用确定性积分和约束求解器算碰撞、水流、布料——精确、可验证、误差有界。没有人因此说 PhysX 是 AGI。
另一条路是学出来。Sora、Genie 这一系从海量视频里把物理规律统计学出来：不写方程，靠观测密度把正则压进参数。
同一个低熵规律，写入或学出，殊途同归。物理世界是宇宙中规律性最强的部分，压缩它本来就是计算的主场。推论很锋利：凡是物理规律够用的地方，都检验不了智能——因为在这些地方，精确计算和学出的正则给出同样好的答案，该能力不判别任何路线。给它颁发”智能”称号不增加信息，就像给计算器颁奖。
那”学出来的物理”和”理解的物理”怎么分辨？看失稳的签名。Genie 4 官方页面自己列出的局限是：环境细节与物体持久性随时间漂移；无法精确模拟真实地点；连续交互只支持几分钟。这不是”理解了物理”该有的失稳方式——漂移是学出来的物理的签名；干预后的一致才是理解的签名，而后者至今没有展示。
（还有一个耐人寻味的细节：Genie 4 把 Gemini 推理模型接入以维持连贯性。用语言推理去补生成的漂移，恰好从侧面承认了生成侧自身的漂移。）
二、检验发生在物理用尽之处
物理用尽之后，环境里剩下什么？意图、尝试、失败、纠正。
一个人伸手——是拿杯子还是扶杯子？第一次没够到算什么？手滑之后怎么补救？这些是物理方程不管的部分，也是环境里真正属于实践的部分：环境里发生的事，绝大多数是有人在尝试、在出错、在修复。
于是两类世界模型在根上分开了——不在架构，在拟合对象：
视频世界模型拟合成片——实践的结果侧投影。 成片是剪辑后的成品：拍摄者的失败、重拍、剪掉的挣扎不存在于素材里。模型只见过”成功的结果”，没见过”成功是怎么从失败里长出来的”。
交互世界模型拟合游玩轨迹与交互记录——实践之流。 微软的 Muse 用七年连续游玩数据训练，玩家的每一次尝试、死亡、重试都是训练信号——失败与纠正在这类数据里是一等公民；Genie 这一系则以动作为条件生成世界。根扎在交互上，长出来的就是交互的能力。
由此，理论给出一个干净的可检验预言：
同等规模下，动作条件、以真实交互轨迹训练的模型，在”干预与反事实查询”上的能力将系统性超过纯视频训练的模型。
干预查询的意思：改变一个条件——把球换成纸团、把桌子挪半米——世界是否跟着变，还是装作无事发生？反事实查询：同样的场景，另一种打法会怎样？
现实已经初步对表：动作条件的世界模型主打”可控性”，纯视频生成长期为”控不动”苦恼——同尺度下控不控得动，差距的来源就是拟合对象之别。
证伪通道照例给足：如果有纯视频模型在干预查询上追平了交互模型，这条预言作废，理论的这一支被翻盘。零的分量来自可以翻盘——这是理论篇立下的规矩。
三、智能经由使用闭合
最后一刀解决”算不算智能”的归属问题。同一个 Genie 4，有两种存在方式：
接进闭环：预测被消费、被检验、被纠正——机器人先在它里面做想象演练再上手真机，智能体在它里面练习再进入真实任务，人用自然语言改世界、模型跟着改。误差有去处，拟合时差在收敛。这时它是智能系统的承重组件。
独自渲染：生成高清世界，误差无人消费、无人纠正，漂移就漂移。这时它是一个更华丽的物理引擎——没有任何贬义，工具不需要”智能”头衔也能价值连城。
判据不在渲染质量，在闭环与否。值得注意的动向是：Genie 4 自己正往闭环方向走——Gemini 推理接入、事件编排、多步任务演示。它火的真正理由不是”它懂物理”（物理是免费午餐），而是它把交互当成了训练与使用的中心——拟合对象从作品的投影，转向实践之流。这才是分水岭，恰好落在理论画的那条轴上。
收束：换掉评估清单
世界模型今年火得对，但多数人把火的理由说反了。下一次评估任何世界模型，别只问”多逼真”，问三件事：
- 干预一致性：改一个条件，世界跟着变吗？
- 失败覆盖：训练数据里有尝试与纠正，还是只有成品？
- 闭环与否：误差被消费和纠正，还是任其漂移？
三问指向同一个方向：物理够用的地方是计算，不值得惊讶；智能的检验发生在物理用尽之处——那里剩下的全是意图、尝试、失败、纠正，全是实践的内里。
世界模型之问的答案，不在预测层，在拟合对象与使用闭合。
本文是 AGI 人本拟合论的第二次公开应用。理论定义版见《AGI 人本拟合论：拟合实践，而非作品》；工程侧的完整协议见姊妹篇《拟合实践：前沿模型训练的数据方法论》——2026 年八家旗舰的就绪度审计里，分布线均值 0.062，”覆盖谁、覆盖什么经验”这一环全行业几乎空白，世界模型是这门考试最新的考生。