21 個主流視覺語言模型空間推理能力評測：最高準確率 58.0%

2026 年 11 月 13 日，雷峰網釋出報道稱，浙江大學莊越挺團隊提出了一項空間智慧新基準，用以評估視覺語言模型（VLM）在預測性空間推理方面的能力表現。報道原文提到，空間智慧正在成為 AI 競賽的主戰場，視覺語言模型（Vision-Language Model，VLM）已經能夠回答不少空間問題。

依據該基準，團隊對 21 個主流視覺語言模型的預測性空間推理表現進行了評測。評測結果顯示，當前通用模型在空間理解能力上仍存在明顯缺口，21 個模型的最高準確率僅為 58.0%。報道標題中還丟擲疑問，指出空間專項模型的表現反而不如通用模型。目前公開資訊僅到此評測結果，暫無該基準細節與後續進展的進一步披露。