VA-Bench 测出大模型空间智能的执行断层：看懂不等于做对

机器之心报道，VA-Bench 用 14 类机器人操作任务、280 个基础场景测试 12 个多模态模型，发现目标识别与定位（TL）可达 100%、操作语义理解（MS）达 99.6%—100%，但 Qwen3.8-max、Opus-5、GPT-5.6-sol 完整任务成功率仅 53.93%、52.86%、51.55%。