阿里千问视觉模型在第三方空间推理榜单SpatialBench夺得前两名:Qwen3-VL13.5分、Qwen2.5-VL12.9分，大幅领先Gemini3.0Pro Preview（9.6分）与GPT-5.1(7.5分)，距离人类基线80分再近一步。

榜单特点

SpatialBench专注2D/3D空间、结构、路径推理，含电路分析、CAD工程、分子生物学等复杂任务，被视为“具身智能试金石”。

模型亮点

-3D检测升级:Qwen3-VL新增旋转框输出与深度估计头，遮挡场景AP↑18%，可判断物体方位、视角变化

- 视觉编程:输入草图或10秒短视频即可生成可运行Python+OpenCV代码，实现“所见即所得”

- 规模多样:提供2B/4B/8B/32B密集模型及30B-A3B、235B-A22B MoE版本，推理版在32项核心能力测试中平均超越Gemini2.5-Pro6.4分

开源节奏

Qwen2.5-VL已全量开源;Qwen3-VL预计2025年Q2释放权重与工具链，同步上线千问App免费体验。

落地进展

阿里云透露，Qwen3-VL已在物流机器人、AR装配、智慧港口等场景POC，空间定位误差<2cm，2026年将推出“视觉-动作”端到端模型，为机器人提供实时视觉伺服能力。