商湯日日新開源模型實現空間智能性能突破，多項評測領先?GPT-5

夢瑤 2025-11-11 15:36:08 來源：量子位

今天，商湯日日新在空間智能領域實現重要突破，正式發布并開源SenseNova-SI系列模型。在多項權威評測的空間理解和推理任務上，SenseNova-SI?不僅大幅度領先同量級開源多模態大模型，還超越了?GPT-5?和?Gemini?2.5?Pro?等國際頂尖閉源模型的表現。

空間智能短板與系統性解決

當下行業領先的大模型，雖然在知識、寫作、推理、編程等方面展示了突出的性能，但是普遍存在一個重要的缺陷，就是對空間結構的理解和推理存在很嚴重的短板，而這恰恰是具身智能體與世界交互所需要的關鍵基礎能力。

我們來看一個例子，左圖源自最強大腦的圖形推理題，對人類都具有相當的難度，GPT-5能夠輕松破解，可見它在非空間智能問題上已具備很強能力。反觀右圖，是一道人類兒童都能輕易解決的簡單空間問題，要求選擇正確俯視圖，GPT-5卻令人意外地犯起了難，錯誤地選擇了”A”。

以上例子恰好暴露了當前大模型在空間理解上的短板。因此要讓AI真正”看懂”三維世界，空間智能一直是關鍵的試金石。

商湯圍繞空間智能進行了深入創新探索，找到了提升空間智能的系統性訓練方法，打造了日日新·空間智能大模型系列 SenseNova-SI 并正式開源。

評測表現多項任務超越GPT-5，顯著領先同量級開源模型

這次開源的SenseNova-SI空間智能大模型系列包括 2B 和 8B 兩個規格。

最新評測數據顯示，SenseNova-SI系列模型在空間智能多個基準測試（VSI、MMSI、MindCube、ViewSpatial）中表現突出，具體如下：

數據來源：https://github.com/OpenSenseNova/SenseNova-SI

其中SenseNova-SI-8B模型在四個基本評測中獲得 60.99 的平均成績，不僅大幅領先Qwen3-VL-8B（40.16）、BAGEL-7B（35.01）等開源通用多模態模型，以及 SpatialMLLM（35.05）、ViLaSR-7B（36.41） 等專門的空間智能模型，還以相對輕量的模型規格實現了對GPT-5（49.68）、Gemini-2.5-Pro（48.81）等頂級閉源模型的超越。這里顯著的性能提升反映了模型在空間智能上獲得了質的突破，而不是簡單的性能改善。

基于”尺度效應”的訓練范式，實現能力系統性提升?

SenseNova-SI的性能飛躍，源于商湯從訓練數據到方法上的系統性方案。依托商湯提出的空間能力分類體系和過往多樣化的數據的積累，團隊采用系統化的方法擴充空間理解數據的規模，首次在空間智能領域驗證了“尺度效應”，即通過高質量、大規模數據訓練，可顯著提升模型的空間認知能力。

商湯提出的訓練范式具備通用性，能夠針對不同架構的基模型（如InternVL等）進行有效增強，使其在空間智能六大核心維度上——包括空間測量、空間重構、空間關系、視角轉換、空間形變與空間推理——實現一致性的能力提升。

商湯稍后將發布詳細的技術報告，詳細闡述具體的技術方案。

以下為GPT-5和SenseNova-SI-8B模型面對空間智能問題，給出的答案對比。

?給出的立方體組合圖形，要求選擇正確俯視圖。GPT-5選擇答案D，SenseNova-SI-8B選擇答案B，正確答案為B。（例題源自SITE-Bench）

假設我站在手持相機人的位置，并且面朝他現在面朝的方向。摩托車是位于我的左側還是右側？ GPT-5選擇答案A（左側），SenseNova-SI-8B選擇答案B，??正確答案為B（右側）。（例題源自SITE-Bench）

多車道道路場景，判斷黃色汽車的后續動作（如直行、轉向等）。GPT-5選擇答案C（靜止），SenseNova-SI-8B選擇答案（D），??正確答案為D（右轉）??。（例題源自SITE-Bench）

同一戶外場景，通過視角變化判斷移動方向。GPT-5選擇答案C，SenseNova-SI-8B選擇答案D，正確答案為向左前方移動（選項D）。（例題源自MindCube）

同一室內空間，包含白板、椅子和沙發等，通過物體位置變化分析移動方向。GPT-5選擇答案D，SenseNova-SI-8B選擇答案A，正確答案為向左前方移動（選項A）。（例題源自MindCube）

從不同角度拍攝帶黑色衣物的桌子，從正面視角（圖1）判斷桌子右側物體。GPT-5選擇答案B，SenseNova-SI-8B選擇答案C，正確答案為門（選項C）。（例題源自MindCube）

推動世界模型和具身智能生態發展

空間智能是世界模型與具身智能理解物理世界的基礎能力。今年7月，商湯正式發布“悟能”具身智能平臺，該平臺以商湯“開悟”世界模型為核心引擎，旨在為機器人和智能設備提供在物理世界中自主探索和進化的能力。

此次發布的空間智能大模型SenseNova-SI，與“開悟”世界模型相輔相成，將更好地解決多模態模型從數字空間走向物理世界的基礎挑戰，并在未來進一步推動AI在自動駕駛、機器人等場景的應用。

此外，商湯還同步開源了空間智能測評平臺 EASI（https://github.com/EvolvingLMMs-Lab/EASI）與“英雄榜”，旨在推動空間智能技術評估標準的統一，持續跟蹤并展示開源和閉源模型的性能進展，為學術界和工業界提供權威的評估基準，促進協同創新。

商湯SenseNova-SI的推出標志著AI在三維世界理解能力上邁出關鍵一步，也為下一代通用人工智能技術融入物理世界打下堅實基礎。