据悉，SpatialBench是近年来备受关注的第三方空间推理评测榜单，专注于评估多模态大模型在空间结构、路径规划及几何理解等方面的综合能力，被AI领域广泛视为衡量“具身智能”发展水平的重要新兴标准之一。该测试不仅考察模型的知识储备，更重视其在二维与三维环境中对抽象概念的“感知”与操作能力，这对于机器人、自动驾驶等实际应用场景至关重要。
最新榜单显示，阿里通义千问系列的视觉语言模型Qwen3-VL-235B和Qwen2.5-VL-72B分别以13.5分和12.9分的成绩位居前二，大幅领先于Gemini 3.0 Pro Preview（9.6）、GPT-5.1（7.5）以及Claude Sonnet 4.5等国际先进模型。尽管如此，当前AI系统整体仍远未达到人类水平——人类在该测试上的基准得分约为80分，能够熟练处理如电路设计、CAD建模和分子结构分析等高复杂度空间任务，而现有大模型尚无法完全自主完成此类工作。
Qwen2.5-VL于2024年发布并开源，而Qwen3-VL是阿里巴巴在2025年推出的全新一代视觉理解模型，在视觉感知与多模态推理方面实现显著突破。该模型在32项核心能力评测中超越Gemini2.5-Pro与GPT-5，不仅能调用抠图、搜索等工具执行“带图推理”，还可仅凭一张手绘草图或一段小游戏视频实现“视觉编程”。此外，Qwen3-VL特别强化了3D检测能力，能更精准地理解空间布局，基于此，机器人可准确判断物体位置、视角转换与遮挡关系，成功实现对远处苹果的精确抓取。
使用 Google GenAI SDK 通过 Gemini 生成或编辑图像。当用户要求在 OpenCla… 中创建、转换、渲染或保存一张或多张图像时使用。
目前，Qwen3-VL已开源多个版本，涵盖2B、4B、8B、32B等密集参数模型，以及30B-A3B、235B-A22B等MoE稀疏架构模型，每种均提供指令微调版与推理优化版两款类型，成为当下最受企业与开发者青睐的开源视觉模型之一。同时，Qwen3-VL已集成至千问APP，用户可免费体验其强大功能。
源码地址：点击下载
