智東西
作者 江宇
編輯 漠影

智東西11月11日報道，昨晚，商湯正式發(fā)布并開源SenseNova-SI系列空間智能大模型，涵蓋2B與8B兩個版本。

該系列模型在多個空間智能基準(zhǔn)測試中均表現(xiàn)突出，其中SenseNova-SI-8B模型在VSI-Bench、MMSI-Bench、MindCube-Tiny與ViewSpatial四個核心任務(wù)上獲得60.99的平均成績，不僅大幅領(lǐng)先Qwen3-VL-8B（40.16）、BAGEL-7B（35.01）等同級別開源通用模型，以及SpatialMLLM（35.05）、ViLaSR-7B（36.41）等專注空間理解的模型。

值得注意的是，在保持8B參數(shù)規(guī)模的前提下，該模型的平均成績已領(lǐng)先GPT-5（49.68）與Gemini-2.5-Pro（48.81）。

▲SenseNova-SI系列模型在多個空間智能基準(zhǔn)測試（VSI、MMSI、MindCube、ViewSpatial）中的評測成績

此次性能躍升，得益于商湯在訓(xùn)練機(jī)制上的系統(tǒng)性設(shè)計，其研究團(tuán)隊(duì)構(gòu)建了“空間能力分類體系”，并擴(kuò)充空間理解數(shù)據(jù)規(guī)模，首次在該領(lǐng)域驗(yàn)證了“尺度效應(yīng)”的存在。

這一技術(shù)突破也回應(yīng)了當(dāng)前多模態(tài)大模型面臨的核心挑戰(zhàn)之一：空間智能短板仍未補(bǔ)齊。盡管當(dāng)前大模型在語言、代碼、邏輯推理等任務(wù)上已展現(xiàn)出較強(qiáng)性能，但在需要空間理解能力的場景中，仍容易“栽跟頭”。

例如，GPT-5可以正確解出復(fù)雜圖形邏輯題，但面對判斷立方體俯視圖這類空間題時，卻出現(xiàn)了明顯錯誤。這類題對人類兒童來說往往是直覺判斷，卻仍難住了頂級模型。

SenseNova-SI的構(gòu)建與訓(xùn)練聚焦空間理解，其開源也為大模型在空間智能方向上的能力優(yōu)化，提供了新的樣本。

GitHub：https://github.com/OpenSenseNova/SenseNova-SI

Hugging Face：https://huggingface.co/collections/sensenova/sensenova-si

一、空間智能也有“Scaling Law”？商湯團(tuán)隊(duì)首次驗(yàn)證

SenseNova-SI的性能提升并非單點(diǎn)優(yōu)化，而是建立在系統(tǒng)訓(xùn)練范式上的整體進(jìn)化。商湯基于自研的空間能力分類體系，將空間智能劃分為六大核心維度：空間測量、空間重構(gòu)、空間關(guān)系、視角轉(zhuǎn)換、空間形變與空間推理。

在訓(xùn)練數(shù)據(jù)層面，商湯團(tuán)隊(duì)整合多模態(tài)感知、視覺模型等方向的積累，系統(tǒng)擴(kuò)展空間理解數(shù)據(jù)規(guī)模，并首次在空間智能領(lǐng)域驗(yàn)證了“尺度效應(yīng)”——即隨著數(shù)據(jù)量與質(zhì)量的持續(xù)增長，模型的空間認(rèn)知能力將同步增強(qiáng)。

這一方法具備通用性，能支持多種基座模型（如InternVL）進(jìn)行空間能力的增強(qiáng)遷移。商湯團(tuán)隊(duì)稱，后續(xù)將發(fā)布完整的技術(shù)報告，進(jìn)一步闡述具體的技術(shù)方案。

二、面對空間題，GPT-5“犯難”，SenseNova-SI表現(xiàn)更穩(wěn)定

在SITE-Bench和MindCube兩大空間智能基準(zhǔn)測試中，商湯研究團(tuán)隊(duì)選取了六道典型題目，涉及俯視圖判斷、視角轉(zhuǎn)換、物體方位與移動方向推理等任務(wù)，分別對GPT-5與SenseNova-SI-8B進(jìn)行了測試。

從結(jié)果來看，GPT-5在多項(xiàng)題目中出現(xiàn)了誤判，而SenseNova-SI-8B則連續(xù)給出正確答案，呈現(xiàn)出更穩(wěn)定的空間理解能力：

1、俯視圖選擇題：在立方體組合圖形中，要求選擇正確俯視圖。GPT-5選擇了錯誤的D選項(xiàng)，SenseNova-SI-8B選擇了正確的B選項(xiàng)。

2、相對方位判斷題：模擬從相機(jī)操作者視角判斷摩托車在左側(cè)還是右側(cè)。GPT-5誤判為左側(cè)（A），SenseNova-SI-8B正確判斷為右側(cè)（B）。

3、交通行為預(yù)測題：在多車道道路場景中預(yù)測黃色汽車的后續(xù)動作。GPT-5判斷為靜止（C），SenseNova-SI-8B判斷為右轉(zhuǎn)（D），正確答案為D。

4、視角變換下的方向判斷題（戶外）：通過兩張場景圖判斷觀察者的移動方向。GPT-5選擇了C，SenseNova-SI-8B選擇了正確答案D，即向左前方移動。

5、視角變換下的方向判斷題（室內(nèi)）：在白板、椅子、沙發(fā)等室內(nèi)場景中，判斷物體位置變化所代表的觀察者移動方向。GPT-5選擇D，SenseNova-SI-8B選中正確答案A（向左前方移動）。

6、物體相對位置識別題：要求從正面視角圖中判斷桌子右側(cè)的物體。GPT-5選B，SenseNova-SI-8B選C，正確答案為C，即門的位置。

這組題覆蓋了空間智能的多個關(guān)鍵維度，從結(jié)果來看，SenseNova-SI在空間理解與推理上的表現(xiàn)更具穩(wěn)定性。

三、空間智能走向落地，SenseNova-SI接入“悟能”平臺

SenseNova-SI的推出，也是商湯整體空間智能戰(zhàn)略的一部分。

今年7月，商湯發(fā)布“悟能”具身智能平臺，提出以“開悟”世界模型為核心，推動機(jī)器人在物理世界中的自主理解與適應(yīng)能力。SenseNova-SI作為空間能力組件，將補(bǔ)強(qiáng)模型在三維結(jié)構(gòu)認(rèn)知方面的基礎(chǔ)能力。

與此同時，商湯還同步開源了空間智能測評平臺EASI及其“英雄榜”，為統(tǒng)一測評口徑、展示模型進(jìn)展和推動開源生態(tài)合作。

結(jié)語：讓AI真正“看懂”物理世界

當(dāng)前AI在語言、知識與邏輯推理方面已有扎實(shí)積累，但三維空間的理解、感知與推理能力仍是其通向物理世界的重要挑戰(zhàn)。

空間智能作為支撐具身智能與世界模型發(fā)展的核心能力，正成為衡量下一階段AI模型“真實(shí)世界理解力”的一大指標(biāo)。相關(guān)能力的持續(xù)構(gòu)建，將為自動駕駛、機(jī)器人等落地應(yīng)用提供更堅(jiān)實(shí)的基礎(chǔ)。