復旦美團這波開源WBench挺硬核，289個case把交互式世界模型測了個底朝天，指標和人工盲測相關性0.94以上，數據說話比吹水強。

復旦與美團LongCat聯合開源WBench交互式世界模型基準，含289個測試用例、1058輪交互，涵蓋一二人稱視角、導航控制、主體動作、事件編輯與視角切換。22項自動指標與人類盲測相關係數≥0.94。結果顯示交互控制與模型渲染、物理/一致性幾乎解耦，hy-world1.5領導航控制、lingbot-world領一致性、matrix-game3.0在動作導航居首。