2026年3月にarXivで公開された学術論文「Physion-Eval: Evaluating Physical Realism in Generated Video via Human Reasoning」（Zhang, Jing, Yu, Ding他）は、人間による評価を用いてSora 2、Veo 3.1 Fast、Wan 2.2の生成動画に含まれる物理法則違反（グリッチ）を検証している。結果は、外部視点（exocentric）の動画でSora 2が79.2%の動画に少なくとも1件の物理的グリッチを含み、Veo 3.1 Fastが79.4%、Wan 2.2が90.3%という近い水準であった一方、一人称視点（egocentric）ではSora 2が96.6%、Veo 3.1 Fastが97.5%、Wan 2.2が83.5%とWan 2.2の方が相対的に良好という逆転が見られた。同論文は、現行の動画生成モデル全般で物理法則違反が依然として高頻度に発生していること、また自動化された評価手法（MLLM）は人間ほど正確にこれらの違反を検出できないことも指摘している。この結果は特定のプレプリント論文1件による評価であり、査読済みの確定的な結論ではない点に留意する必要がある。