普林斯顿 AI Lab 发布空间智能基准 SSoN：人类 83.3%，最高模型仅 39.7%

普林斯顿 AI Lab 团队发布空间智能基准 Same Space or Not（SSoN），要求模型从四张静态室内图像中找出违背同一场景的一张并给出解释。完整 1,000 题上人类准确率 83.3%，六个受测视觉语言模型中 GPT-6 Astra Pro 以 39.7% 领先，其余五个低于 25% 随机基线；17 个视觉编码器的相似度选离群方法也全部低于随机线。