今天，商汤日日新在空间智能领域实现重要突破，正式发布并开源SenseNova-SI系列模型。在多项权威评测的空间理解和推理任务上，SenseNova-SI 不仅大幅度领先同量级开源多模态大模型，还超越了 GPT-5 和 Gemini 2.5 Pro 等国际顶尖闭源模型的表现。
空间智能短板与系统性解决当下行业领先的大模型，虽然在知识、写作、推理、编程等方面展示了突出的性能，但是普遍存在一个重要的缺陷，就是对空间结构的理解和推理存在很严重的短板，而这恰恰是具身智能体与世界交互所需要的关键基础能力。
我们来看一个例子，左图源自最强大脑的图形推理题，对人类都具有相当的难度，GPT-5能够轻松破解，可见它在非空间智能问题上已具备很强能力。反观右图，是一道人类儿童都能轻易解决的简单空间问题，要求选择正确俯视图，GPT-5却令人意外地犯起了难，错误地选择了"A”。
以上例子恰好暴露了当前大模型在空间理解上的短板。因此要让AI真正"看懂"三维世界，空间智能一直是关键的试金石。
商汤围绕空间智能进行了深入创新探索，找到了提升空间智能的系统性训练方法，打造了日日新·空间智能大模型系列 SenseNova-SI 并正式开源。
评测表现多项任务超越GPT-5，显著领先同量级开源模型这次开源的SenseNova-SI空间智能大模型系列包括 2B 和 8B 两个规格。
最新评测数据显示，SenseNova-SI系列模型在空间智能多个基准测试（VSI、MMSI、MindCube、ViewSpatial）中表现突出，具体如下：
其中SenseNova-SI-8B模型在四个基本评测中获得 60.99 的平均成绩，不仅大幅领先Qwen3-VL-8B（40.16）、BAGEL-7B（35.01）等开源通用多模态模型，以及 SpatialMLLM（35.05）、ViLaSR-7B（36.41） 等专门的空间智能模型，还以相对轻量的模型规格实现了对GPT-5（49.68）、Gemini-2.5-Pro（48.81）等顶级闭源模型的超越。这里显著的性能提升反映了模型在空间智能上获得了质的突破，而不是简单的性能改善。
基于"尺度效应"的训练范式，实现能力系统性提升SenseNova-SI的性能飞跃，源于商汤从训练数据到方法上的系统性方案。依托商汤提出的空间能力分类体系和过往多样化的数据的积累，团队采用系统化的方法扩充空间理解数据的规模，首次在空间智能领域验证了“尺度效应”，即通过高质量、大规模数据训练，可显著提升模型的空间认知能力。
商汤提出的训练范式具备通用性，能够针对不同架构的基模型（如InternVL等）进行有效增强，使其在空间智能六大核心维度上——包括空间测量、空间重构、空间关系、视角转换、空间形变与空间推理——实现一致性的能力提升。
商汤稍后将发布详细的技术报告，详细阐述具体的技术方案。
以下为GPT-5和SenseNova-SI-8B模型面对空间智能问题，给出的答案对比。
空间智能是世界模型与具身智能理解物理世界的基础能力。今年7月，商汤正式发布“悟能”具身智能平台，该平台以商汤“开悟”世界模型为核心引擎，旨在为机器人和智能设备提供在物理世界中自主探索和进化的能力。
此次发布的空间智能大模型SenseNova-SI，与“开悟”世界模型相辅相成，将更好地解决多模态模型从数字空间走向物理世界的基础挑战，并在未来进一步推动AI在自动驾驶、机器人等场景的应用。
此外，商汤还同步开源了空间智能测评平台 EASI（https://github.com/EvolvingLMMs-Lab/EASI）与“英雄榜”，旨在推动空间智能技术评估标准的统一，持续跟踪并展示开源和闭源模型的性能进展，为学术界和工业界提供权威的评估基准，促进协同创新。
商汤SenseNova-SI的推出标志着AI在三维世界理解能力上迈出关键一步，也为下一代通用人工智能技术融入物理世界打下坚实基础。
富灯网提示：文章来自网络，不代表本站观点。
