机器之心（公众号 · Wechat2RSS）·2026-10-05 11:43· 2 天前AI 评分60

VA-Bench 评测 12 个多模态模型，揭示空间智能从看懂到执行的断层

看懂不等于做对：VA-Bench测出大模型空间智能的执行断层

AI 导读

VA-Bench 以观察、推理、行动、修正闭环测试 12 个多模态模型，显示目标识别和操作语义接近满分，但完整任务成功率约一半。Qwen3.8-max、Opus-5 和 GPT-5.6-sol 的完整任务成功率分别为 53.93%、52.86%和 51.55%，错误发现得分高于在线修正。