MMGR 基准评测：视频模型解迷宫成功率仅 3%，视觉好不等于会推理

MMGR 基准提出统一评测框架，以图像与视频生成模型为对象，检验其是否真正具备推理能力。10 个任务、1835 个样本显示，顶级视频模型在 Maze 上成功率仅约 3%，Sudoku 约 0%，物理常识总体不到 4%。过程成功率 37.14% 低于终态 65.17%，表明视觉质量与推理正确性明显脱节。