商汤科技近日宣布，正式推出并开源其全新空间智能大模型系列SenseNova-SI，在空间理解与推理能力方面实现重要突破。该系列模型在多项权威基准测试中表现优异，不仅显著超越同量级开源多模态模型，更在空间智能任务上领先于GPT-5、Gemini 2.5 Pro等国际顶尖闭源模型。
当前主流大模型虽在知识问答、文本生成、逻辑推理等领域表现突出，但在处理空间结构信息时仍存在明显短板。这种能力缺陷直接限制了具身智能体与物理世界交互的效率，例如机器人导航、自动驾驶等场景均需要精准的空间感知能力。商汤科技此次发布的成果，正是针对这一行业痛点展开的技术攻关。
开源的SenseNova-SI系列包含2B和8B两种参数规模的模型版本。根据官方披露的评测数据，在VSI、MMSI、MindCube、ViewSpatial等空间智能专项测试中，该系列模型均取得领先成绩。其中8B版本在四个核心基准测试中平均得分达60.99，较Qwen3-VL-8B（40.16）、BAGEL-7B（35.01）等开源模型提升显著，甚至超越了参数规模更大的GPT-5（49.68）和Gemini-2.5-Pro（48.81）。
具体案例对比显示，在立方体组合图形的俯视图识别任务中，SenseNova-SI-8B准确选择正确答案B，而GPT-5误选D；在空间方位判断场景中，面对"手持相机者视角下摩托车位置"的问题，SenseNova-SI-8B正确识别右侧方位，GPT-5则给出错误答案。更复杂的动态场景测试中，该模型在多车道车辆转向预测、视角变化下的移动方向判断等任务中，均展现出更高的准确率。
技术团队通过创新的空间表征学习框架，使模型能够高效解析几何关系、物体方位及动态轨迹等复杂空间信息。这种突破性进展不仅体现在静态场景理解，更延伸至动态环境预测领域。例如在自动驾驶场景测试中，SenseNova-SI-8B成功识别黄色车辆的右转意图，而GPT-5误判为静止状态。
该系列模型已通过GitHub平台全面开源，开发人员可访问指定地址获取完整代码与训练数据集。此举将为空间智能领域的研究提供重要基础设施，推动机器人导航、增强现实、智能驾驶等应用场景的技术革新。商汤科技表示，将持续优化模型性能，并探索与三维重建、物理仿真等技术的融合应用。
