开源又赢闭源！商汤8B模型空间智能碾压GPT-5，AI看懂世界又进了一步

智东西11月11日报道，昨晚，商汤正式发布并开源SenseNova-SI系列空间智能大模型，涵盖2B与8B两个版本。

该系列模型在多个空间智能基准测试中均表现突出，其中SenseNova-SI-8B模型在VSI-Bench、MMSI-Bench、MindCube-Tiny与ViewSpatial四个核心任务上获得60.99的平均成绩，不仅大幅领先Qwen3-VL-8B（40.16）、BAGEL-7B（35.01）等同级别开源通用模型，以及SpatialMLLM（35.05）、ViLaSR-7B（36.41）等专注空间理解的模型。

值得注意的是，在保持8B参数规模的前提下，该模型的平均成绩已领先GPT-5（49.68）与Gemini-2.5-Pro（48.81）。

▲SenseNova-SI系列模型在多个空间智能基准测试（VSI、MMSI、MindCube、ViewSpatial）中的评测成绩

此次性能跃升，得益于商汤在训练机制上的系统性设计，其研究团队构建了“空间能力分类体系”，并扩充空间理解数据规模，首次在该领域验证了“尺度效应”的存在。

这一技术突破也回应了当前多模态大模型面临的核心挑战之一：空间智能短板仍未补齐。尽管当前大模型在语言、代码、逻辑推理等任务上已展现出较强性能，但在需要空间理解能力的场景中，仍容易“栽跟头”。

例如，GPT-5可以正确解出复杂图形逻辑题，但面对判断立方体俯视图这类空间题时，却出现了明显错误。这类题对人类儿童来说往往是直觉判断，却仍难住了顶级模型。

SenseNova-SI的构建与训练聚焦空间理解，其开源也为大模型在空间智能方向上的能力优化，提供了新的样本。

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

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

一、空间智能也有“Scaling Law”？商汤团队首次验证

SenseNova-SI的性能提升并非单点优化，而是建立在系统训练范式上的整体进化。商汤基于自研的空间能力分类体系，将空间智能划分为六大核心维度：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。

在训练数据层面，商汤团队整合多模态感知、视觉模型等方向的积累，系统扩展空间理解数据规模，并首次在空间智能领域验证了“尺度效应”——即随着数据量与质量的持续增长，模型的空间认知能力将同步增强。

这一方法具备通用性，能支持多种基座模型（如InternVL）进行空间能力的增强迁移。商汤团队称，后续将发布完整的技术报告，进一步阐述具体的技术方案。

二、面对空间题，GPT-5“犯难”，SenseNova-SI表现更稳定

在SITE-Bench和MindCube两大空间智能基准测试中，商汤研究团队选取了六道典型题目，涉及俯视图判断、视角转换、物体方位与移动方向推理等任务，分别对GPT-5与SenseNova-SI-8B进行了测试。

从结果来看，GPT-5在多项题目中出现了误判，而SenseNova-SI-8B则连续给出正确答案，呈现出更稳定的空间理解能力：

1、俯视图选择题：在立方体组合图形中，要求选择正确俯视图。GPT-5选择了错误的D选项，SenseNova-SI-8B选择了正确的B选项。

2、相对方位判断题：模拟从相机操作者视角判断摩托车在左侧还是右侧。GPT-5误判为左侧（A），SenseNova-SI-8B正确判断为右侧（B）。

3、交通行为预测题：在多车道道路场景中预测黄色汽车的后续动作。GPT-5判断为静止（C），SenseNova-SI-8B判断为右转（D），正确答案为D。

4、视角变换下的方向判断题（户外）：通过两张场景图判断观察者的移动方向。GPT-5选择了C，SenseNova-SI-8B选择了正确答案D，即向左前方移动。

5、视角变换下的方向判断题（室内）：在白板、椅子、沙发等室内场景中，判断物体位置变化所代表的观察者移动方向。GPT-5选择D，SenseNova-SI-8B选中正确答案A（向左前方移动）。

6、物体相对位置识别题：要求从正面视角图中判断桌子右侧的物体。GPT-5选B，SenseNova-SI-8B选C，正确答案为C，即门的位置。

这组题覆盖了空间智能的多个关键维度，从结果来看，SenseNova-SI在空间理解与推理上的表现更具稳定性。

三、空间智能走向落地，SenseNova-SI接入“悟能”平台

SenseNova-SI的推出，也是商汤整体空间智能战略的一部分。

今年7月，商汤发布“悟能”具身智能平台，提出以“开悟”世界模型为核心，推动机器人在物理世界中的自主理解与适应能力。SenseNova-SI作为空间能力组件，将补强模型在三维结构认知方面的基础能力。

与此同时，商汤还同步开源了空间智能测评平台EASI及其“英雄榜”，为统一测评口径、展示模型进展和推动开源生态合作。

结语：让AI真正“看懂”物理世界

当前AI在语言、知识与逻辑推理方面已有扎实积累，但三维空间的理解、感知与推理能力仍是其通向物理世界的重要挑战。

空间智能作为支撑具身智能与世界模型发展的核心能力，正成为衡量下一阶段AI模型“真实世界理解力”的一大指标。相关能力的持续构建，将为自动驾驶、机器人等落地应用提供更坚实的基础。