世界模型如果只会「生成好看的未来视频」，往往还是在抄相关，而不是懂机制。Aether把中间步骤强制写出来。
Aether AI发布第一版因果世界模型CausalWM（约16B参数）。方法核心是Causal Chain-of-Thought：先预测光流（运动），再预测点云/几何，再生成未来RGB，每一步把前序结果固定为后续上下文，并用因果注意力阻断「从结果倒推原因」的捷径。语言指令与机器人动作可作为条件，引导想象中的未来。
项目页给出的TriWorldBench快照（9月11日）显示，CausalWM以66.04的TWB-Score在36个已发布模型中排名第一；七项细分指标进入前二。数据侧称约3.1万小时源材料、约2万小时保留交互经验，覆盖人类第一视角、真机与仿真等多源。论文、代码与权重链接已挂出。
相对「直接从观测生成未来帧」的主流做法，显式因果链的卖点是可检查、可介入：中间变量错了，人能看出来；也可以把仿真轨迹等新信号以有限微调的方式接进控制接口。对机器人策略学习，这意味着世界模型不只是拍梦，而更像带物理脚手架的推演器。榜单与本地评测口径仍需读者分开阅读。