Nvidia y socios lanzan Physis-Lang: modelo de lenguaje mejorado con física supera a veo 3.1 en pruebas

NVIDIA, en colaboración con MIT y la Universidad de Oxford, ha presentado Physis-Lang, un marco de trabajo autoevolutivo que integra la razón física en las descripciones de vídeo. Este sistema mejora los modelos del mundo de los vídeos al añadir explicaciones de fenómenos físicos, mejorando la precisión en las pruebas de física. El 29 de septiembre de 2026, Physis-Lang obtuvo una puntuación de 48,2 ± 1,4 en el ranking Physics-IQ Verified, superando a Veo 3.1 de Google. La versión Cosmos3-Nano obtuvo el segundo puesto con 43,3 ± 1,5. Physis-Lang utiliza una tubería que genera descripciones con razonamiento físico y indicaciones negativas para evitar resultados poco realistas. El sistema evoluciona sus indicaciones a través de la retroalimentación de un crítico con conocimiento de física, mejorando la calidad de las descripciones a lo largo de las iteraciones. En PhyGenBench, el modelo levantó un Cosmos3-Nano congelado de 61,67 a 67,29. El marco también aprovecha una gran galería de vídeos para refinar los datos de entrenamiento, logrando mejoras en múltiples pruebas. El ajuste fino con LoRA en las proyecciones de atención mejoró el rendimiento sin alterar la arquitectura del modelo.