在最新发布的SpatialBench榜单中，阿里千问视觉模型Qwen3-VL与Qwen2.5-VL以13.5分和12.9分的成绩包揽前两名，大幅领先Gemini 3.0 Pro Preview（9.6分）和GPT-5.1（7.5分），距离人类基线80分更近一步。SpatialBench作为专注2D/3D空间推理的权威榜单，涵盖电路分析、CAD工程等复杂任务，被誉为“具身智能试金石”，其评估结果被业界视为衡量AI空间理解能力的核心指标。
技术层面，Qwen3-VL通过旋转框输出与深度估计头实现3D检测升级，遮挡场景准确率提升18%，并能精准判断物体方位与视角变化；其创新性的视觉编程功能支持输入草图或短视频生成可运行的Python代码，实现“所见即所得”。此外，模型提供从2B到235B的多样化规模选择，在32项核心测试中平均超越Gemini 2.5-Pro 6.4分。
开源计划显示，Qwen2.5-VL已全量开源，而Qwen3-VL将于2025年第二季度发布权重与工具链，同步上线千问App供免费体验。阿里云透露，该模型已在物流机器人、AR装配等场景验证，空间定位误差小于2cm，并计划2026年推出“视觉-动作”端到端模型，为机器人提供实时视觉伺服能力。
此次成绩标志着中国AI在多模态领域的突破。行业评价指出，Qwen-VL系列在文档分析、中文图像理解等任务上已超越GPT-4V，与Gemini、GPT共同构成全球三强格局。
原创文章，作者：net，如若转载，请注明出处：https://www.kejixun.co/article/739715.html
