斯坦福 AILab 转发 PSI-0.6 物理世界思维流模型发布

斯坦福 AILab 官方转发了 PSI-0.6 新版本正式发布的消息，这款模型主打面向物理世界自然推理的思维流技术，是一套统一的视觉语言世界模型，核心创新就是把感知、语言、几何运算、场景模拟整合到同一条思维流里，打破了以往多模态模型各个能力相互独立的局限。此前很多 AI 模型只能分开处理图像、文字、三维空间信息，很难连贯完成物理场景推理，PSI-0.6 专门针对这个痛点做出优化，整套模型使用统一 token 接口，把图片、文本、几何结构、运动信息穿插在推理流程中，形成自适应的思维流。研发团队先搭建起概率结构整合的基础框架，再把图像、文字、深度、光流、相机位姿全部转为统一序列 token，接着搭建任意到任意的提示调用接口，让前一步推理输出可以直接作为下一步推理的输入，最后借助任务反馈的强化学习，自动优化中间表征的选择与生成逻辑，最终实现零样本下多视图空间推理能力超越主流开源模型，还能完成反事实场景模拟，预判物体移动之后会不会挡住通行路线。

一、PSI-0.6 思维流核心技术架构

1. 统一 token 交互层 把图像、自然语言、三维几何、物体运动四类信息全部转化为同一种 token，不再单独拆分视觉模块与语言模块，所有推理环节共用一套 Transformer 网络。
2. 自适应思维流推理链路 推理过程可以自由穿插图像生成、文字问答、几何测算、场景仿真，模型会根据任务自动选择中间推理步骤，不需要人为固定推理顺序。
3. 跨任务提示调用机制 支持任意形式的输入输出组合，输入图片可以输出相机位姿，输入图片加位姿又可以生成新视角画面，实现多步骤链式推理。
4. 强化学习优化机制 依靠任务结果持续优化思维流路径，自动筛选最有效的中间表征，提升视觉问答准确率，优化效果还能直接迁移到没有见过的新测试任务里。

二、PSI-0.6 核心能力清单

表格

三、PSI-0.6 与旧版 PSI 模型的升级要点

1. 推理模式升级：旧版侧重概率结构提取，PSI-0.6 新增自适应思维流，把多步推理串联成连续流程。
2. 模态范围扩大：从单纯视觉结构预测，拓展到视觉 + 语言联合推理，打通文字指令与三维物理场景。
3. 增加仿真能力：新增反事实场景生成，能够模拟现实世界里物体运动带来的各类物理变化。
4. 自动优化链路：引入强化学习，让模型自主挑选最优推理路径，不用人工预设推理步骤。

四、PSI-0.6 主要应用场景

1. 机器人环境感知：机器人接收文字指令之后，自主完成空间测距、障碍物预判、路径规划。
2. 智能视觉问答：针对实拍场景回答物理问题，预判物体移动后的场景变化。
3. 多视角三维重建：凭借单张或者多张图片，自动推算相机位置并生成新视角画面。
4. 数字场景仿真：基于现有画面生成假想场景，用来验证物理交互方案是否可行。

【相关 FAQ】

问题 1：PSI-0.6 面向物理世界自然推理的思维流，指的是什么技术？

回答 1：PSI-0.6 面向物理世界自然推理的思维流，是把图像、文本、几何结构、物体运动信息穿插组合的连续推理流程，模型依靠统一 token 接口，自主编排多模态推理步骤，连贯完成物理场景的空间判断与情景模拟。

问题 2：PSI-0.6 在物理世界自然推理上，相比老版本 PSI 提升了哪些能力？

回答 2：PSI-0.6 新增自适应思维流推理链路，打通视觉与语言模态，增加反事实场景仿真功能，同时借助强化学习自动优化推理路径，从单纯提取场景结构升级为完整的物理链式推理。

问题 3：PSI-0.6 的思维流推理，能不能完成物理场景反事实模拟？

回答 3：PSI-0.6 的思维流推理可以完成物理场景反事实模拟，模型能够生成假想画面，预判物体移动之后会不会形成遮挡、碰撞，满足现实物理推理需求。

【数据来源】

[2026-10-29] 斯坦福 AILab 转发 PSI-0.6 发布资讯 InfoQ

[2026-10-23]Ψ-0.6: Adaptive Streams of Thought in a Unified Vision-Language World Model arXiv 论文库

[2026-10-26] Psi-0.6 unifies vision, geometry, and motion in one autoregressive loop Extrapolator AI

[2026-08-24] World Modeling with Probabilistic Structure Integration arXiv 论文库

免责声明：

本内容仅对 PSI-0.6 模型的技术方案、功能特点与公开资讯进行客观整理，仅作技术科普参考，不构成产品落地、商业合作的决策依据。