两块不同重量的滑块，同时从相同斜坡出发，按牛顿物理应同时抵达底部。视频生成模型却可能把画面做得很像真的，同时让其中一块莫名领先。Principia正是抓这种破绽：它不追问物体移动了多少米，而是检查同一画面中两个物体的运动关系是否成立。
这种“关系式物理评测”绕开了视频里常缺失的帧率、真实尺度和相机标定——也就是像素与现实距离如何对应。研究团队用529个成对物体的真实场景，覆盖重力、摩擦、动量、摆和弹簧振动等八类现象，并直接在图像空间计算一致性分数。
作者报告，六款先进视频生成器在常规视觉基准VBench上都约为0.8，却没有一款在Principia上超过0.42；四款视觉语言模型中，最好也只以67%的准确率识别物理违规。换句话说，画得逼真与理解世界如何运动，仍是两把不同的尺子。