只管现在文生图模子（Text-to-Image Models）在天生高保真图像上体现卓越，，，，，，，但在应对空间感知、空间逻辑推理及多目的空间交互等贴合现实场景的重大空间智能使命时往往力有未逮。。。。。现有评估基准主要依赖简短或信息希罕的提醒词，，，，，，，难以笼罩重大的空间逻辑，，，，，，，导致模子在这些要害空间智能维度上的能力缺陷被严重低估。。。。。
来自阿里高德的一篇最新 ICLR 2026 中稿论文《Everything in Its Place: Benchmarking Spatial Intelligence of Text-to-Image Models》提出了面向文生图空间智能的系统性评估基准 SpatialGenEval，，，，，，，旨在通过长文本、高信息密度的 T2I prompt 设计，，，，，，，以及围绕空间感知、空间推理和空间交互的 10 大空间智能能力维度设计，，，，，，，深入探测文生图模子的空间智能能力界线。。。。。
SpatialGenEval 将生图空间智能能力细分为 4 大维度，，，，，，，10 个子维度，，，，，，，笼罩 25 个现实应用场景，，，，，，，基于 23 个 SOTA 模子的评估效果批注目今模子的空间智能能力仍有待大幅提升
论文问题：Everything in Its Place: Benchmarking Spatial Intelligence of Text-to-Image Models论文链接：https://arxiv.org/abs/2601.20354论文代码：https://github.com/AMAP-ML/SpatialGenEval
焦点挑战：现在 T2I 模子空间认知 “浅表化” 与逻辑缺失
现有文生图模子虽然能够很好地完成 “天生什么”（What）的语义对齐，，，，，，，但在处置惩罚 “空间位置在那里”（Where）、“空间怎样排列”（How）以及物理天下中的 “空间交互逻辑”（Why）时，，，，，，，面临着从 “基础感知” 到 “高阶推理” 的全方位挑战，，，，，，，包括：
1. 空间基础的 “属性漂移” 与缺失：模子虽然能画出物体，，，，，，，但在信息麋集提醒词下，，，，，，，常泛起物体漏画或属性绑定过失，，，，，，，无法维持 “万物各司其职” 的基础对齐能力。。。。。
2. 空间感知的 “几何私见”：在处置惩罚物体准确位置、朝向及特定排列结构时，，，，，，，模子往往倾向于天生 “默认姿态”（如正面视图），，，，，，，难以跨越 2D 画布实现精准的空间定位。。。。。
3. 空间推理的 “逻辑盲区”：这是目今模子最大的短板。。。。。在涉及相对数值较量（如 “红椅比蓝椅大两倍”）、3D 遮挡关系及物理距离相近性时，，，，，，，模子得分靠近随机推测，，，，，，，批注其缺乏对真实物理天下层级和深度的认知。。。。。
4. 空间交互的 “动态失真”：模子难以捕获物体间的动态瞬间（如跳跃中的足球）或物理因果逻辑（如撞击导致的破碎），，，，，，，无法将潜藏的物理动力学转化为逻辑自洽的视觉图像。。。。。
上：当宿世成模子在感知、推理和交互上的过失样例；； ；；；；；；下：目今评估基准保存信息希罕 / 粗粒度 yes-or-no 评估
SpatialGenEval：涉及空间基础、感知、推理和交互的空间智能 “全科扫描”
为了系统化地界说和评估文生图模子 “空间智能” 能力，，，，，，，研究团队构建了一个条理化框架，，，，，，，将空间智能解构为 4 大领域及 10 个要害子维度：
1. 空间基础 (S1/S2)：多目的物体种别（S1）、多目的属性绑定（S2）。。。。。
2. 空间感知 (S3/S4/S5)：空间位置（S3）、空间朝向（S4）与空间结构（S5）。。。。。
