任务

表1：VA-Bench基础任务设置。

从整体结果看，表现最好的几组模型完整任务成功率只有约一半，但子任务完成率达到

但完整任务成功率只有约一半：Qwen3.8-max、Opus-5和GPT-5.6-sol分别为

测试前，模型观看成功示范视频，理解任务怎么做，但不会获得物体坐标、专家轨迹或精确动作参数；

看懂不等于做对：VA-Bench测出大模型空间智能的执行断层2026年10月05日11:43机器之心Pro大模型已经越来越会「看懂」空间：它能判断物体在机械臂哪一侧，也能识别该操作哪个目标、理解任务怎么做。

65.61%，但双臂任务只有