商汤开源SenseNova-SI模型，号称多项评测领先GPT-5

IT之家 11 月 10 日消息，商汤科技今日发布并开源 SenseNova-SI 系列模型。官方宣布，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。同时，其在空间智能领域实现重要突破。

商汤科技表示，当前行业领先的大模型虽在知识、写作、推理、编程等方面展示了突出的性能，但普遍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。

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。官方提供的评测数据显示，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。

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。

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。

如图，给出的立方体组合图形，要求选择正确俯视图。GPT-5 选择答案 D，SenseNova-SI-8B 选择答案 B，正确答案为 B。

假设我站在手持相机人的位置，并且面朝他现在面朝的方向，摩托车是位于我的左侧还是右侧？GPT-5 选择答案 A（左侧），SenseNova-SI-8B 选择答案 B，正确答案为 B（右侧）。（例题源自 SITE-Bench）

多车道道路场景，判断黄色汽车的后续动作（如直行、转向等）。GPT-5 选择答案 C（静止），SenseNova-SI-8B 选择答案（D），正确答案为 D（右转）。（例题源自 SITE-Bench）

同一户外场景，通过视角变化判断移动方向。GPT-5 选择答案 C，SenseNova-SI-8B 选择答案 D，正确答案为向左前方移动（选项 D）。（例题源自 MindCube）

同一室内空间，包含白板、椅子和沙发等，通过物体位置变化分析移动方向。GPT-5 选择答案 D，SenseNova-SI-8B 选择答案 A，正确答案为向左前方移动（选项 A）。（例题源自 MindCube）

从不同角度拍摄带黑色衣物的桌子，从正面视角（图 1）判断桌子右侧物体。GPT-5 选择答案 B，SenseNova-SI-8B 选择答案 C，正确答案为门（选项 C）。（例题源自 MindCube）

IT之家附 SenseNova-SI 开源地址：https://github.com/EvolvingLMMs-Lab/EASI