Nvidia e parceiros lançam Physis-Lang: modelo de linguagem com física supera o veo 3.1 em benchmarks

A NVIDIA, em colaboração com o MIT e a Universidade de Oxford, apresentou o Physis-Lang, um framework auto-evolutivo que integra a razão física nas legendas de vídeo. Este sistema aprimora os modelos do mundo do vídeo, adicionando explicações de fenômenos físicos, melhorando a precisão nos benchmarks de física. Em 29 de setembro de 2026, o Physis-Lang alcançou uma pontuação de 48,2 ± 1,4 na tabela de classificação Physics-IQ Verified, superando o Veo 3.1 do Google. A versão Cosmos3-Nano ficou em segundo lugar com 43,3 ± 1,5. O Physis-Lang utiliza um pipeline que gera legendas com raciocínio físico e prompts negativos para evitar resultados implausíveis. O sistema evolui seus prompts de instrução através de feedback de um crítico com conhecimento de física, melhorando a qualidade das legendas ao longo das iterações. Na PhyGenBench, o modelo conseguiu levantar um Cosmos3-Nano congelado de 61,67 para 67,29. O framework também aproveita uma vasta galeria de vídeos para refinar os dados de treinamento, alcançando ganhos em vários benchmarks. O ajuste fino com LoRA nas projeções de atenção melhorou o desempenho sem alterar a arquitetura do modelo.