多模態大模型的爭霸戰，已從文字、圖像識別，演進到更高階的「空間智能」（Spatial Intelligence）。商湯科技（0020.HK）正式開源空間智能模型「日日新 SenseNova-SI 1.3」，根據權威綜合評測平台 EASI 的數據顯示，SenseNova-SI 1.3 的平均分在 EASI-8 標準中力壓 Google 的 Gemini-3-Pro 排名全球第一。
空間智能之所以被視為 AI 的「深水區」，是因為模型必須理解三維世界的物理聯繫，而非單純的像素匹配。商湯 SenseNova-SI 1.3 在空間測量、視角轉換及綜合推理等核心任務表現顯著提升 。對比以往版本，其回答簡短非選擇題的能力更強，能更精準地理解複雜的空間環境。這項技術的突破，將直接加速自動駕駛、工業機械人及智能家電等領域的發展，讓機械設備真正具備像人類一樣的「空間邏輯」 。
解破「反尺度效應」難題 視角轉換能力突出
長期以來，學術界發現空間智能存在一種奇怪的「反尺度效應」：單純增大模型尺寸，並不能有效提升視角轉換（Perspective-taking）的能力 。這解釋了為何許多資源雄厚的頂尖大模型，在面對空間方位判斷時仍會頻頻出錯。商湯團隊採用全新的學習範式，將視角轉換拆解為建立跨視角關聯、理解視角移動及想像視角變換三個層次，並建構層次分明的訓練數據 。
在實際評測中，這種策略展現出驚人效果。面對一系列連 Gemini-3-Pro 都會「中伏」的題目，SenseNova-SI 1.3 均能給出精準解答。例如，在統計遮擋建築物數量的任務中，Gemini-3-Pro 因無法完全去重而誤數，但 SenseNova-SI 1.3 則準確判斷出 4 個建築模型 。而在判斷巴士哪一邊車身對著車站的題目中，新模型成功避開了「英國巴士靠左行駛」的常識陷阱，根據視覺畫面準確判斷出右側靠站，展現出極強的物理環境理解力 。
8B 參數模型實測超越 GPT-5 開源生態普惠全球
商湯此次開源 SenseNova-SI 1.3，讓頂尖技術惠及科研人員與企業。對開發者而言，該模型提供了一個與現有基座模型完全相容的強力預訓練基準，可直接在其之上設計創新算法 。令人驚喜的是，商湯驗證了空間智能的數據尺度效應——其 8B 參數的基模型在視角轉換任務上，最終超越了強大的閉源模型 GPT-5；甚至 2B 參數的小模型，在相同數據規模下的表現亦優於不少 7B 參數的競爭對手 。
研究團隊更發現了「智能湧現」的先兆：在視角轉換任務上訓練的模型，竟能協同增強「心智重建」及「綜合空間推理」等能力 。這種跨能力的協同發展，意味着 AI 正向類人水平邁進。目前，商湯已將模型及代碼上載至 Hugging Face 及 GitHub 。隨着空間智能技術的普及，未來的自動駕駛系統將更懂路況邏輯，家用機械人也能在複雜室內環境中靈活穿梭，一個真正懂物理空間的 AI 時代正加速來臨 。
【延伸閱讀】
Source：商湯