优必选 Thinker-WM：视觉/深度/动作同一表征，登顶三大世界模型基准
优必选公布具身世界模型 Thinker-WM 的评测结果与技术报告：官方称其在 EWMBench（综合 4.66，超过 Qwen-RobotWorld、Sora2 等）、WorldOlympiad（综合 0.740，其中 3D 一致性 0.531、交互保真度 0.765）与 WorldArena 1.0 Track-1（视觉画质、内容一致性、物理合理性、3D 几何精度、指令遵循等 12 项维度整体领先）三个具身世界模型基准上均列第一。
它的做法与「拼接式」方案相反：不再让视频生成、策略网络、几何预测各自独立计算、再在接口处合并，而是把 RGB 视频、度量深度与机器人动作编码到同一个中间表征，由同一组共享参数的统一动态 Transformer（UDT）联合演化——模态交互发生在注意力内部，深度是原生生成模态而不是后期外挂的监督信号。同一套参数支持六种推理模式：联合视频-动作生成、世界预测、策略推理、动作条件生成、视频转动作与逆动力学。
官方称预训练语料约 2 万小时第一人称视频、1 万小时真实机器人数据（其中约 4 千小时带对齐深度监督）与 1 千小时仿真数据；权重已作为「官方推理版」开放（CC BY-NC-SA 4.0，基座为 Wan2.2-TI2V-5B），代码与 arXiv 技术报告同步放出。上述名次与数字均为官方口径，本轮未直读三个基准的官方榜单页。
原文链接：优必选科技消息 / 量子位
核验记录
官方项目页 thinkercosmos.ubtrobot.com/thinker-wm/ 与本机所有通路（直读 / r.jina.ai 403）均只拿到 JS 壳（858 字节），本机未能直读官方页的日期字段——按 R38 措辞只写「未直读」，不写「官方没有这条」。定日取官方消息经媒体同日发布的 10-16（观点网 2026-10-16 15:34「据优必选科技消息」、量子位 2026-10-16 16:00）。技术报告 arXiv 2610.18447 的 citation_date 2026/10/13、citation_online_date 2026/10/14；HF 权重仓 UBTECH-Robotics/Thinker-WM createdAt 2026-09-29、GitHub 仓 UBTECH-Robot/Thinker-WM created_at 2026-09-29（本轮的「新」是技术报告与三基准结果，模型本体为 2026-05 首次公布）。配图取 HF 官方社交缩略图：裸请求与带站内 Referer 双向 200、PNG 1200×648。