SketchAgentBench 是一个面向大模型三维空间推理能力的评测基准,试图填补当前评测体系在空间理解维度上的空白。但现有材料仅给出名称与评测方向,缺少任务设计、数据规模与实验结论等关键细节,实际价值有待完整论文或代码验证。
空间推理
Spatial Reasoning
理解物体位置关系并进行逻辑推导的能力
收录情报动态
厦门大学与南洋理工大学团队提出 RoTA-Bench,用交互式 3D-to-2D 投影对齐任务检验视觉语言模型能否把二维观察转化为支持精确旋转动作的三维理解。该基准弥补了静态空间问答缺少动作闭环、通用交互基准难以专门考察几何姿态推理的空白,指向具身智能体的视觉-控制衔接能力。
月之暗面正式推出最强 3 万亿参数模型 Kimi K3.1 Pro,其编程智能体在 Terminal-Bench 中得分超越 GPT-6。该模型具备强大的 3D 空间推理与参数化建模能力,支持直接生成 CAD/Blender 脚本,并同步推出高速版以降低延迟。完整权重将于 11 月初开源。
在离线沙盒环境中,Claude Opus 5.5 和 Grok 4.7 成功通过代码生成埃菲尔铁塔的 3D 模型,并罕见地凭内部知识准确列出了塔身刻有的全部 72 位法国科学家姓名。值得注意的是,尽管任务简报未提及人名,两个模型不仅按正确顺序输出了名单,Claude Opus 5.5 还进一步根据巴黎实际地理朝向将名字分配到了对应的侧面。这一结果展示了前沿大模型在非检索增强场景下极强的事实记忆精度与空间推理能力。
Artificial Analysis 推出首个衡量前沿大模型在物理世界理解、规划与行动能力的基准测试 AA-Robotics v0.1。该基准让模型通过编码代理框架控制六轴机械臂完成抓取、空间推理等任务,结果显示 GPT-6 Astra 位居榜首。尽管模型已具备直接操控能力,但其速度比人类慢约 100 倍且成本高 10 倍,目前尚无法用于生产环境,但预计这一差距将迅速缩小。
DishwasherBench 推出首个基于真实博世 SMV4HAX40G 洗碗机的高保真物理仿真基准,通过刚体动力学与 Eco 50 程序下的水流、土壤及洗涤剂化学反应模拟,评估大模型在复杂空间约束下的物品装载决策能力。该工具以浏览器游戏 Spotless 形式呈现,支持人类玩家与 AI 代理同场竞技,目前处于 v0.1.0 早期版本,重点验证确定性物理回放与可复现性,但尚未完全覆盖餐具堆叠对清洁度的细微影响。
Google 正式推出 Gemini Robotics ER 2,这是一款专为机器人设计的高层“大脑”模型。该模型通过实时视频理解、空间推理和多步任务规划,显著提升了机器人在物理世界中的自主性与多机协作能力。开发者现可通过 Gemini API 及 AI Studio 接入该模型,构建具备自我纠错能力的智能体。
谷歌推出 Gemini Robotics-ER 1.6,显著提升机器人的空间推理与多视角理解能力。该模型旨在通过增强“具身推理”实现更高自主性,支持复杂环境导航及精细物理任务(如读取仪表)。目前已在 Google AI Studio 开放预览。