Исследователи NVIDIA представили Physis-Lang — фреймворк для внедрения физического обоснования в генерацию видео. Система дополняет описания полем physics_reasoning, которое объясняет причинно-следственные связи и физические принципы, а также создает негативные промпты для исключения нереалистичных сцен.
Процесс обучения включал девять итераций с использованием GPT-5.5 и Gemini-3.1-Pro. Итоговый датасет содержит 183 000 видео, включая 71 000 записей из WISA-80K и 112 000 дополнительных клипов. На бенчмарке PhysCapBench показатель F1 вырос с 78,64 до 87,82 за время доработки инструкций.
В рейтинге Physics-IQ Verified от 29 сентября 2026 года модель Cosmos3-Super с Physis-Lang заняла первое место с результатом 48,2, опередив Cosmos3-Nano с 43,3 баллами. Фреймворк обеспечил прирост качества на различных архитектурах, включая плюс 7,05 балла для Wan2.1-14B и плюс 5,02 для Cosmos3-Super-64B.
Команда дистиллировала пайплайн в две модели Qwen3-VL-4B-Instruct: PhysThinker-C и PhysThinker-U. Переход на локальные модели позволил снизить затраты на API с $24,12 тыс. до $0,12 тыс. при сохранении высокой эффективности. Релиз исследования состоялся 30 сентября 2026 года.
