当经验证的世界模型仍然输：LLM合成代码世界模型中的可玩充分性与预测准确性

大语言模型能把游戏规则合成为可执行代码——代码世界模型（CWM）——随后经典规划器在其上搜索。此类模型通常在采样轨迹上达到高转移准确率即被接受。我们论证对规划而言这是错误的充分性概念。我们证明四件事。(1) LLM合成的CWM可以在采样门控上达到100%转移准确率、且在规划器自身搜索分布上达到≥98%的状态准确率，却在对局中系统性失败——因为它错的<1%恰是关键动力学；被省略规则的对局代价为0.091（种子聚类95% CI [0.065,0.117]，n=4800）。我们称之为“经验证对正确”差距，并端到端经合成管线确认。(2) 危害遵循定量定律 danger=play_cost×(1-rarity)^N，其(1-rarity)^N门漏因子被证明精确、对局代价有经验界。(3) 该失败不被更多数据修复：LLM合成的行为是规则翻译而非规则推断——跨模型（GPT-5.x）与数据regime（含DAgger与定向样例）都未推断出被省略的规则。(4) 同一机制在不完全信息CWM的信念推断函数上重现：我们证明覆盖界（大小N的门在N≳b^{d_max}时可识别），解释为何库恩扑克等浅博弈没有差距，并手工构造Beacon——一个通过门控却每局必输的“经验证但错误”推断函数。结果提示：面向规划的世界模型的充分性应在搜索分布上或直接按对局度量，而非按采样转移的预测准确率。