VA-Bench 测出大模型空间智能执行断层：看懂不等于做对

VA-Bench 以“观察—推理—行动—修正”闭环测试 12 个多模态模型，目标识别与定位（TL）达 100%、操作语义理解（MS）达 99.6%—100%，但完整任务成功率仅约一半，Qwen3.8-max、Opus-5、GPT-5.6-sol 分别为 53.93%、52.86%、51.55%。