美团 LongCat 发布 WBench 评估模型权重

美团 LongCat 提供 WBench 评估模型权重，用于多轮交互视频世界模型的综合测试。该基准涵盖视频质量、场景遵循、交互一致性、逻辑一致性及物理合理性五个维度，包含 289 个测试用例和 1,058 次交互轮次。权重可通过 Hugging Face CLI 下载，仅限学术研究和评估用途。