대부분의 비디오 모델 벤치마크는 여전히 '월드 모델 (World Models)'을 마치 더 뛰어난 비디오 생성기인 것처럼 평가합니다.

하지만 진정한 월드 모델은 단순한 렌더러 (Renderer)가 아닙니다.
그것은 상호작용 가능한 엔진 (Interactive Engine)처럼 동작해야 합니다. 즉, 세계를 보존하고, 사용자의 행동을 수용하며, 장면을 업데이트하고, 피사체의 일관성을 유지하며, 공간적 논리를 유지하고, 여러 턴 (Turns)에 걸쳐 물리적 제약 (Physical Constraints)을 준수해야 합니다.

그것이 바로 WBench가 측정하고자 하는 격차입니다.

단순히 "비디오가 보기 좋은가?"라고 묻는 대신, WBench는 더 어려운 질문을 던집니다:

"사용자가 계속해서 상호작용하는 동안 모델이 제어 가능하고, 일관되며, 물리적으로 타당한 세계를 유지할 수 있는가?"

이러한 구분은 중요한데, 아름다운 생성 (Generation)이 취약한 시뮬레이션 (Simulation)을 숨길 수 있기 때문입니다. 모델은 영화 같은 프레임 (Frames)을 만들어낼 수는 있지만, 내비게이션 (Navigation)에 실패하거나, 피사체와 카메라의 관계를 놓치거나, 턴이 진행됨에 따라 표류하거나, 인과관계 (Causality)를 깨뜨릴 수 있습니다.

월드 모델 평가는 "실제처럼 보이는가"에서 "실제처럼 동작하는가"로 이동해야 합니다.
[IMG:1]