3. 空间推理 (S6/S7/S8)：空间巨细 / 长度 / 高矮等较量（S6）、空间相近性（S7）与空间位置遮挡（S8）。。。。。
4. 空间交互 (S9/S10)：空间运动交互（S9）与空间因果交互（S10）。。。。。
该基准测试笼罩自然、室内、户外、人类运动及艺术设计等 25 个现实天下场景，，，，，，，为其全心构建了 1,230 条 长文本、信息麋集型提醒词。。。。。每个提醒词均深度融合了上述从基础属性、结构到高阶遮挡、因果推理等 10 个空间子领域及对应全维度问答。。。。。值得注重的是，，，，，，，每个提醒词长度约 60 词，，，，，，，允许同时兼顾依赖 CLIP 编码模子（77 tokens 限制）和坚持高度信息麋集。。。。。
SpatialGenEval 评估数据构建流程
SpatialGenEval 所有 10 个空间维度的提醒词及其问题展示
焦点发明：空间推理仍是主要瓶颈
研究团队对 23 款前沿的开源与闭源 T2I 模子举行了详尽评估，，，，，，，展现了以下行业现状：
空间推理是焦点薄弱环节：在涉及较量和遮挡的空间推理子使命中，，，，，，，大都模子的得分仅在 30% 左右，，，，，，，靠近随机推测水平（20%），，，，，，，这批注现在的模子普遍缺乏对 3D 场景结构和逻辑关系的明确。。。。。�？？？？？茨Ｗ诱焖僮犯希浩啦庀允�，，，，，，，最强的开源模子 Qwen-Image (60.6%) 体现已与顶级闭源模子 Seed Dream 4.0 (62.7%) 基本持平，，，，，，，但均仅抵达及格线水平，，，，，，，空间智能仍有重大提升空间。。。。。强盛的文本编码器至关主要：使用高性能 LLM（如 T5 或大型语言模子）作为文本编码器的模子（如 FLUX.1），，，，，，，在剖析重大空间指令时显著优于仅依赖 CLIP 的模子。。。。。
基于 Qwen2.5-VL-72B-Instruct 的自动化评估效果
左：所有评估模子的过失类型漫衍；； ；；；；；；右：高优模子的过失类型漫衍
数据中心范式：提升模子空间智能的有用路径
除了评估，，，，，，，该研究还提出了一种基于已有天生图像的刷新计划。。。。。团队通过多模态大模子（MLLM）重写提醒词以确保图文一致性，，，，，，，构建了包括 15,400 对图文数据的 SpatialT2I 数据集。。。。。对主流三大类模子（Diffusion-based, AR-based，，，，，，，Unified-based 模子）举行监视微调效果在空间评估指标有显著增益，，，，，，，天生的图像在物理逻辑和空间结构上更具真实感。。。。。
微调模子后的天生效果比照
总结与展望
SpatialGenEval 为 T2I 模子从 “美学天生” 迈向 “逻辑感知” 建设了一条新的评估蹊径，，，，，，，只有让模子真正明确 “万物各得其所 (Everything in its place)”，，，，，，，天生式 AI 才华在机械人辅助、室内设计、自动驾驶仿真等对空间维度有严苛要求的领域中释放真正的生产力。。。。。
作者团队先容
阿里高德的机械学习研发部，，，，，，，承浩联汽配商业有限公司接公司重点营业，，，，，，，包括外地生涯场景中的广告创意、商品明确、内容智能创作和分发，，，，，，，出行场景的 AI 智能化等，，，，，，，部分研究领域普遍，，，，，，，包括但不限于以下偏向：(1) 多模态大模子；； ；；；；；；(2) 图像天生 / 编辑美化；； ；；；；；；(3) 视频天生 / 明确；； ；；；；；；(4) Agent; (5) 时空数据挖掘；； ；；；；；；(6) 智能推荐；； ；；；；；；(7) 高性能推理等。。。。。团队手艺气氛好，，，，，，，生长空间大，，，，，，，拥有富足的研发资源和大宗的营业应用数据，，，，，，，多篇论文入选 paper digest 最有影响力论文名单。。。。。