Phi-Zero é um modelo de mundo em vídeo construído sobre o que os autores chamam de linguagem física. A ideia é inverter a ordem de duas etapas que normalmente acontecem juntas.
Em vez de gerar imediatamente os próximos quadros, o modelo primeiro raciocina sobre como tudo deveria se mover e mudar fisicamente. Só depois esse raciocínio passa pelo gerador de vídeo, que renderiza os quadros.
Por que isso importa
- A separação melhora bastante a previsão do que acontece a seguir.
- Em coerência física e compreensão, supera em média modelos de mundo comparáveis.
- Serve a três frentes distintas: mundos interativos, direção autônoma e treinamento de robôs.
1.Por que separar raciocínio de renderização
2 minUm gerador de vídeo comum prevê pixels a partir de pixels. Ele aprende que certas imagens costumam vir depois de outras, sem nunca representar por que — e por isso escorrega em física: objeto que atravessa parede, líquido que sobe, sombra que não acompanha.
Phi-Zero insere uma etapa antes: descrever o que deveria acontecer fisicamente. A renderização passa a ser tradução de uma decisão já tomada, não adivinhação. É o mesmo princípio que faz um modelo de raciocínio acertar mais em matemática do que um que responde direto.
Ficha técnica
- Status
- Código "em breve"
- Abordagem
- Linguagem física antes da renderização
- Aplicações
- Mundos interativos, direção autônoma, robôs
- Destaque
- Coerência física acima da média
Continue no microcurso completo
Você leu a primeira de 3 aulas
A versão detalhada traz o passo a passo completo, os critérios de escolha, onde a ferramenta falha e para quem ela realmente serve.
- As três aplicações2 min
- Estado atual1 min
De onde saiu este microcurso
Do capítulo “Phi Zero” (aos 26:26) do vídeo New Deepseek, Seedance 2.5, Minimax H3, Gemini Robotics, AMD models: AI NEWS, do canal AI Search. Transcrevemos, conferimos os nomes contra as páginas oficiais e reescrevemos em português.
