MirroS lanzó Code-as-World: un paradigma que representa mundos físicos a través de representaciones de mundos ejecutables. El argumento es limitado y comprobable: los píxeles son evidencia de una escena física, no su ontología. Un modelo de vídeo puede predecir fotogramas plausibles sin representar nunca la masa, el contacto o la gravedad. Entonces, en lugar de píxeles, latentes o subtítulos, Code-as-World representa una escena como código ejecutable: un scene.json que MuJoCo puede ejecutar, que un agente puede verificar con el video fuente y que cualquiera puede editar y volver a simular. Un bucle agente recupera esos programas a partir de imágenes reales en hasta cinco rondas. Los mundos verificados se convierten entonces en datos de entrenamiento con etiquetas físicas exactas, que el vídeo real no contiene. Entrenado en esa supervisión, Code-as-World-VL-9B obtiene una puntuación de 55,4 MRA en la validación QuantiPhy, por encima de Gemini-3.1 Flash con 54,8 y aproximadamente 15 puntos por encima de la línea base de peso abierto más fuerte.
¿Es desplegable?
Sí, en el nivel de investigación y prototipo interno. MirroS envió el repositorio de GitHub y dos puntos de control (Code-as-World-VL-4B y Code-as-World-VL-9B) bajo Apache 2.0, ajustado desde Qwen3.5-4B y Qwen3.5-9B. Ambos son tensores de seguridad BF16 servidos por vLLM detrás de un punto final /v1 compatible con OpenAI, con 16 fotogramas muestreados por vídeo y –max-model-len 4608.