GPT-5 Ha Raggiunto l'Intelligenza Spaziale? Uno Studio Empirico

Has GPT-5 Achieved Spatial Intelligence? An Empirical Study

August 18, 2025

Autori: Zhongang Cai, Yubo Wang, Qingping Sun, Ruisi Wang, Chenyang Gu, Wanqi Yin, Zhiqian Lin, Zhitao Yang, Chen Wei, Xuanke Shi, Kewang Deng, Xiaoyang Han, Zukai Chen, Jiaqi Li, Xiangyu Fan, Hanming Deng, Lewei Lu, Bo Li, Ziwei Liu, Quan Wang, Dahua Lin, Lei Yang

cs.AI

Abstract

I modelli multi-modali hanno compiuto progressi significativi negli ultimi anni. Tuttavia, continuano a mostrare limitazioni evidenti nella comprensione e nel ragionamento spaziale, capacità fondamentali per raggiungere l'intelligenza artificiale generale. Con il recente rilascio di GPT-5, presumibilmente il modello di IA più potente fino ad oggi, è opportuno esaminare dove si collocano i modelli più avanzati nel percorso verso l'intelligenza spaziale. In primo luogo, proponiamo una tassonomia completa dei compiti spaziali che unifica i benchmark esistenti e discutiamo le sfide nel garantire una valutazione equa. Successivamente, valutiamo i modelli proprietari e open-source all'avanguardia su otto benchmark chiave, con un costo superiore a un miliardo di token totali. Il nostro studio empirico rivela che (1) GPT-5 dimostra una forza senza precedenti nell'intelligenza spaziale, ma (2) rimane comunque al di sotto delle prestazioni umane in un'ampia gamma di compiti. Inoltre, (3) identifichiamo i problemi più impegnativi di intelligenza spaziale per i modelli multi-modali, e (4) i modelli proprietari non mostrano un vantaggio decisivo di fronte ai problemi più difficili. In aggiunta, conduciamo una valutazione qualitativa su un insieme diversificato di scenari che sono intuitivi per gli esseri umani ma che falliscono anche nei modelli multi-modali più avanzati.

English

Multi-modal models have achieved remarkable progress in recent years. Nevertheless, they continue to exhibit notable limitations in spatial understanding and reasoning, which are fundamental capabilities to achieving artificial general intelligence. With the recent release of GPT-5, allegedly the most powerful AI model to date, it is timely to examine where the leading models stand on the path toward spatial intelligence. First, we propose a comprehensive taxonomy of spatial tasks that unifies existing benchmarks and discuss the challenges in ensuring fair evaluation. We then evaluate state-of-the-art proprietary and open-source models on eight key benchmarks, at a cost exceeding one billion total tokens. Our empirical study reveals that (1) GPT-5 demonstrates unprecedented strength in spatial intelligence, yet (2) still falls short of human performance across a broad spectrum of tasks. Moreover, we (3) identify the more challenging spatial intelligence problems for multi-modal models, and (4) proprietary models do not exhibit a decisive advantage when facing the most difficult problems. In addition, we conduct a qualitative evaluation across a diverse set of scenarios that are intuitive for humans yet fail even the most advanced multi-modal models.