视频中的思考：视频生成器真的能推理现实世界吗？

近期世界模型与视频生成的进展催生了一种利用视频生成模型模拟、预测及推理现实动态的新范式，即“视频中的思考”。然而，该承诺尚未验证：逼真的 rollout 可能仅反映记忆而非因果理解。为此，本文提出因果生成双重评判（CGDJ）框架，从显式因果感知和隐式生成预测差距两个维度评估模型。实验发现开源模型虽能生成合理动态但缺乏显式因果感知，闭源模型表现稍好但仍有限，且存在视听不一致现象，挑战了“世界模拟器”的叙事。